表格生成文本模型的训练方法、表格生成文本方法和装置制造方法及图纸

本说明书的实施例提供了一种用于训练表格生成文本模型的方法和装置。在该用于训练表格生成文本模型的方法中，在每个模型训练过程：利用表格编码模型根据当前训练样本的表格得到表格特征表示；根据该表格以及基于表格中各个数值和预定数值操作进行组合得到的数值操作结果集，生成对应的衍生数值推理图；利用路径生成模型根据表格特征表示和该衍生数值推理图得到衍生值生成路径特征表示；再利用文本解码模型结合表格特征表示、衍生值生成路径特征表示以及衍生词表得到该表格的描述文本；最后根据该描述文本和该表格的文本标签之间的差异确定当前训练过程的损失函数值，进而调整表格编码模型、路径生成模型和文本解码模型当前的模型参数。

【技术实现步骤摘要】

本说明书实施例通常涉及计算机，尤其涉及用于训练表格生成文本模型的方法、基于数值推理的表格生成文本方法和装置。

技术介绍

1、随着深度学习技术的发展，各种深度学习模型能够在许多nlp(natural languageprocessing，自然语言处理)任务上取得良好的效果。但在诸如nlg(natural languagegeneration，自然语言生成)等各类生成任务上，由于需要直接从非连续自然语言的文本(例如表格、词条等给定结构的数据)中提取语言信息，生成连续的语言文本，直接应用的效果并不是很好。尤其在涉及数值的表格生成文本(table2text)任务中，对模型针对数值的逻辑处理能力提出了更高要求。因而需要一种能够具备数值推理能力的表格生成文本方法，以得到更准确、丰富、逻辑更加严谨的表格描述文本。

技术实现思路

1、鉴于上述，本说明书实施例提供了一种用于训练表格生成文本模型的方法、基于数值推理的表格生成文本方法和装置，可以训练得到具备数据推理逻辑的表格生成文本模型，进而提升针对表格所生成的描述文本的质量。<本文档来自技高网...

【技术保护点】

1.一种用于训练表格生成文本模型的方法，其中，所述表格生成文本模型包括表格编码模型、路径生成模型和文本解码模型，所述方法包括：

2.如权利要求1所述的方法，其中，所述表格编码模型包括非数值编码模型和数值编码模型，

3.如权利要求2所述的方法，其中，所述根据当前数值编码模型以及数值单元和对应的排序编号、域编码，得到各个数值单元对应的特征表示包括：

4.如权利要求1所述的方法，其中，所述将所得到的各个表格单元对应的特征表示和该衍生数值推理图提供给当前路径生成模型，得到衍生数值生成路径对应的特征表示包括：

5.如权利要求1到4中任一所述的方法，其...

【技术特征摘要】

1.一种用于训练表格生成文本模型的方法，其中，所述表格生成文本模型包括表格编码模型、路径生成模型和文本解码模型，所述方法包括：

2.如权利要求1所述的方法，其中，所述表格编码模型包括非数值编码模型和数值编码模型，

3.如权利要求2所述的方法，其中，所述根据当前数值编码模型以及数值单元和对应的排序编号、域编码，得到各个数值单元对应的特征表示包括：

4.如权利要求1所述的方法，其中，所述将所得到的各个表格单元对应的特征表示和该衍生数值推理图提供给当前路径生成模型，得到衍生数值生成路径对应的特征表示包括：

5.如权利要求1到4中任一所述的方法，其中，所述表格生成文本模型还包括衍生数值编码模型，所述衍生词表中包括根据当前衍生数值编码模型对数值操作结果进行编码而得到的数值操作结果对应的特征表示，

6.一种基于数值推理的表格生成文本方法，包括：

7.如权利要求6所述的方法，其中，所述表格编码模型包括非数值编码模型和数值编码模型，

8.如权利要求7所述的方法，其中，所述根据所述数值...

【专利技术属性】
技术研发人员：林谢雄，褚崴，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：