[發明專利]基于人工智能的用于生成文本的方法和裝置

有效

• 申請號: 201710787262.0
• 申請日: 2017-09-04
• 公開（公告）號: CN107526725B
• 公開（公告）日: 2021-08-24
• 發明（設計）人: 劉毅
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06F40/216
• 分類號: G06F40/216;G06F40/289;G06F40/30
• 代理公司: 北京英賽嘉華知識產權代理有限責任公司 11204
• 代理人: 王達佐;馬曉亞

本申請實施例公開了基于人工智能的用于生成文本的方法和裝置。該方法的一具體實施方式包括：獲取待擴展文本；切分待擴展文本，得到待擴展文本的詞序列；根據預先存儲的詞與標識信息的對應關系，確定與詞序列對應的標識信息序列；將所確定的標識信息序列輸入預先訓練的文本擴展模型，生成擴展后的文本的標識信息序列；根據所生成的標識信息序列和詞與標識信息的對應關系，生成擴展后的文本。該實施方式提高了文本生成的多樣性。

技術領域

本申請涉及計算機技術領域，具體涉及互聯網技術領域，尤其涉及基于人工智能的用于生成文本的方法和裝置。

背景技術

人工智能(Artificial Intelligence)，英文縮寫為AI。它是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。人工智能是計算機科學的一個分支，它企圖了解智能的實質，并生產出一種新的能以人類智能相似的方式做出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。

目前，對文本進行擴展時，主要基于預先建立的離線數據庫實現，即將待擴展文本中的詞替換為離線數據庫中與其語義相近的詞，以生成擴展后的文本。

然而，目前采用的文本生成方法，由于離線數據庫維護成本較高，且數據有限，所以文本生成結果較為局限。影響了了文本生成的多樣性。

發明內容

本申請實施例的目的在于提出一種改進的基于人工智能的用于生成文本的方法和裝置，來解決以上背景技術部分提到的技術問題。

第一方面，本申請提供了一種基于人工智能的用于生成文本的方法，該方法包括：獲取待擴展文本；切分待擴展文本，得到待擴展文本的詞序列；根據預先存儲的詞與標識信息的對應關系，確定與詞序列對應的標識信息序列；將所確定的標識信息序列輸入預先訓練的文本擴展模型，生成擴展后的文本的標識信息序列，其中，文本擴展模型用于表征待擴展文本的標識信息序列與擴展后的文本的標識信息序列之間的對應關系；根據所生成的標識信息序列和詞與標識信息的對應關系，生成擴展后的文本。

在一些實施例中，文本擴展模型包括編碼模型和解碼模型，編碼模型用于表征標識信息序列與編碼信息序列之間的對應關系，解碼模型用于表征預先設置的起始詞的標識信息、編碼信息序列二者與標識信息序列之間的對應關系；以及將所確定的標識信息序列輸入預先訓練的文本擴展模型，生成擴展后的文本的標識信息序列，包括：將所確定的標識信息序列輸入編碼模型，生成待擴展文本的編碼信息序列；將所生成的編碼信息序列和起始詞的標識信息輸入解碼模型，生成擴展后的文本的標識信息序列。

在一些實施例中，將所確定的標識信息序列輸入編碼模型，生成待擴展文本的編碼信息序列，包括：將所確定的標識信息序列中的各個標識信息正序輸入用于編碼的正向傳播循環神經網絡，生成第一參考編碼信息序列；將所確定的標識信息序列中的各個標識信息倒序輸入用于編碼的反向傳播循環神經網絡，生成第二參考編碼信息序列；根據第一參考編碼信息序列和第二參考編碼信息序列，生成待擴展文本序列的編碼信息序列。

在一些實施例中，將所生成的編碼信息序列和起始詞的標識信息輸入解碼模型，生成擴展后的文本的標識信息序列，包括：基于用于解碼的循環神經網絡和所生成的編碼信息序列，預測起始詞的備選后續詞序列的標識信息序列；根據所預測的每個標識信息序列包括的標識信息出現的概率，計算該標識信息序列出現的概率；從所預測的各個標識信息序列中按照出現的概率由大到小的順序選擇預定數目個標識信息序列，作為擴展后的文本的標識信息序列。

在一些實施例中，基于用于解碼的循環神經網絡和所生成的編碼信息序列，預測起始詞的備選后續詞序列的標識信息序列，包括：根據注意力模型確定每次預測時所生成的編碼信息序列的權重；根據權重對所生成的編碼信息序列進行加權；基于用于解碼的循環神經網絡和加權后的編碼信息序列，預測起始詞的備選后續詞序列的標識信息序列。