[發明專利]基于層次注意力指針生成網絡的智能報表描述自動生成的方法及裝置

在審

• 申請號: 202010337416.8
• 申請日: 2020-04-26
• 公開（公告）號: CN113553815A
• 公開（公告）日: 2021-10-26
• 發明（設計）人: 李旭瑞;魏夢溪;李紅松;孫常龍;張瓊
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06F40/18
• 分類號: G06F40/18;G06F40/186;G06F16/22
• 代理公司: 北京領科知識產權代理事務所(特殊普通合伙) 11690
• 代理人: 張丹

本發明提供了一種基于層次注意力指針生成網絡的智能報表描述自動生成的方法及裝置，通過獲取多行結構化數據表，添加貢獻度值，基于葉子節點貢獻度模型，確定所需要的一個或多個數據行，所述數據行進行扁平化轉換，形成單行數據，基于層次注意力指針生成網絡模型，生成所述數據表的描述，解決了現有技術中概況性描述的輸出結果與數據表的輸入數據之間匹配度差的問題，直接將邏輯復雜的多行結構化數據生成更加類人的概括性描述，簡潔、高效、專業地表達出數據表中描述的信息。

技術領域

本發明涉及智能語義分析領域，更具體地說，涉及一種基于層次注意力指針生成網絡的智能報表描述自動生成的方法及裝置。

背景技術

商業智能(BI)分析師經常需要根據數據洞察的結果，利用一段自然語言的描述把數據的核心內容透出給用戶。然而在有一些場景，比如異常檢測、自動日報周報生成等場景，由于存在數據更新快，重復性勞動工作量大等因素，需要程序自動輔助人工生成這些描述。如何用準確、簡潔、生動的語言將重要信息傳達給用戶是一大挑戰。

當前主流商業智能工具或多或少會提供一些自然語言生成NLG功能。不過當前主流的BI領域的NLG功能主要是基于規則和模板的方法。不過模板方法存在內容過于格式化，業務擴展困難的問題?，F有技術中一些基于深度學習的模型主要依靠數據驅動，不需要太多人工干預，也很容易產生豐富又流暢的文字描述，但使用者往往無法直接操控內容生成，難以確保輸出結果與輸入數據中的信息精準匹配。另外，具體到BI報表描述生成領域，以上提到的深度學習方案仍然存在不夠靈活、不夠生動、不夠簡潔以及不夠專業等問題。

因此，需要一種基于層次注意力指針生成網絡的智能報表描述自動生成的方法，能夠簡潔、生動、專業地表達出BI數據表想要描述的信息，并且能夠靈活地適配多個業務場景。

發明內容

有鑒于此，本發明的目的在于提供一種基于層次注意力指針生成網絡的智能報表描述自動生成的方法及裝置，用以解決現有技術中智能報表的概況性描述與報表輸入數據之間匹配度差的問題，直接將邏輯復雜的多行結構化數據生成更加類人的概括性描述。

為了解決上述技術問題，現提出的方案如下：

一種基于層次注意力指針生成網絡的智能報表描述自動生成的方法，包括：

為已獲取的結構化數據表添加貢獻度值，所述結構化數據表中包括多個數據行；

基于葉子節點貢獻度模型，根據所述貢獻度值在所述結構化數據表中確定一個或多個數據行；

對所述已確定的數據行進行扁平化轉換，形成單行數據；

將所述單行數據輸入層次注意力指針生成網絡模型，生成所述數據表的描述。

優選的，所述為已獲取的結構化數據表添加貢獻度值，具體包括：

為一個或多個數據行增加貢獻度值，所述貢獻度值在所述數據表中占用一列或多列。

優選的，所述基于葉子節點貢獻度模型，根據所述貢獻度值在所述結構化數據表中確定一個或多個數據行，具體包括：

確定所述結構化數據表中的數據行是葉子節點或非葉子節點；

根據所述特定數據行的貢獻度值，提取葉子節點所在的數據行。

優選的，對所述已確定的數據行進行扁平化轉換，形成單行數據，具體包括：

將一個或多個所述確定的數據行按照預設的順序排列成單行數據，其中所述數據行作為所述單行數據的段落。

優選的，所述將所述單行數據輸入層次注意力指針生成網絡模型，生成所述數據表的描述，具體包括：

將所述單行數據輸入層次注意力指針生成網絡模型，獲得描述性框架詞語和結構化抽取信息；