[發明專利]自動作詩語言模型訓練方法、裝置、自動作詩方法及裝置

在審

• 申請號: 202210003512.8
• 申請日: 2022-01-05
• 公開（公告）號: CN114021545A
• 公開（公告）日: 2022-02-08
• 發明（設計）人: 鄒旭;楊植麟;殷達;丁銘;唐杰
• 申請（專利權）人: 北京智源悟道科技有限公司
• 主分類號: G06F40/205
• 分類號: G06F40/205;G06K9/62;G06F16/33
• 代理公司: 北京國科程知識產權代理事務所(普通合伙) 11862
• 代理人: 曹曉斐

1.一種自動作詩語言模型訓練方法，其特征在于，包括：

將預設初始文本輸入預設的語言模型中，獲得所述預設初始文本對應的至少一個完整詩句文本，其中，所述預設初始文本包括標題、體裁；

計算每一所述完整詩句文本分別與所述預設初始文本之間的混淆率，進而獲得每一所述完整詩句文本分別對應的分數，并對所述分數進行排序；

根據所述排序結果，從所述完整詩句文本中獲取目標完整詩句文本；

根據所述目標完整詩句文本，對所述語言模型進行調整，獲得目標語言模型。

2.根據權利要求1所述的自動作詩語言模型訓練方法，其特征在于，所述將預設初始文本輸入預設的語言模型中，獲得所述預設初始文本對應的至少一個完整詩句文本，進一步包括：

在所述語言模型中，根據所述預設初始文本獲取所述預設初始文本對應的至少一個第一詩句文本；

計算所述第一詩句文本分別與所述預設初始文本之間的第一混淆率，進而獲得每一所述第一詩句文本分別對應的第一分數；

根據所述第一分數對所述第一詩句文本進行篩選，獲得預設第一數目的第一目標詩句文本。

3.根據權利要求2所述的自動作詩語言模型訓練方法，其特征在于，所述將預設初始文本輸入預設的語言模型中，獲得所述預設初始文本對應的至少一個完整詩句文本，還包括：

在所述語言模型中，根據所述預設初始文本與前N-1目標詩句文本獲取所述前N-1目標詩句文本對應的至少一個第N詩句文本，其中N為不大于詩句句數，且大于1的自然數；

計算前N詩句文本分別與所述預設初始文本的第N混淆率，進而獲得每一所述N詩句文本分別對應的第N分數；

根據所述第N分數對所述第N詩句文本進行篩選，獲得預設第二數目的第N目標詩句文本，進而獲得至少一個所述完整詩句文本。

4.根據權利要求2所述的自動作詩語言模型訓練方法，其特征在于，所述在所述語言模型中，根據所述預設初始文本獲取所述預設初始文本對應的至少一個第一詩句文本，進一步包括：

將所述預設初始文本輸入所述語言模型中，獲得至少一個第一文本；

分別對每一所述第一文本的文本格式進行判斷，從所述第一文本中確定符合詩句格式的所述第一詩句文本。

5.根據權利要求1所述的自動作詩語言模型訓練方法，其特征在于，所述將所述預設初始文本輸入所述語言模型中，獲得至少一個第一文本，進一步包括：

將所述預設初始文本輸入所述語言模型中，獲取所述預設初始文本對應的至少一個第一詞語文本；

根據所述預設初始文本與每一所述第一詞語文本分別生成所述第一詞語文本對應的第二詞語文本；

根據所述預設初始文本與前M-1詞語文本分別生成所述前M-1詞語文本對應的第M詞語文本，使得前M詞語文本的文字個數等于預設初始文本字數，其中M為大于1的自然數。

6.根據權利要求1所述的自動作詩語言模型訓練方法，其特征在于，所述計算每一所述完整詩句文本分別所述預設初始文本之間的混淆率，進一步包括：

通過所述語言模型計算所述完整詩句文本與所述預設初始文本之間的所述混淆率，獲得每一所述完整詩句文本分別對應的所述混淆率。

7.根據權利要求1所述的自動作詩語言模型訓練方法，其特征在于，所述根據所述目標完整詩句文本，對所述語言模型進行調整，獲得目標語言模型，進一步包括：

根據所述預設初始文本與所述目標完整詩句文本，對所述語言模型的相關參數進行調整，獲得所述目標語言模型，使得所述目標語言模型根據所述預設初始文本輸出所述目標完整詩句文本的概率達到預設閾值。