申请/专利权人：达闼机器人股份有限公司

申请日：2020-08-28

公开（公告）日：2024-04-02

公开（公告）号：CN111984783B

主分类号：G06F16/34

分类号：G06F16/34;G06N3/042;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2022.05.10#著录事项变更;2020.12.11#实质审查的生效;2020.11.24#公开

摘要：本发明实施例涉及自然语言处理技术领域，公开了一种文本生成模型的训练方法、文本生成方法及相关设备。本发明中文本生成模型的训练方法，包括：提供输入样本和输出样本；所述输入样本包括第一文本以及所述第一文本的结构图，所述结构图用于表征所述第一文本中各文字之间的关联关系；所述输出样本为与所述第一文本具有相同结构图的第二文本；根据所述输入样本和输出样本，对预设的图神经网络进行训练，得到文本生成模型。采用本实施方式，使得训练得到的文本生成模型可以准确生成具有特定结构的文本。

主权项：1.一种文本生成模型的训练方法，其特征在于，包括：提供输入样本和输出样本；所述输入样本包括第一文本以及所述第一文本的结构图，所述结构图用于表征所述第一文本中各文字之间的关联关系；所述输出样本为与所述第一文本具有相同结构图的第二文本；根据所述输入样本和输出样本，对预设的图神经网络进行训练，得到文本生成模型；所述根据所述输入样本和输出样本，对预设的图神经网络进行训练，得到文本生成模型，包括：迭代步骤；所述迭代步骤包括：根据所述第一文本的结构图、所述第一文本以及所述预设的图神经网络模型，确定所述第一文本在所述图神经网络模型的编码端的第一状态向量；根据所述第一状态向量，确定解码结构图中各节点的隐含向量，其中，所述解码结构图为所述图神经网络模型的解码端中待输出文本的结构图，与所述第一文本的结构图相同；根据各所述隐含向量，确定每次解码的解码位置以及所述解码位置对应的文字，得到所述待输出文本，其中，每次解码的解码位置为本次待解码的节点在所述解码结构图中的所处位置；判断所述待输出文本与所述第二文本的误差是否满足预设条件，若满足，结束迭代步骤得到所述文本生成模型，否则，调整所述编码端和所述解码端中的权重参数，重新执行所述迭代步骤；所述提供输入样本，包括：获取所述第一文本；从所述第一文本中提取所有相异的文字作为所述第一文本的结构图中的节点；根据所述第一文本中各文字的排列顺序，构建所述第一文本的结构图中各条边，得到所述第一文本的结构图；所述结构图包括：正向的边和反向的边；所述根据所述第一文本中各文字的排列顺序，构建所述第一文本的结构图中各条边，得到所述第一文本的结构图，包括：将所述第一文本中各文字的排列顺序作为结构图中正向的边；将各正向的边通过全连接层变换，得到所述结构图中各反向的边。

全文数据：

权利要求：

百度查询： 达闼机器人股份有限公司 文本生成模型的训练方法、文本生成方法及相关设备

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD