申请/专利权人：卓世科技(海南)有限公司

申请日：2023-12-27

公开（公告）日：2024-04-05

公开（公告）号：CN117473961B

主分类号：G06F40/166

分类号：G06F40/166;G06F40/117;G06F40/284;G06N3/044;G06N3/0464;G06N3/08;G06F16/33;G06F16/36

优先权：

专利状态码：有效-授权

法律状态：2024.04.05#授权;2024.02.20#实质审查的生效;2024.01.30#公开

摘要：本发明提供一种基于大语言模型的市场文案生成方法及系统，属于人工智能技术领域。所述方法包括：接收待处理的文本，对接收到的所述文本进行分词处理得到多个独立词组，在多个所述独立词组中确定多个关键词；基于预设置的词组数据库确定多个所述关键词对应的词组标签，所述词组标签包括实体标签、属性标签和要素标签；将多个所述关键词输入至生成网络中得到初始文本，并确定所述初始文本中所述实体标签、所述属性标签和所述要素标签对应的词组在所述初始文本中的相对文本位置关系，当所述相对文本位置关系满足预设置的标准关系则所述初始文本为最终生成的市场文案。采用本发明，能够自动生成市场文案。

主权项：1.一种基于大语言模型的市场文案生成方法，其特征在于，包括：接收待处理的文本，对接收到的所述文本进行分词处理得到多个独立词组，在多个所述独立词组中确定多个关键词；包括：识别所述文本中的标点符号，基于识别的所述标点符号确定所述文本中多个待分词语句；对所述待分词语句根据预设置的查询词典进行查询，基于查询结果生成多个初始切分语句，基于多个所述初始切分语句构建词图，所述词图包括：多个所述待分词语句中所有可能词的起始位置和结束位置；根据所述词图计算每种成词概率，并按照成词概率的顺序构建每一词组所对应的最高成词概率，将所述最高成词概率对应的成词组合为所述独立词组；其中，针对于文本处理基于大模型实现，其中在大模型中设置有关于自然语言的查询词典，其中查新词典中包含所有的词组；其中，词图为一种有向无环图，得到有向无环图后，再根据所述词图即有向无环图计算每种成词概率，并按照成词概率的顺序构建每一词组所对应的最高成词概率，将所述最高成词概率对应的成词组合为所述独立词组；获取多个所述独立词组在所述文本中的词频信息，根据预设置的词频权重阈值确定符合要求的所述独立词组为关键词；基于预设置的词组数据库确定多个所述关键词对应的词组标签，所述词组标签包括实体标签、属性标签和要素标签；其中，实体标签是对词组中识别信息的表征，属性标签是对词组中属性信息的表征，要素标签是对词组中形容信息的表征；即在语法逻辑中，实体标签代表名词，属性标签代表副词，要素标签代表形容词；将多个所述关键词输入至生成网络中得到初始文本，并确定所述初始文本中所述实体标签、所述属性标签和所述要素标签对应的词组在所述初始文本中的相对文本位置关系，当所述相对文本位置关系满足预设置的标准关系则所述初始文本为最终生成的市场文案；所述相对文本位置关系为多个所述词组在所述初始文本中的相对位置关系；即词组之间的位置关系，其中针对于位置关系基于语法进行确定，而针对于语法的确定基于大模型中设置的语法规则进行训练得到，具体表现为形容词应当在名词后面，即要素标签应当在实体标签后面；所述生成网络包括：全连接层以及基于循环神经网络为主体的初始生成网络；所述将多个所述关键词输入至生成网络中得到初始文本包括：基于所述全连接层提取多个所述关键词所对应的多个关键词向量，将多个所述关键词向量和多个所述关键词进行矩阵构建得到关键词矩阵，将所述关键词矩阵输入至初始生成网络中，通过所述初始生成网络得到的文本序列为所述初始文本；所述生成网络基于生成式对抗网络训练获得，其中，训练过程包括：构建基于循环神经网络为主体的初始生成网络，所述初始生成网络包括：生成子网络和判别子网络；将所述全连接层输出的用作训练的关键词矩阵通过所述生成子网络按照相邻处理时间段得到第一初始文本序列和第二初始文本序列，将所述第一初始文本序列作为状态数据，将所述第二初始文本序列作为动作数据；基于所述第一初始文本序列和所述第二初始文本序列通过所述判别子网络计算实时奖励值，基于所述实时奖励值对所述生成子网络的超参数进行更新直至所述实时奖励值等于预设置的奖励值；所述生成子网络为第一循环神经网络；所述判别子网络包括：卷积神经网络、第二循环神经网络和与卷积神经网络、第二循环神经网络连接的可学习的全连接层，其中，可学习的全连接层为基于可学习的门限机制建立；其中，所述基于所述第一初始文本序列和所述第二初始文本序列通过所述判别子网络计算实时奖励值包括：将所述第一初始文本序列或所述第二初始文本序列中任一序列分别输入至所述卷积神经网络和所述第二循环神经网络中，通过所述卷积神经网络得到关于所述第一初始文本序列或所述第二初始文本序列中任一序列的局部特征，通过所述第二循环神经网络得到关于所述第一初始文本序列或所述第二初始文本序列中任一序列的全局特征；将所述第一初始文本序列或所述第二初始文本序列的所述局部特征和所述全局特征进行融合得到融合特征；将所述融合特征通过可学习的全连接层得到关于所述第一初始文本序列的状态数据和所述第二初始文本序列的动作数据，基于所述状态数据和所述动作数据得到实时奖励值。

全文数据：

权利要求：

百度查询： 卓世科技(海南)有限公司 一种基于大语言模型的市场文案生成方法及系统

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