CN112559761B - 基于图谱的文本生成方法、***、电子设备及存储介质 - Google Patents
基于图谱的文本生成方法、***、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112559761B CN112559761B CN202011417808.1A CN202011417808A CN112559761B CN 112559761 B CN112559761 B CN 112559761B CN 202011417808 A CN202011417808 A CN 202011417808A CN 112559761 B CN112559761 B CN 112559761B
- Authority
- CN
- China
- Prior art keywords
- triples
- entity
- triplet
- sentence
- word
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000012545 processing Methods 0.000 claims abstract description 16
- 238000005215 recombination Methods 0.000 claims abstract description 16
- 230000006798 recombination Effects 0.000 claims abstract description 16
- 238000012986 modification Methods 0.000 claims abstract description 10
- 230000004048 modification Effects 0.000 claims abstract description 10
- 238000004458 analytical method Methods 0.000 claims abstract description 7
- 238000004590 computer program Methods 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 6
- 230000001174 ascending effect Effects 0.000 claims description 4
- 238000002715 modification method Methods 0.000 claims description 3
- 230000008521 reorganization Effects 0.000 abstract description 6
- 235000013405 beer Nutrition 0.000 description 16
- 238000010586 diagram Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 6
- 238000012216 screening Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
- G06F40/186—Templates
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Machine Translation (AREA)
Abstract
本发明提出一种基于图谱的文本生成方法、***、电子设备及存储介质,其方法技术方案包括三元组排序步骤,基于一预设排序规则对构成图谱的三元组进行排序;冗余处理步骤,去除排序后的所述三元组的冗余信息,并基于一预设重组规则对所述三元组进行修改重组;文本生成步骤,分析修改重组后的所述三元组的关系词词性,并根据分析结果通过一预设文本模板生成文本。本发明解决了现有文本生成方法缺乏指代、信息冗余的问题。
Description
技术领域
本发明属于语言处理领域,尤其涉及一种基于图谱的文本生成方法、***、电子设备及存储介质。
背景技术
随着科学技术的进步和知识图谱的发展,人们可以从大量文本中提取有价值信息(如实体或实体间的关系),然后以结构化的形式存储到指定数据库中。尽管这些结构化信息大大节约了存储成本且能够以图谱形式进行展示,但图谱显示得信息是无序性、零散的,这使用户难以准确理解图谱。因此,根据图谱中的这些结构化信息生成有序的、有逻辑的、通顺的文本来帮助人们理解图谱是非常有价值的。
尽管已有许多关于图谱知识生成文本段的研究成果,但这些研究成果中的训练和测试语料主要以英文为主,故难以适用于中文文本生成;另外,中文训练和测试语料的缺乏直接导致很少有学者研究由中文图谱生成文本段落,倘若由人工标注训练语料的话很耗费成本。
目前,知识图谱中的知识大多数是由形如<实体1, 关系词, 实体2>的三元组组成,而在将这些三元组生成文本段落时难免会遇到信息冗余的情况,即缺乏指代,也就是说文本段中的各子句里可能会出现大量相同的主语、谓语和宾语,明显降低了用户的体验度。
发明内容
本申请实施例提供了一种基于图谱的文本生成方法、***、电子设备及存储介质,以至少解决现有文本生成方法缺乏指代、信息冗余的问题。
第一方面,本申请实施例提供了一种基于图谱的文本生成方法,包括:三元组排序步骤,基于一预设排序规则对构成图谱的三元组进行排序;冗余处理步骤,去除排序后的所述三元组的冗余信息,并基于一预设重组规则对所述三元组进行修改重组;文本生成步骤,分析修改重组后的所述三元组的关系词词性,并根据分析结果通过一预设文本模板生成文本。
优选的,所述三元组排序步骤包括:有向图构建步骤,将所述三元组进行去重,并转换为一有向图结构;规则排序步骤,计算所述有向图的出入度信息,并根据所述出入度信息和三元组间的上下文信息对所述三元组进行排序。
优选的,所述规则排序步骤包括:先根据所述有向图图中各节点的出入度预先确定每个句子的起始三元组,再确定所述每个句子内所包含的其他三元组并确定所述每个句子内的三元组顺序,最后确定所述每个句子的顺序。
优选的,所述冗余处理步骤包括,将所述三元组中冗余的共享实体替换为代词或空字符串。
第二方面,本申请实施例提供了一种基于图谱的文本生成***,适用于上述一种基于图谱的文本生成方法,包括:三元组排序单元,基于一预设排序规则对构成图谱的三元组进行排序;冗余处理单元,去除排序后的所述三元组的冗余信息,并基于一预设重组规则对所述三元组进行修改重组;文本生成单元,分析修改重组后的所述三元组的关系词词性,并根据分析结果通过一预设文本模板生成文本。
在其中一些实施例中,所述三元组排序单元包括:有向图构建模块,将所述三元组进行去重,并转换为一有向图结构;规则排序模块,计算所述有向图的出入度信息,并根据所述出入度信息和三元组间的上下文信息对所述三元组进行排序。
在其中一些实施例中,所述规则排序模块包括:先根据所述有向图图中各节点的出入度预先确定每个句子的起始三元组,再确定所述每个句子内所包含的其他三元组并确定所述每个句子内的三元组顺序,最后确定所述每个句子的顺序。
在其中一些实施例中,所述冗余处理单元包括,将所述三元组中冗余的共享实体替换为代词或空字符串。
第三方面,本申请实施例提供了一种电子设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述第一方面所述的一种基于图谱的文本生成方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述第一方面所述的一种基于图谱的文本生成方法。
相比于相关技术,本申请实施例提供的一种基于图谱的文本生成方法无需人工标注,不仅节省了成本,而且通过对元组排序、共享实体使用代词指代后,文本的简洁度和流畅度明显提升。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本发明的基于图谱的文本生成方法流程图;
图2为图1中步骤S1的分步骤流程图;
图3为本发明的基于图谱的文本生成***的框架图;
图4为图3中三元组排序单元的框架图;
图5为本发明的电子设备的框架图;
图6为本发明一实施例的有向图结构示意图;
以上图中:
1、三元组排序单元;2、冗余处理单元;3、文本生成单元;11、有向图构建模块;12、规则排序模块; 60、总线;61、处理器;62、存储器;63、通信接口。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行描述和说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。基于本申请提供的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
显而易见地,下面描述中的附图仅仅是本申请的一些示例或实施例,对于本领域的普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图将本申请应用于其他类似情景。此外,还可以理解的是,虽然这种开发过程中所作出的努力可能是复杂并且冗长的,然而对于与本申请公开的内容相关的本领域的普通技术人员而言,在本申请揭露的技术内容的基础上进行的一些设计,制造或者生产等变更只是常规的技术手段,不应当理解为本申请公开的内容不充分。
在本申请中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是,本申请所描述的实施例在不冲突的情况下,可以与其它实施例相结合。
除非另作定义,本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制,可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形,意图在于覆盖不排他的包含;例如包含了一系列步骤或模块(单元)的过程、方法、***、产品或设备没有限定于已列出的步骤或单元,而是可以还包括没有列出的步骤或单元,或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
以下,结合附图详细介绍本发明的实施例:
图1为本发明的基于图谱的文本生成方法流程图,请参见图1,本发明基于图谱的文本生成方法包括如下步骤:
S1:基于一预设排序规则对构成图谱的三元组进行排序。
可选的,图2为图1中步骤S1的分步骤流程图,请参见图2:
S11:将所述三元组进行去重,并转换为一有向图结构;
S12:计算所述有向图的出入度信息,并根据所述出入度信息和三元组间的上下文信息对所述三元组进行排序。可选的,先根据所述有向图图中各节点的出入度预先确定每个句子的起始三元组,再确定所述每个句子内所包含的其他三元组并确定所述每个句子内的三元组顺序,最后确定所述每个句子的顺序。
在具体实施中,知识图谱中的知识是由如<实体1, 关系词, 实体2>的三元组组成;由于每个三元组中实体1与实体2是有序的,为了在元组排序中考虑各个实体的出入度信息,本发明先将多个三元组转换成图结构。
在具体实施中,通过分析大量文本中提取出的图谱知识发现:一般处于文本段落开头的实体,其入度往往为0;而处于文本段结尾的实体,其出度往往为0或较小。因此本申请实施例在元组排序中通过三元组各实体的出入度信息来辅助确定起始位置和结束位置的三元组。
在具体实施中,每个文本段落可以由多个句子组成,而每个句子的内容可以由多个三元组生成。本申请实施例在生成文本段落前,先根据有向图中各实体的出入度预先确定每个句子的起始元组,然后确定每个句子内包含的三元组并排序,最后确定每个句子的顺序(即对所有元组整体进行排序)。
在具体实施中,确定每个句子的起始元组的步骤为:按照每个实体节点的入度做升序排序,然后执行:
筛选出入度为0的实体,以这些实体为实体1的三元组都可作为同一句子的起始三元组;
筛选出有向图中出入度同时不为0的实体节点,以该实体节点为实体1的三元组可以作为一个新的句子的起始三元组。
在具体实施中,确定每个句子内的三元组并排序的步骤为:
确定每个句子内的三元组:选出与每个句子起始三元组中实体1相同的元组看作是同一个句子中的内容;
确定每个句子内三元组的顺序:若各三元组中的关系词不同,则根据每个句子内各三元组中关系词的第一个字的拼音首字母进行排序;若各三元组中的关系词相同,则按照三元组中实体2中的第一个字的拼音首字母进行排序。
在具体实施中,确定段落中每个句子之间的顺序,即确定所有三元组的顺序的步骤为:
通过确定各句子中起始元组中实体1的顺序,来辅助确定文本段中各句子之间的顺序,具体如下:
根据入度为0的实体节点的出度进行降序排序,出度最大的实体节点的元组可以作为文本段的开始三元组,出度最小的可作为文本段的末尾。
在完成上述步骤的操作下进行:对于出度和入度同时不为0的实体节点,根据入度进行降序排序,根据入度大小,依次将各句子中的元组数据追加在上述步骤得到的元组后。
请继续参见图1:
S2:去除排序后的所述三元组的冗余信息,并基于一预设重组规则对所述三元组进行修改重组。
可选的,将所述三元组中冗余的共享实体替换为代词或空字符串。
在具体实施中,由于排序后的三元组中有共享的实体,为了使生成的文本更简洁流畅,本申请实施例在进行文本之前对排序后的三元组进行修改与重组。
在具体实施中,提供一链式结构元组重组方法;链式结构是指,三元组排序后,前一个三元组的实体2与后一个三元组实体1完全相同;链式结构的三元组修改方式为:将元组中的共享实体替换成“其、它、他、她等代词或空字符串”(第一个元组中的实体无需替换),得到新的多个元组。
在具体实施中,提供一实体1并列元组修改方法:实体1并列是指,多个三元组的实体1完全相同;实体1并列元组的修改方式为:将元组中的共享实体替换成“其、它等代词或空字符串”(第一个元组中的实体无需替换),得到新的多个元组。
在具体实施中,提供一关系词和实体1同时并列元祖重组方法:实体2并列是指,多个三元组的实体2完全相同;其元组修改方式为:将多个元组合并为1个元组,且该元组中实体1与关系词不变,而实体2修改为原始元组中所有实体2的组合。
在具体实施中,提供一关系词和实体2同时并列元组重组方法:关系词和实体2同时并列是指,多个三元组的关系词和实体2都完全相同;其元组修改方式为将多个元组合并成1个元组,且该元组中关系词和实体2不变,实体1变为原始三元组中所有实体1的组合。
在具体实施中,元组修改的方法不局限于上述4种,可根据特定情况进行设计。
请继续参见图1:
S3:分析修改重组后的所述三元组的关系词词性,并根据分析结果通过一预设文本模板生成文本。
在具体实施中,在经过元组修改和重组以后,各三元组之间已经不存在冗余的共享实体了,此时对修改后的多个元组中的每个三元组进行文本生成得到每个三元组对应的子句,然后将各个句子进行拼接得到这些三元组对应的文本段。对于每个三元组,本申请实施例通过分析该三元组中的关系词的分词结果与词性来选择不同模板生成文本。
在具体实施中,当关系词被切分为一个词,且其词性为动词或者介词时,或者当关系词被分词成两个词,且两个词分别是动词和介词时,可以分别将“实体1,关系词,实体2”的值代入模板template1得到生成的句子文本,模板template1如下所示:
template1= "实体1&关系词&实体2。"
在具体实施中,当关系词被切分为一个词,且为名词时,可通过template2来生成文本,模板template2如下所示:
template2= "实体1&的&关系词&是&实体2。"
在具体实施中,本生成模板不局限于上述2种,当关系词被切分不同词时,可根据关系词的分词结果及词性组合情况来使用不同模板。
通过上述步骤可将有向图生成为文本段。
本申请提供一实施例对以上步骤进行详细说明:
一图谱中包含如下三元组:
<张三,出生日期,1991年>、<张三,职业,作家>、<张三,民族,汉族>、<张三,出生于,青岛>、<青岛,盛产,啤酒>、<啤酒音乐节,举办地,青岛>、<上合峰会,举办地,青岛>、<张三,身高,180cm>、<青岛,位于,山东省>、<张三,喜欢,唱歌>、<张三,喜欢,跑步>。
图6为本实施例的有向图结构示意图,请参见图6,将上述三元组转换为有向图结构。
计算有向图中各节点的出入度,在本实施例中,可得“张三”的入度为0,“汉族”的入度为1,“张三”的出度为6,“汉族”的出度为0。
确定每个句子的起始元组:按照每个实体节点的入度做升序排序,然后筛选出入度为0的实体,如上述有向图中入度为0的实体节点有“啤酒音乐节”、“上合峰会”、“张三”,以这些实体为实体1的三元组都可作为同一句子的起始三元组;筛选出有向图中出入度同时不为0的实体节点,比如“青岛”,以该实体节点为实体1的三元组可以作为一个新的句子的起始三元组;通过上述两个步骤可以得出上述结构图生成的文本段中有四句,它们的起始三元组分别是:
句子a起始:形如<啤酒音乐节,*,*>的三元组;
句子b起始:形如<上合峰会,*,*>的三元组;
句子c起始:形如<张三,*,*>的三元组;
句子d起始:形如<青岛,*,*>的三元组。
选出与每个句子起始三元组中实体1相同的元组看作是同一个句子中的内容,比如:
句子a中的三元组有:<啤酒音乐节,举办地,青岛>;
句子d中的三元组有:<青岛,盛产,啤酒>,<青岛,位于,山东省>;
确定每个句子内三元组的顺序:若各三元组中的关系词不同,则根据每个句子内各三元组中关系词的第一个字的拼音首字母进行排序,比如“喜欢”和“职业”的第一个字对应的拼音首字母分别是“X”和“Z”,因此三元组<张三,喜欢,跑步>的顺序在<张三,职业,作家>之前;若各三元组中的关系词相同,则按照三元组中实体2中的第一个字的拼音首字母进行排序,比如“跑步”和“唱歌”中的第一个字的拼音首字母分别是“P”和“C”,因此三元组<张三,喜欢,唱歌>的顺序在<张三,喜欢,跑步>之前。
通过确定各句子中起始元组中实体1的顺序,来辅助确定文本段中各句子之间的顺序,具体如下:
根据入度为0的实体节点的出度进行降序排序,出度最大的实体节点的元组可以作为文本段的开始三元组,出度最小的可作为文本段的末尾。如“张三”的出度为7,“啤酒音乐节”和“上合峰会”的出度都是1,此时以“张三”为实体1的三元组作为整个文本段中首句出现的实体,而“啤酒音乐节”和“上合峰会”作为整个文本段尾句中出现的实体。
对于出度和入度同时不为0的实体节点,根据入度进行降序排序,根据入度大小,依次将各句子中的元组数据追加在上述步骤得到的元组后边。
通过上述排序后得到的三元组顺序是:
<张三,出生日期,1991年>、
<张三,出生于,青岛>、
<张三,民族,汉族>、
<张三,身高,180cm>、
<张三,喜欢,唱歌>、
<张三,喜欢,跑步>、
<张三,职业,作家>、
<啤酒音乐节,举办地,青岛>、
<上合峰会,举办地,青岛>、
<青岛,盛产,啤酒>、
<青岛,位于,山东省>。
接下来对三元组进行修改重组。
链式结构元组重组方法:形如“<上合峰会,举办地,青岛>、<青岛,位于,山东省>”结构的三元组,修改后的结果为“<上合峰会,举办地,青岛>、<其,位于,山东省>”。
实体1并列元组修改方法:<张三,出生日期,1991年>、<张三,出生于,青岛>,修改后得到的结果为“<张三,出生日期,1991年>、<其,出生于,青岛>”。
实体2并列元组重组方法:<张三,喜欢,唱歌>、<张三,喜欢,跑步>,修改后为“<张三,喜欢,唱歌、跑步>”。
关系词和实体2同时并列元组重组方法:<啤酒音乐节,举办地,青岛>、<上合峰会,举办地,青岛>,修改后的结果为“<啤酒音乐节、上合峰会,举办地,青岛>”。
经过上述修改和重组操作后得到的三元组是:
<张三,出生日期,1991年>、
<他,出生于,青岛>、
<他,民族,汉族>、
<“”,身高,180cm>、
<“”,喜欢,唱歌、跑步>、
<他,职业,作家>、
<啤酒音乐节、上合峰会,举办地,青岛>、
<其,盛产,啤酒>、
<“”,位于,山东省>。
接下来对三元组进行文本的生成。
对于模板template1,<张三,喜欢,唱歌、跑步>代入模板template1得到文本:"张三喜欢唱歌、跑步";<张三,出生于,青岛>代入模板template1后得到文本“张三出生于青岛”。
对于模板template2,<张三,职业,作家>代入模板template2后得到文本“张三的职业是作家。”
通过上述方案可以将有向图生成如下文本段:
“张三的出生日期是1991年,他出生于青岛,他的民族是汉族,身高180cm,喜欢唱歌、跑步,他的职业是作家。啤酒音乐节、上合峰会的举办地是青岛,其盛产啤酒,位于山东省。”
需要说明的是,在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本申请实施例提供了一种基于图谱的文本生成***,适用于上述的一种基于图谱的文本生成方法。如以下所使用的,术语 “单元”、“模块”等可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件、或者软件和硬件的组合的实现也是可能并被构想的。
图2为根据本发明的基于图谱的文本生成***的框架图,请参见图2,包括:
三元组排序单元1,基于一预设排序规则对构成图谱的三元组进行排序;
图4为图3中三元组排序单元1的框架图,请参见图4,包括有向图构建模块11,将所述三元组进行去重,并转换为一有向图结构;规则排序模块12,计算所述有向图的出入度信息,并根据所述出入度信息和三元组间的上下文信息对所述三元组进行排序;所述规则排序模块12包括:先根据所述有向图图中各节点的出入度预先确定每个句子的起始三元组,再确定所述每个句子内所包含的其他三元组并确定所述每个句子内的三元组顺序,最后确定所述每个句子的顺序。
冗余处理单元2,去除排序后的所述三元组的冗余信息,并基于一预设重组规则对所述三元组进行修改重组;所述冗余处理单元2包括,将所述三元组中冗余的共享实体替换为代词或空字符串.
文本生成单元3,分析修改重组后的所述三元组的关系词词性,并根据分析结果通过一预设文本模板生成文本。
本申请实施例提供了一种基于图谱的文本生成***,其所适用的一种基于图谱的文本生成方法已在上文详细阐述,此处不再赘述。
另外,结合图1、图2描述的一种基于图谱的文本生成方法可以由电子设备来实现。图5为本发明的电子设备的框架图。
电子设备可以包括处理器61以及存储有计算机程序指令的存储器62。
具体地,上述处理器61可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit,简称为ASIC),或者可以被配置成实施本申请实施例的一个或多个集成电路。
其中,存储器62可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器62可包括硬盘驱动器(Hard Disk Drive,简称为HDD)、软盘驱动器、固态驱动器(SolidState Drive,简称为SSD)、闪存、光盘、磁光盘、磁带或通用串行总线(Universal SerialBus,简称为USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器62可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器62可在数据处理装置的内部或外部。在特定实施例中,存储器62是非易失性(Non-Volatile)存储器。在特定实施例中,存储器62包括只读存储器(Read-Only Memory,简称为ROM)和随机存取存储器(RandomAccess Memory,简称为RAM)。在合适的情况下,该ROM可以是掩模编程的ROM、可编程ROM(Programmable Read-Only Memory,简称为PROM)、可擦除PROM(Erasable ProgrammableRead-Only Memory,简称为EPROM)、电可擦除PROM(Electrically Erasable ProgrammableRead-Only Memory,简称为EEPROM)、电可改写ROM(Electrically Alterable Read-OnlyMemory,简称为EAROM)或闪存(FLASH)或者两个或更多个以上这些的组合。在合适的情况下,该RAM可以是静态随机存取存储器(Static Random-Access Memory,简称为SRAM)或动态随机存取存储器(Dynamic Random Access Memory,简称为DRAM),其中,DRAM可以是快速页模式动态随机存取存储器(Fast Page Mode Dynamic Random Access Memory,简称为FPMDRAM)、扩展数据输出动态随机存取存储器(Extended Date Out Dynamic RandomAccess Memory,简称为EDODRAM)、同步动态随机存取内存(Synchronous Dynamic Random-Access Memory,简称SDRAM)等。
存储器62可以用来存储或者缓存需要处理和/或通信使用的各种数据文件,以及处理器61所执行的可能的计算机程序指令。
处理器61通过读取并执行存储器62中存储的计算机程序指令,以实现上述实施例中的任意一种基于图谱的文本生成方法。
在其中一些实施例中,电子设备还可包括通信接口63和总线60。其中,如图4所示,处理器61、存储器62、通信接口63通过总线60连接并完成相互间的通信。
通信端口63可以实现与其他部件例如:外接设备、图像/数据采集设备、数据库、外部存储以及图像/数据处理工作站等之间进行数据通信。
总线60包括硬件、软件或两者,将电子设备的部件彼此耦接在一起。总线60包括但不限于以下至少之一:数据总线(Data Bus)、地址总线(Address Bus)、控制总线(ControlBus)、扩展总线(Expansion Bus)、局部总线(Local Bus)。举例来说而非限制,总线60可包括图形加速接口(Accelerated Graphics Port,简称为AGP)或其他图形总线、增强工业标准架构(Extended Industry Standard Architecture,简称为EISA)总线、前端总线(FrontSide Bus,简称为FSB)、超传输(Hyper Transport,简称为HT)互连、工业标准架构(Industry Standard Architecture,简称为ISA)总线、无线带宽(InfiniBand)互连、低引脚数(Low Pin Count,简称为LPC)总线、存储器总线、微信道架构(Micro ChannelArchitecture,简称为MCA)总线、***组件互连(Peripheral Component Interconnect,简称为PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(Serial AdvancedTechnology Attachment,简称为SATA)总线、视频电子标准协会局部(Video ElectronicsStandards Association Local Bus,简称为VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线60可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线,但本申请考虑任何合适的总线或互连。
该电子设备可以执行本申请实施例中的一种基于图谱的文本生成方法。
另外,结合上述实施例中的一种基于图谱的文本生成方法,本申请实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令;该计算机程序指令被处理器执行时实现上述实施例中的任意一种基于图谱的文本生成方法。
而前述的存储介质包括:U盘、移动硬盘、只读存储器(ReadOnly Memory,简称为ROM)、随机存取存储器(Random Access Memory,简称为RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (6)
1.一种基于图谱的文本生成方法,其特征在于,包括:
三元组排序步骤,三元组由实体1、关系词、实体2组成,所述三元组生成的文本段落由多个句子组成,所述三元组排序步骤包括,有向图构建步骤,将所述三元组进行去重,并转换为一有向图结构,起始三元组确定步骤,按照每个实体节点的入度做升序排序,筛选出入度为0的实体,以同一所述实体为所述实体1的所述三元组之一作为同一句子的起始三元组,筛选出有向图中出入度同时不为0的实体节点,以所述实体节点为所述实体1的所述三元组作为一个新的句子的起始三元组,确定每个句子内的三元组并排序的步骤,选出与所述起始三元组中与所述实体1相同的三元组作为同一个句子中的内容,若各所述三元组中的所述关系词不同,则根据所述关系词的第一个字的拼音首字母进行排序,若各所述三元组中的关系词相同,则根据所述实体2中的第一个字的拼音首字母进行排序,句子顺序确定步骤,通过确定各句子中所述起始三元组中所述实体1的顺序,来辅助确定文本段中各句子之间的顺序,具体包括,根据入度为0的所述起始三元组中所述实体1的出度进行降序排序,对于出度和入度同时不为0的实体节点,根据入度进行降序排序,根据入度大小,依次将各句子中的所述三元组数据追加在上述步骤得到的所述三元组后;
冗余处理步骤,去除排序后的所述三元组的冗余信息,并基于一预设重组规则对所述三元组进行修改重组,所述预设重组规则包括,链式结构三元组重组方法,将三元组中的共享实体替换为代词或空字符串,得到新的多个所述三元组,实体1并列三元组修改方法,多个所述三元组的所述实体1相同,将所述三元组中的共享实体替换为代词或空字符串,关系词和实体1同时并列三元组重组方法,将多个三元组合并为1个三元组,所述三元组中所述实体1与所述关系词不变,所述实体2修改为原始三元组中所有所述实体2的组合,关系词和实体2同时并列三元组重组方法,将多个所述三元组合并成1个三元组,所述三元组中所述关系词和所述实体2不变,所述实体1变为原始三元组中所有所述实体1的组合;
文本生成步骤,分析修改重组后的所述三元组的关系词词性,并根据分析结果通过一预设文本模板生成文本。
2.如权利要求1所述的基于图谱的文本生成方法,其特征在于,所述冗余处理步骤包括,将所述三元组中冗余的共享实体替换为代词或空字符串。
3.一种基于图谱的文本生成***,其特征在于,包括:
三元组排序单元,三元组由实体1、关系词、实体2组成,所述三元组生成的文本段落由多个句子组成,所述三元组排序单元包括,有向图构建模块,将所述三元组进行去重,并转换为一有向图结构,起始三元组确定步骤,按照每个实体节点的入度做升序排序,筛选出入度为0的实体,以同一所述实体为所述实体1的所述三元组之一作为同一句子的起始三元组,筛选出有向图中出入度同时不为0的实体节点,以所述实体节点为所述实体1的所述三元组作为一个新的句子的起始三元组,确定每个句子内的三元组并排序的步骤,三元组确定并排序步骤,选出与所述起始三元组中与所述实体1相同的三元组作为同一个所述句子中的内容,若各所述三元组中的所述关系词不同,则根据所述关系词的第一个字的拼音首字母进行排序,若各所述三元组中的关系词相同,则根据所述实体2中的第一个字的拼音首字母进行排序,句子顺序确定步骤,通过确定各句子中所述起始三元组中所述实体1的顺序,来辅助确定文本段中各句子之间的顺序,具体包括,根据入度为0的所述起始三元组中所述实体1的出度进行降序排序,对于出度和入度同时不为0的实体节点,根据入度进行降序排序,根据入度大小,依次将各句子中的所述三元组数据追加在上述步骤得到的所述三元组后;
冗余处理单元,去除排序后的所述三元组的冗余信息,并基于一预设重组规则对所述三元组进行修改重组,所述预设重组规则包括,链式结构三元组重组方法,将三元组中的共享实体替换为代词或空字符串,得到新的多个三元组,实体1并列三元组修改方法,多个所述三元组的所述实体1相同,将所述三元组中的共享实体替换为代词或空字符串,关系词和实体1同时并列三元组重组方法,将多个所述三元组合并为1个三元组,所述三元组中所述实体1与所述关系词不变,所述实体2修改为原始三元组中所有所述实体2的组合,关系词和实体2同时并列三元组重组方法,将多个所述三元组合并成1个三元组,所述三元组中所述关系词和所述实体2不变,所述实体1变为原始三元组中所有所述实体1的组合;
文本生成单元,分析修改重组后的所述三元组的关系词词性,并根据分析结果通过一预设文本模板生成文本。
4.如权利要求3所述的基于图谱的文本生成***,其特征在于,所述冗余处理单元包括,将所述三元组中冗余的共享实体替换为代词或空字符串。
5.一种电子设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至2中任一项所述的基于图谱的文本生成方法。
6.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至2中任一项所述的基于图谱的文本生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011417808.1A CN112559761B (zh) | 2020-12-07 | 2020-12-07 | 基于图谱的文本生成方法、***、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011417808.1A CN112559761B (zh) | 2020-12-07 | 2020-12-07 | 基于图谱的文本生成方法、***、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112559761A CN112559761A (zh) | 2021-03-26 |
CN112559761B true CN112559761B (zh) | 2024-04-09 |
Family
ID=75059146
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011417808.1A Active CN112559761B (zh) | 2020-12-07 | 2020-12-07 | 基于图谱的文本生成方法、***、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112559761B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113591442B (zh) * | 2021-10-08 | 2022-02-18 | 北京明略软件***有限公司 | 文本生成方法、装置、电子装置及可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110688857A (zh) * | 2019-10-08 | 2020-01-14 | 北京金山数字娱乐科技有限公司 | 一种文章生成的方法和装置 |
CN110705310A (zh) * | 2019-09-20 | 2020-01-17 | 北京金山数字娱乐科技有限公司 | 一种文章生成的方法和装置 |
CN111523327A (zh) * | 2020-04-23 | 2020-08-11 | 北京市科学技术情报研究所 | 一种基于语音识别的文本确定方法及*** |
CN111651557A (zh) * | 2020-05-09 | 2020-09-11 | 清华大学深圳国际研究生院 | 一种自动化文本生成方法、装置及计算机可读存储介质 |
CN111930959A (zh) * | 2020-07-14 | 2020-11-13 | 上海明略人工智能(集团)有限公司 | 用于图谱知识生成文本的方法与装置 |
CN112015890A (zh) * | 2020-09-07 | 2020-12-01 | 广东工业大学 | 电影剧本摘要的生成方法和装置 |
-
2020
- 2020-12-07 CN CN202011417808.1A patent/CN112559761B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110705310A (zh) * | 2019-09-20 | 2020-01-17 | 北京金山数字娱乐科技有限公司 | 一种文章生成的方法和装置 |
CN110688857A (zh) * | 2019-10-08 | 2020-01-14 | 北京金山数字娱乐科技有限公司 | 一种文章生成的方法和装置 |
CN111523327A (zh) * | 2020-04-23 | 2020-08-11 | 北京市科学技术情报研究所 | 一种基于语音识别的文本确定方法及*** |
CN111651557A (zh) * | 2020-05-09 | 2020-09-11 | 清华大学深圳国际研究生院 | 一种自动化文本生成方法、装置及计算机可读存储介质 |
CN111930959A (zh) * | 2020-07-14 | 2020-11-13 | 上海明略人工智能(集团)有限公司 | 用于图谱知识生成文本的方法与装置 |
CN112015890A (zh) * | 2020-09-07 | 2020-12-01 | 广东工业大学 | 电影剧本摘要的生成方法和装置 |
Non-Patent Citations (1)
Title |
---|
GTR-LSTM: A Triple Encoder for Sentence Generation from RDF Data;Bayu Distiawan Trisedya et al.;Proceedings of the 56th Annual Meeting of the Association for Computational Linguistics;1628-1634页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112559761A (zh) | 2021-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11682226B2 (en) | Method and system for assessing similarity of documents | |
CN108845993B (zh) | 文本信息的翻译方法、装置及终端设备 | |
CN110705302B (zh) | 命名实体的识别方法、电子设备及计算机存储介质 | |
EP2643770A2 (en) | Text segmentation with multiple granularity levels | |
CN110457690A (zh) | 一种专利创造性的判断方法 | |
CN111104803A (zh) | 语义理解处理方法、装置、设备及可读存储介质 | |
CN107615268B (zh) | 用于根据词之间的不确定性而对词间隔进行不对称格式化的***和方法 | |
CN112559761B (zh) | 基于图谱的文本生成方法、***、电子设备及存储介质 | |
CN115495556A (zh) | 文档处理方法及装置 | |
CN105701086B (zh) | 一种滑动窗口文献检测方法及*** | |
Soori et al. | Text similarity based on data compression in Arabic | |
CN111240962B (zh) | 测试方法、装置、计算机设备及计算机存储介质 | |
CN112579791A (zh) | 基于知识图谱的智能教学方法及*** | |
CN117195829A (zh) | 文本标注方法、文本标注装置及电子设备 | |
CN109710304B (zh) | 一种格式调整方法及装置 | |
US10579719B2 (en) | System and method for editor emulation | |
CN111368547A (zh) | 基于语义解析的实体识别方法、装置、设备和存储介质 | |
CN111160445A (zh) | 投标文件相似度计算方法及装置 | |
CN114416977A (zh) | 文本难度分级评估方法及装置、设备和存储介质 | |
CN114328895A (zh) | 新闻摘要的生成方法、装置以及计算机设备 | |
CN115525728A (zh) | 汉字排序、汉字检索和汉字***的方法和装置 | |
Estarrona et al. | The first annotated corpus of historical Basque | |
CN112101025B (zh) | 拼音标注方法、装置、电子设备及存储介质 | |
CN116340263B (zh) | 一种基于机器识别的word文档转换方法、装置及存储介质 | |
JP3379643B2 (ja) | 形態素解析方法および形態素解析プログラムを記録した記録媒体 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |