CN114490976A - 对话摘要训练数据的生成方法、装置、设备及存储介质 - Google Patents

Abstract

本公开提出了一种对话摘要训练数据的生成方法、装置、电子设备及存储介质，涉及计算机技术领域，具体涉及深度学习、自然语言处理等人工智能技术领域，具体实现方案为：获取多个参考文本及每个所述参考文本对应的参考摘要；基于每个所述参考文本中包含的语句，生成对话语句集；将所述对话语句集中的各个语句进行随机排列，以生成对话文本；将多个所述参考摘要随机排列，以生成与所述对话文本对应的目标摘要。本公开采用非对话形式的文本及对应的摘要，构建对话文本及对话摘要，实现了获取大量的对话摘要训练数据，为训练得到对话摘要算法模型提供了支撑。

Description

对话摘要训练数据的生成方法、装置、设备及存储介质

技术领域

本公开涉及计算机技术领域，具体涉及自然语言处理、深度学习等人工智能技术领域，尤其涉及一种对话摘要训练数据的生成方法、装置、设备及存储介质。

背景技术

目前，各种形式的对话数据日益增多，比如会议、闲聊、客服对话、医患对话等。对话摘要可以从复杂的对话数据中提取关键信息，从而降低人们理解对话数据的难度。其中，建立对话摘要算法模型，是从对话数据中获取对话摘要的方式之一。然而，人工标注对话摘要费时费力。因此，研究如何生成大量的对话摘要训练数据，具有重要意义。

发明内容

本公开提供了一种对话摘要训练数据的生成方法、装置、设备以及存储介质。

根据本公开的第一方面，提供了一种对话摘要训练数据的生成方法，包括：

获取多个参考文本及每个所述参考文本对应的参考摘要；

基于每个所述参考文本中包含的语句，生成对话语句集；

将所述对话语句集中的各个语句进行随机排列，以生成对话文本；

将多个所述参考摘要随机排列，以生成与所述对话文本对应的目标摘要。

根据本公开的第二方面，提供了一种对话摘要训练数据的生成装置，包括：

获取模块，用于获取多个参考文本及每个所述参考文本对应的参考摘要；

第一生成模块，用于基于每个所述参考文本中包含的语句，生成对话语句集；

第二生成模块，用于将所述对话语句集中的各个语句进行随机排列，以生成对话文本；

第三生成模块，用于将多个所述参考摘要随机排列，以生成与所述对话文本对应的目标摘要。

本公开第三方面实施例提出了一种计算机设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如本公开第一方面实施例提出的方法。

本公开第四方面实施例提出了一种非临时性计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现如本公开第一方面实施例提出的方法。

本公开第五方面实施例提出了一种计算机程序产品，当所述计算机程序产品中的指令处理器执行时，执行本公开第一方面实施例提出的方法。

本公开提供的对话摘要训练数据的生成方法、装置、设备以及存储介质至少存在以下有益效果：

首先获取多个参考文本及每个所述参考文本对应的参考摘要；然后基于每个参考文本中包含的语句，生成对话语句集；之后将对话语句集中的各个语句进行随机排列，以生成对话文本；最后将多个参考摘要随机排列，以生成与对话文本对应的目标摘要。由此，实现了采用非对话形式的文本及对应的摘要，构建对话文本及对话摘要，从而得到大量的对话摘要训练数据，为训练得到对话摘要算法模型提供了支撑。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是根据本公开一实施例提供的一种对话摘要训练数据的生成方法的流程示意图；

图2是根据本公开另一实施例提供的一种对话摘要训练数据的生成方法的流程示意图；

图3是根据本公开另一实施例提供的一种对话摘要训练数据的生成方法的流程示意图；

图4是根据本公开另一实施例提供的一种对话摘要训练数据的生成方法的流程示意图；

图5是根据本公开一实施例提供的一种对话摘要训练数据的生成装置的结构示意图；

图6是用来实现本公开实施例的对话摘要训练数据的生成方法的电子设备的框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

为了方便对本公开的理解，下面首先对本公开涉及的技术领域进行简单解释说明书。

人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习、深度学习、大数据处理技术、知识图谱技术等几大方向。

深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术。

自然语言处理(Natura lLanguage Processing，NLP)是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。摘要是自然语言处理领域一个经典的任务，其核心目的是从输入中选取关键信息，转为一段简短的概括。比如，给定一段新闻，通过摘要技术，可以生成一段简短的概括，该概括可以节省读者时间，帮助读者快速理解原文重要内容。

下面结合参考附图对本公开提供的对话摘要训练数据的生成方法、装置、计算机设备及存储介质进行详细描述。

本公开提供了一种对话摘要训练数据的生成方法，该方法可以由本公开提供的一种对话摘要训练数据的生成装置执行，也可以由本公开提供的电子设备执行，其中，电子设备可以包括但不限于手机、台式电脑、平板电脑等终端设备，也可以是服务器，下面以由本公开提供的对话摘要训练数据的生成装置来执行本公开提供的一种对话摘要训练数据的生成方法，而不作为对本公开的限定，以下简称为“装置”。

图1是根据本公开一实施例的一种对话摘要训练数据的生成方法的流程示意图。

如图1所示，该对话摘要训练数据的生成方法可以包括以下步骤：

步骤S101，获取多个参考文本及每个参考文本对应的参考摘要。

需要说明的是，根据摘要的数据类型，可以分为新闻摘要、论文摘要、对话摘要等。

其中，对话摘要属于摘要中的一种，其来源于对话数据。对话数据可以有不同的形式，比如会议、闲聊、邮件、辩论等等。

可以理解的是，对话摘要包含对话数据中的关键信息。通过对话摘要可以快速理解对话核心内容。

举例来说，两个发言人之间的对话为：

A：我们讨论一下对话摘要。B：好的，这是个很热门的话题。A：是的，但它现在也是一个难题。

关于上述对话的对话摘要可以为：对话摘要虽然热门，但也是个难题。

本公开实施例中，为了生成对话摘要训练数据，可以利用其他领域的参考文本及参考文本对应的参考摘要构造对话摘要训练数据。

其中，参考文本可以为具有对应摘要的任意类型的文本。比如，参考文本可以新闻，则新闻摘要为对应的参考摘要。或者，参考文本可以为微博，则微博标题为对应的参考摘要。

需要说明的是，对话数据与其他类型的数据相比，具有多个发言人交替发言的特点。因此，本公开实施例中，当构造对话摘要训练数据时，可以获取两个以上参考文本及每个参考文本对应的参考摘要。

其中，由于在真实的对话过程中，参与对话的人数不确定。因此，本公开实施例中，对于选取的参考文本的数量不做限定。

比如，可以采用两个参考文本及对应的两个参考摘要构造一个对话摘要训练数据。或者，可以采用三个参考文本及对应的三个参考摘要构造一个对话摘要训练数据。

需要说明的是，上述示例只是举例说明，不能作为对本公开实施例中参考文本的限定。

步骤S102，基于每个参考文本中包含的语句，生成对话语句集。

需要说明的是，每个参考文本都包含多个按照一定顺序排列的语句。为了根据参考文本构造对话形式的对话数据，可以将每个参考文本划分为多个语句，以生成对话语句集。

其中，每个参考文本的具体划分方式，可以采用任意可能的方式实现。

比如，可以按照特定类型的标点符号，将参考文本划分为多个语句。或者，可以按照任意类型的标点符号，将参考文本划分为多个语句。

举例来说，可以仅将代表长停顿的句号、问号、叹号作为划分语句的依据。或者，可以将代表长停顿的句号、问号、叹号及代表短停顿的逗号、顿号、分号和冒号作为划分语句的依据。或者，还可以将所有标点符合作为划分语句的依据，本公开对此不做限定。

需要说明的是，在将参考文本划分为语句后，可以将各个参考文本的所有语句形成对话语句集。或者，也可以选取各个参考文本的部分语句，形成对话语句集。

比如，可以选取字数超过设定阈值的语句形成对话语句集。或者，可以选取包含关键信息的语句形成对话语句集，本公开对此不做限定。

步骤S103，将对话语句集中的各个语句进行随机排列，以生成对话文本。

需要说明的是，为了体现对话数据中多个发言人交替发言的特点，可以将对话语句集中各个参考文本的语句顺序打乱，并且随机排列，形成对话文本。

比如，对话语句集中包括参考文本A的多个语句A1、A2、A3、A4，以及参考文本B的多个语句B1、B2、B3、B4。则将对话语句集中的各个语句进行随机排列后，生成的对话文本可以为A1B1A2B2A3B3B4A4，或者为A4A1B1A2B4A3B3B2。

或者，对话语句集中包括参考文本A的多个语句A1、A2、A3，参考文本B的多个语句B1、B2、B3，以及参考文本C的多个语句C1、C2、C3。则将对话语句集中的各个语句进行随机排列后，生成的对话文本可以为A1B1C1C2A2B2A3B3C3，或者为C1B3B2A2C3A3B1C2A1。

需要说明的是，上述示例只是举例说明，不能作为对本公开实施例中对话文本的限定。

步骤S104，将多个参考摘要随机排列，以生成与对话文本对应的目标摘要。

可以理解的是，对话摘要训练数据包括两部分，即对话部分与摘要部分。其中，对话部分可以作为输入数据，摘要部分可以作为目标数据。

本公开实施例中，在用多个参考文本生成对话文本之后，可以将多个参考文本对应的参考摘要进行随机组合，以生成与对话文本对应的目标摘要。

需要说明的是，各个参考文本对应的参考摘要可以包含多个摘要语句。当对多个参考摘要随机排列时，每个参考摘要作为整体进行排列，每个参考摘要内包含的摘要语句的顺序不变。

比如，利用参考文本A和参考文本B生成对话文本，参考文本A对应的参考摘要为A0，参考文本B对应的参考摘要为B0，则对话文本对应的目标摘要可以为A0B0或B0A0。

或者，利用参考文本A、参考文本B和参考文本C生成对话文本，参考文本A对应的参考摘要为A0，参考文本B对应的参考摘要为B0，参考文本C对应的参考摘要为C0，则对话文本对应的目标摘要可以为C0A0B0，或者为B0C0A0等。

需要说明的是，上述示例只是举例说明，不能作为对本公开的目标摘要的限定。

本公开实施例中，首先获取多个参考文本及每个参考文本对应的参考摘要；然后基于每个参考文本中包含的语句，生成对话语句集；之后将对话语句集中的各个语句进行随机排列，以生成对话文本；最后将多个参考摘要随机排列，以生成与对话文本对应的目标摘要。由此，实现了采用非对话形式的文本及对应的摘要，构建对话文本及对话摘要，从而得到大量的对话摘要训练数据，为训练得到对话摘要算法模型提供了支撑，节省了人工标注数据的时间和精力。

图2是根据本公开另一实施例的一种对话摘要训练数据的生成方法的流程示意图。

如图2所示，该对话摘要训练数据的生成方法可以包括以下步骤：

步骤S201，确定候选词语。

需要说明的是，在多个发言人对话的过程中，通常是围绕某个主题进行的。比如，运动、游戏、美食等。

因此，为了使构造的对话摘要训练数据更接近真实的对话数据，可以根据对话主题筛选相关的参考文本。

具体的，可以根据对话主题确定关键词，并将关键词作为候选词语。其中，候选词语可以包括一个或多个，本公开对此不做限定。

比如，当构造运动主题的对话数据时，可以确定候选词语为运动。或者，可以进一步具体为篮球、足球等。

需要说明的是，上述只是举例说明，不能作为对本公开实施例中候选词语的限定。

步骤S202，确定文本数据集中包含候选词语的各个候选摘要的数量。

需要说明的是，参考文本可以从特定的文本数据集中获取。比如，新闻摘要数据集、论文摘要数据集等。

由于构造对话文本需要多个参考文本，因此，当根据候选词语筛选参考文本时，可以首先确定文本数据集中包含候选词语的各个候选摘要的数量，以进一步判断是否能够获取多个参考文本。

步骤S203，响应于候选摘要的数量大于第一阈值，从各个候选摘要中选取参考摘要，候选摘要对应的候选文本为参考文本。

需要说明的是，当包含候选词语的候选摘要的数量为0或1时，表明文本数据集中没有或仅包含1篇相关主题的文本。此时可以更换或调整候选词语重新进行选择。

当包含候选词语的候选摘要的数量大于第一阈值时，可以从各个候选摘要中选取多个作为参考摘要，将各个候选摘要对应的候选文本作为参考文本。

其中，第一阈值的大小可以根据需要设定。比如，当至少用两篇参考文本构造对话文本时，第一阈值可以为1。或者，当至少用三篇参考文本构造对话文本时，第一阈值可以为2。

本公开实施例中，基于候选词语从文本数据集中筛选候选摘要及对应的候选文本，并将候选摘要及对应的候选文本作为参考摘要及参考文本，实现了基于文本内容的相关性获取参考文本及参考摘要，提高了生成的对话摘要训练数据与真实数据的相似度。

可以理解的是，取决于文本数据集中的文本数量及文本内容，当根据候选词语从文本数据集中筛选候选摘要时，得到的候选摘要的数量无法确定。比如，可能为几个、几十个或者上百个。

在本公开一些实施例中，可以根据构造对话文本所需的参考文本的数量确定第二阈值。然后，根据包含候选词语的候选摘要的数量与第二阈值的大小关系，确定选取参考摘要的方式。

比如，当需要用两篇以上参考文本构造对话文本时，第二阈值可以为2。或者，当需要用三篇以上参考文本构造对话文本时，第二阈值可以为3。

进而，当包含候选词语的候选摘要的数量小于或等于第二阈值时，可以确定各个候选摘要为参考摘要。当包含候选词语的候选摘要的数量大于第二阈值时，可以将各个候选摘要中的任意数量个候选摘要确定为一组参考摘要。

比如，第二阈值为2，包含候选词语的候选摘要的数量为2，则可以将该两个候选摘要作为参考摘要，并将该两个候选摘要对应的候选文本作为参考文本。

或者，第二阈值为2，包含候选词语的候选摘要的数量为30，此时可以从中随机选取任意数量个候选摘要作为一组参考摘要，并将候选摘要对应的候选文本作为一组参考文本。

比如，可以从包含候选词语的候选摘要中随机选取两个候选摘要作为一组参考摘要，并将该两个候选摘要对应的候选文本作为参考文本。

或者，可以从包含候选词语的候选摘要中随机选取三个候选摘要作为一组参考摘要，并将该三个候选摘要对应的候选文本作为参考文本。

需要说明的是，上述示例只是举例说明，不能作为对本公开实施例中确定参考摘要及参考文本的限定。

本公开实施例中，在从候选摘要中选取参考摘要时，根据包含候选词语的候选摘要的数量确定选取参考摘要的方式，以模拟不同发言人数的对话数据，保证了构造的对话摘要训练数据的多样性。

需要说明的是，当随机选取多个候选摘要作为参考摘要，并将该多个候选摘要对应的候选文本作为参考文本时，可能出现多个参考文本的篇幅相差较大的情况。

比如，选取两篇候选文本分为作为参考文本A和参考文本B。其中，参考文本A的包含100个语句，参考文本B包含10个语句。则利用参考文本A和参考文本B生成对话文本时，可能与真实对话的相似度较低。

在本公开一些实施例中，可以根据各个候选摘要对应的候选文本间的字符数量差值，从各个候选摘要中选取参考摘要。或者，可以根据各个候选摘要对应的候选文本包含的语句数量间的差值，从各个候选摘要中选取参考摘要。

可以理解的是，每个候选摘要与候选文本为一一对应关系。因此，根据候选文本间的字符数量差值，或者候选文本包含的语句数量间的差值，可以选取参考文本，进而根据参考文本确定参考摘要。

当根据候选文本间的字符数量差值选取参考文本时，可以分别确定各个候选文本的字符数量。比如，各个候选文本的字符数量从小到大依次排列为X1、X2、X3、X4、……Xn。其中，n为候选文本的数量。

然后，可以选取字符数量差值最小的候选文本作为参考文本。比如，可以将X1、X2对应的候选文本作为一组参考文本，将X3、X4对应的候选文本作为一组参考文本，依次类推。

或者，可以为各个候选文本间的字符数量差值设定阈值。当任意两个候选文本间的字符数量差值小于该阈值时，可以将该两个候选文本作为一组参考文本。

其中，候选文本中的字符可以包括中文文字、英文单词、符号、数字中的一种或多种，本公开对此不做限定。

同理，当根据候选文本包含的语句数量间的差值选取参考文本时，可以分别确定各个候选文本的语句数量。比如，各个候选文本的语句数量从小到大依次排列为Y1、Y2、Y3、Y4、……Yn。其中，n为候选文本的数量。

然后，可以选取语句数量差值最小的候选文本作为参考文本。比如，可以将Y1、Y2对应的候选文本作为一组参考文本，将Y3、Y4对应的候选文本作为一组参考文本，依次类推。

或者，可以为各个候选文本的语句数量差值设定阈值。当任意两个候选文本的语句数量差值小于该阈值时，可以将该两个候选文本作为一组参考文本。

其中，候选文本包含的语句数量可以按照不同的划分方式确定。比如，可以按照特定类型的标点符号进行划分。或者，可以按照任意类型的标点符号进行划分。

本公开实施例中，基于候选文本间的字符数量差值或语句数量差值，从候选文本中选取参考文本，保证了生成的对话文本中表征不同发言方的对话语句数量均衡，进一步提高了生成的对话摘要训练数据与真实数据的相似度。

步骤S204，根据每个参考摘要，从每个参考文本包含的多个语句中筛选目标语句。

需要说明的是，部分文本数据集中的参考文本的篇幅可能较长，包含较多的背景信息，比如论文摘要数据集中的论文等。

因此，为了减少生成的对话文本的长度，可以从参考文本包含的多个语句中筛选目标语句。

可以理解的是，参考摘要是对参考文本进行总结改后的简短概括。参考摘要包含参考文本中的关键信息。为了实现根据从参考文本中筛选的目标语句得到参考摘要，目标语句中也应包含参考文本的关键信息。

本公开实施例中，可以根据参考摘要，从参考文本包含的多个语句中筛选目标语句。

比如，可以根据参考摘要中的多个关键词，从参考文本中选取包含该关键词的语句，作为目标语句。

或者，可以根据参考摘要中的多个关键词，从参考文本中选取包含该关键词的语句，并将该语句及该语句所在的上下文包含的语句，作为目标语句。

需要说明的是，上述示例只是举例说明，不能作为对本公开实施例中筛选目标语句的限定。

步骤S205，基于每个参考文本中包含的目标语句，生成对话语句集。

其中，可以将每个参考文本中包含的目标语句组合起来，生成对话语句集。

步骤S206，将对话语句集中的各个语句进行随机排列，以生成对话文本。

步骤S207，根据候选文本包含的语句数量间的差值，从候选文本中选取参考文本。

需要说明的是，步骤S206、S207的具体实现过程可以参照本公开其他实施例的详细描述，在此不进行赘述。

本公开实施例中，根据每个参考摘要，从每个参考文本中筛选目标语句，并基于每个参考文本的目标语句，生成对话语句集，实现了对参考文本的关键信息的提取。由此，使得根据对话语句集生成的对话文本更加简练，进一步优化了对话摘要训练数据。

图3是根据本公开另一实施例的一种对话摘要训练数据的生成方法的流程示意图。

如图3所示，该对话摘要训练数据的生成方法可以包括以下步骤：

步骤S301，获取多个参考文本及每个参考文本对应的参考摘要。

需要说明的是，步骤S301的具体实现过程可以参照本公开其他实施例的详细描述，在此不进行赘述。

步骤S302，将参考文本对应的参考摘要划分为多个摘要语句。

需要说明的是，参考摘要是对参考文本进行总结改后的简短概括。参考文本可以包含多个摘要语句，每个摘要语句都可能包含参考文本中的关键信息。

本公开实施例中，可以将每个参考文本对应的参考摘要划分为多个摘要语句，并根据每个摘要语句从参考文本包含的多个语句中筛选目标语句。

其中，当将参考摘要划分为多个摘要语句时，可以采用任意可能的划分方式。

比如，可以按照特定类型的标点符号，将参考摘要划分为多个摘要语句。或者，可以按照任意类型的标点符号，将参考摘要划分为多个摘要语句。

举例来说，可以仅将代表长停顿的句号、问号、叹号作为划分语句的依据。或者，可以将代表长停顿的句号、问号、叹号及代表短停顿的逗号、顿号、分号和冒号作为划分语句的依据。

步骤S303，确定参考文本中每个语句与每个摘要语句间的关联度。

其中，参考文本中的语句与每个摘要语句间的关联度，可以表征参考文本中的语句对摘要语句中的信息的覆盖程度。

当确定参考文本中的语句与摘要语句间的关联度时，可以采用任意可能的实现方式。

比如，可以统计参考文本中的语句与摘要语句中共同出现的词语，并基于该共同出现的词语确定两者的关联度。

步骤S304，将关联度大于第二阈值的语句，确定为目标语句。

其中，第二阈值可以为提前设定好的任意数值，本公开对此不做限定。

比如，第二阈值为0.3，参考文本中的语句与摘要语句间的关联度为0.5，大于第二阈值，则可以确定该语句为目标语句。或者，参考文本中的语句与摘要语句间的关联度为0.1，小于第二阈值，则该语句不是目标语句。

步骤S305，基于每个参考文本中包含的目标语句，生成对话语句集。

步骤S306，将对话语句集中的各个语句进行随机排列，以生成对话文本。

步骤S307，将多个参考摘要随机排列，以生成与对话文本对应的目标摘要。

需要说明的是，步骤S305、S306、S307的具体实现过程可以参照本公开其他实施例的详细描述，在此不进行赘述。

本公开实施例中，通过将参考摘要划分多个摘要语句，并根据参考文本中的语句与每个摘要语句间的关联度，确定目标语句。由此，保证了目标语句中包含参考摘要的关键信息，提高了对话摘要训练数据的准确性。

图4是根据本公开另一实施例的一种对话摘要训练数据的生成方法的流程示意图。

如图4所示，该对话摘要训练数据的生成方法可以包括以下步骤：

步骤S401，根据文本数据集中每个文本对应的摘要中包含的各个词语，确定候选词集。

可以理解的是，每个文本对应的摘要中可以包含多个关键词。为了得到内容具有相关性的多个参考文本，可以将摘要中包含的多个关键词，组成一个集合，作为候选词集。

比如，一个候选词集可以包括关键词A、关键词B、关键词C等等。

其中，在确定摘要中的关键词时，可以按照任意可能的方式实现。比如，可以按照词性从摘要中选取关键词。或者，可以按照词义从摘要中选取关键词。

举例来说，可以将摘要中的名词、动词等作为关键词。也可以将独立存在时具有实际意义的词语作为关键词。

步骤S402，将候选词集中每个词语，依次确定为候选词语。

其中，在确定候选词集后，可以将集合中的每个词语依次作为候选词语，从文本数据集中选取包含候选词语的候选摘要及对应的候选文本。

比如，候选词集中包括关键词A、关键词B及关键词C。则首先可以根据关键词A选取候选摘要及候选文本，然后根据关键词B选取候选摘要及候选文本，最后根据关键词C候选摘要及候选文本。

步骤S403，确定文本数据集中包含候选词语的各个候选摘要的数量。

步骤S404，响应于候选摘要的数量大于第一阈值，从各个候选摘要中选取参考摘要，其中，候选摘要对应的候选文本为参考文本。

其中，步骤S403、S404的具体实现过程可以参照本公开其他实施例的详细描述，在此不进行赘述。

本公开实施例中，根据摘要中的关键词形成候选词集，进而利用候选词集中的每个词语选取参考文本，既保证了获取到的参考本文的数量，又实现了参考文本在内容上的相关性。

步骤S405，确定每个参考摘要对应的关键词集。

其中，关键词集的具体实现方式，可以参照本公开实施例中关于候选词集的详细描述，在此不再赘述。

可以理解的是，每个参考文本及对应的参考摘要是从文本数据集中筛选出来的。因此，当确定参考文本及对应的参考摘要后，可以将该文本及摘要对应的候选词集作为关键词集。

步骤S406，确定每个语句中包含关键词集中关键词的数量。

其中，可以依次确定参考文本中的每个语句包含关键词集中关键词的数量。进而，可以确定参考文本中的每个语句对关键信息的覆盖度。

比如，参考文本中的语句A1包含2个关键词，参考文本中的语句A2包含0个关键词，可以表明语句A1包含关键信息，语句A2中可能未包含关键信息。

步骤S407，根据各个语句包含关键词的数量，从多个语句中筛选目标语句。

其中，可以将参考文本中的语句包含关键词的数量，作为目标语句的筛选条件。

比如，可以设置设定阈值，当参考文本中的语句包含关键词的数量大于或等于设定阈值时，将该语句作为目标语句。反之，当参考参考文本中的语句包含关键词的数量小于设定阈值时，该语句不作为目标语句。

其中，设定阈值的大小，可以根据实际需要设置。比如，设定阈值可以为1。或者，设定阈值可以为2，本公开对此不做限定。

步骤S408，基于每个参考文本中包含的目标语句，生成对话语句集。

步骤S409，将对话语句集中的各个语句进行随机排列，以生成对话文本。

步骤S410，将多个参考摘要随机排列，以生成与对话文本对应的目标摘要。

需要说明的是，步骤S408、S409、S410的具体实现过程可以参照本公开其他实施例的详细描述，在此不进行赘述。

本公开实施例中，通过将参考摘要中的关键词形成关键词集，进而根据参考文本的语句中包含关键词的数量筛选目标语句，保证了目标语句中包含参考摘要的关键信息，提高了对话摘要训练数据的准确性。

根据本公开的实施例，本公开还提供了一种对话摘要训练数据的生成装置。

图5是根据本公开一实施例的对话摘要训练数据的生成装置的结构示意图。如图5所示，该对话摘要训练数据的生成装置500可以包括：获取模块510、第一生成模块520、第二生成模块530以及第三生成模块540。

其中，获取模块510，用于获取多个参考文本及每个参考文本对应的参考摘要；

第一生成模块520，用于基于每个参考文本中包含的语句，生成对话语句集；

第二生成模块530，用于将对话语句集中的各个语句进行随机排列，以生成对话文本；

第三生成模块540，用于将多个参考摘要随机排列，以生成与对话文本对应的目标摘要。

需要说明的是，前述对对话摘要训练数据的生成方法的实施例的解释说明，也适用于该实施例的对话摘要训练数据的生成装置，其实现原理类似，此处不再赘述。

本公开实施例中，首先获取多个参考文本及每个参考文本对应的参考摘要；然后基于每个参考文本中包含的语句，生成对话语句集；之后将对话语句集中的各个语句进行随机排列，以生成对话文本；最后将多个参考摘要随机排列，以生成与对话文本对应的目标摘要。由此，实现了采用非对话形式的文本及对应的摘要，构建对话文本及对话摘要，从而得到大量的对话摘要训练数据，为训练得到对话摘要算法模型提供了支撑，节省了人工标注数据的时间和精力。

在本公开实施例一种可能的实现方式中，获取模块510可以包括：

第一确定单元，用于确定候选词语；

第二确定单元，用于确定文本数据集中包含候选词语的各个候选摘要的数量；

第三确定单元，用于响应于候选摘要的数量大于第一阈值，从各个候选摘要中选取参考摘要，其中，候选摘要对应的候选文本为参考文本。

在本公开实施例一种可能的实现方式中，第三确定单元用于：

响应于候选摘要的数量小于或等于第二阈值，确定各个候选摘要为参考摘要；

或者，

响应于候选摘要的数量大于第二阈值，将各个候选摘要中的任意数量个候选摘要确定为一组参考摘要。

在本公开实施例一种可能的实现方式中，第三确定单元用于：

根据各个候选摘要对应的候选文本间的字符数量差值，从各个候选摘要中选取参考摘要；或者，

根据各个候选摘要对应的候选文本包含的语句数量间的差值，从各个候选摘要中选取参考摘要。

在本公开实施例一种可能的实现方式中，第一确定单元用于：

根据文本数据集中每个文本对应的摘要中包含的各个词语，确定候选词集；

将候选词集中每个词语，依次确定为候选词语。

在本公开实施例一种可能的实现方式中，第一生成模块520可以包括：

筛选单元，用于根据每个参考摘要，从每个参考文本包含的多个语句中筛选目标语句；

生成单元，用于基于每个参考文本中包含的目标语句，生成对话语句集。

在本公开实施例一种可能的实现方式中，筛选单元用于：

将参考文本对应的参考摘要划分为多个摘要语句；

确定参考文本中每个语句与每个摘要语句间的关联度；

将关联度大于第二阈值的语句，确定为目标语句。

在本公开实施例一种可能的实现方式中，筛选单元用于：

确定每个所述参考摘要对应的关键词集；

确定每个所述语句中包含所述关键词集中关键词的数量；

根据各个所述语句包含所述关键词的数量，从所述多个语句中筛选目标语句。

需要说明的是，前述对对话摘要训练数据的生成方法的实施例的解释说明，也适用于该实施例的对话摘要训练数据的生成装置，其实现原理类似，此处不再赘述。

本公开实施例中，基于候选词语从文本数据集中筛选候选摘要及对应的候选文本，并将候选摘要及对应的候选文本作为参考摘要及参考文本，实现了基于文本内容的相关性获取参考文本及参考摘要，提高了生成的对话摘要训练数据与真实数据的相似度。此外，根据每个参考摘要，从每个参考文本中筛选目标语句，并基于每个参考文本的目标语句，生成对话语句集，实现了对参考文本的关键信息的提取。由此，使得根据对话语句集生成的对话文本更加简练，进一步优化了对话摘要训练数据。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图6所示，设备600包括计算单元601，其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序，来执行各种适当的动作和处理。在RAM603中，还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

设备600中的多个部件连接至I/O接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理，例如对话摘要训练数据的生成方法。例如，在一些实施例中，对话摘要训练数据的生成方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时，可以执行上文描述的对话摘要训练数据的生成方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行对话摘要训练数据的生成方法。

本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD－ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的***和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的***和技术实施在包括后台部件的计算***(例如，作为数据服务器)、或者包括中间件部件的计算***(例如，应用服务器)、或者包括前端部件的计算***(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将***的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、互联网和区块链网络。

计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端－服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务(＂VirtualPrivate Server＂，或简称＂VPS＂)中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式***的服务器，或者是结合了区块链的服务器。

本公开实施例中，首先获取多个参考文本及每个参考文本对应的参考摘要；然后基于每个参考文本中包含的语句，生成对话语句集；之后将对话语句集中的各个语句进行随机排列，以生成对话文本；最后将多个参考摘要随机排列，以生成与对话文本对应的目标摘要。由此，实现了采用非对话形式的文本及对应的摘要，构建对话文本及对话摘要，从而得到大量的对话摘要训练数据，为训练得到对话摘要算法模型提供了支撑，节省了人工标注数据的时间和精力。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (19)

1.一种对话摘要训练数据的生成方法，包括：

获取多个参考文本及每个所述参考文本对应的参考摘要；

基于每个所述参考文本中包含的语句，生成对话语句集；

将所述对话语句集中的各个语句进行随机排列，以生成对话文本；

将多个所述参考摘要随机排列，以生成与所述对话文本对应的目标摘要。

2.如权利要求1所述的方法，其中，所述获取多个参考文本及每个所述参考文本对应的参考摘要，包括：

确定候选词语；

确定文本数据集中包含所述候选词语的各个候选摘要的数量；

响应于所述候选摘要的数量大于第一阈值，从所述各个候选摘要中选取所述参考摘要，其中，所述候选摘要对应的候选文本为所述参考文本。

3.如权利要求2所述的方法，其中，所述从所述各个候选摘要中选取所述参考摘要，包括：

响应于所述候选摘要的数量小于或等于第二阈值，确定所述各个候选摘要为所述参考摘要；

或者，

响应于所述候选摘要的数量大于所述第二阈值，将所述各个候选摘要中的任意数量个候选摘要确定为一组参考摘要。

4.如权利要求2所述的方法，其中，所述从所述各个候选摘要中选取所述参考摘要，包括：

根据所述各个候选摘要对应的所述候选文本间的字符数量差值，从所述各个候选摘要中选取所述参考摘要；或者，

根据所述各个候选摘要对应的所述候选文本包含的语句数量间的差值，从所述各个候选摘要中选取所述参考摘要。

5.如权利要求2所述的方法，其中，所述确定候选词语，包括：

根据所述文本数据集中每个文本对应的摘要中包含的各个词语，确定候选词集；

将所述候选词集中每个词语，依次确定为所述候选词语。

6.如权利要求1－5任一所述的方法，其中，所述基于每个所述参考文本中包含的语句，生成对话语句集，包括：

根据每个所述参考摘要，从每个所述参考文本包含的多个语句中筛选目标语句；

基于每个所述参考文本中包含的目标语句，生成所述对话语句集。

7.如权利要求6所述的方法，其中，所述根据每个所述参考摘要，从每个所述参考文本包含的多个语句中筛选目标语句，包括：

将所述参考文本对应的所述参考摘要划分为多个摘要语句；

确定所述参考文本中每个语句与每个所述摘要语句间的关联度；

将关联度大于第二阈值的语句，确定为目标语句。

8.如权利要求6所述的方法，其中，所述根据每个所述参考摘要，从每个所述参考文本包含的多个语句中筛选目标语句，包括：

确定每个所述参考摘要对应的关键词集；

确定每个所述语句中包含所述关键词集中关键词的数量；

根据各个所述语句包含所述关键词的数量，从所述多个语句中筛选目标语句。

9.一种对话摘要训练数据的生成装置，包括：

获取模块，用于获取多个参考文本及每个所述参考文本对应的参考摘要；

第一生成模块，用于基于每个所述参考文本中包含的语句，生成对话语句集；

第二生成模块，用于将所述对话语句集中的各个语句进行随机排列，以生成对话文本；

第三生成模块，用于将多个所述参考摘要随机排列，以生成与所述对话文本对应的目标摘要。

10.如权利要求9所述的装置，其中，所述获取模块包括：

第一确定单元，用于确定候选词语；

第二确定单元，用于确定文本数据集中包含所述候选词语的各个候选摘要的数量；

第三确定单元，用于响应于所述候选摘要的数量大于第一阈值，从所述各个候选摘要中选取所述参考摘要，其中，所述候选摘要对应的候选文本为所述参考文本。

11.如权利要求10所述的装置，其中，所述第三确定单元用于：

响应于所述候选摘要的数量小于或等于第二阈值，确定所述各个候选摘要为所述参考摘要；

或者，

响应于所述候选摘要的数量大于所述第二阈值，将所述各个候选摘要中的任意数量个候选摘要确定为一组参考摘要。

12.如权利要求10所述的装置，其中，所述第三确定单元用于：

根据所述各个候选摘要对应的所述候选文本间的字符数量差值，从所述各个候选摘要中选取所述参考摘要；或者，

根据所述各个候选摘要对应的所述候选文本包含的语句数量间的差值，从所述各个候选摘要中选取所述参考摘要。

13.如权利要求10所述的装置，其中，所述第一确定单元用于：

根据所述文本数据集中每个文本对应的摘要中包含的各个词语，确定候选词集；

将所述候选词集中每个词语，依次确定为所述候选词语。

14.如权利要求9－13任一所述的装置，其中，所述第一生成模块包括：

筛选单元，用于根据每个所述参考摘要，从每个所述参考文本包含的多个语句中筛选目标语句；

生成单元，用于基于每个所述参考文本中包含的目标语句，生成所述对话语句集。

15.如权利要求14所述的装置，其中，所述筛选单元用于：

将所述参考文本对应的所述参考摘要划分为多个摘要语句；

确定所述参考文本中每个语句与每个所述摘要语句间的关联度；

将关联度大于第二阈值的语句，确定为目标语句。

16.如权利要求14所述的装置，其中，所述筛选单元用于：

确定每个所述参考摘要对应的关键词集；

确定每个所述语句中包含所述关键词集中关键词的数量；

根据各个所述语句包含所述关键词的数量，从所述多个语句中筛选目标语句。

17.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1－8中任一项所述的方法。

18.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行权利要求1－8中任一项所述的方法。

19.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1－8中任一项所述的方法。

Images