[发明专利]文本拼接方法、装置、计算机设备及存储介质

权利要求书

1.一种文本拼接方法，其特征在于，包括下述步骤：

获取预设的模板，所述模板包括多个模板组件；

通过所述多个模板组件接收用户输入，得到完成设置的模板；

将所述完成设置的模板输入到训练好的文本拼接模型进行文本拼接；

将所述训练好的文本拼接模型的输出作为拼接结果。

2.根据权利要求1所述的文本拼接方法，其特征在于，所述模板组件包括文本、槽位以子模板组件中的至少一项，所述通过所述多个模板组件接收用户输入，得到完成设置的模板的步骤具体包括：

从所述预设的模板中获取携有槽位的多个预设的模板组件；

将所述多个预设的模板组件通过显示设备输出给用户，并通过所述多个预设的模板组件接收用户的输入，并将所述多个预设的模板组件中的槽位设置成对应的值，得到完成设置的模板。

3.根据权利要求2所述的文本拼接方法，其特征在于，所述将所述完成设置的模板输入到训练好的文本拼接模型的步骤具体包括：

获取所述完成设置的模板中多个实例化的模板组件；

通过分隔符连接所述多个实例化的模板组件，得到输入模板；

将所述输入模板输入到训练好的文本拼接模型。

4.根据权利要求3所述的文本拼接方法，其特征在于，所述将所述训练好的文本拼接模型的输出作为拼接结果的步骤具体包括：

通过π_plh＝softmax(W_plh[h′_i；h′_i+1])计算所述训练好的文本拼接模型中最后一层神经网络的输出词数量的概率，其中，W_plh为所述训练好的文本拼接模型中计算词数量神经元的权值，π_plh为预测h_i'和h_i+1'之间存在词数量的概率，所述h_i'为神经网络输出的第i个组件；

通过π_tok＝softmax(W_tokh′_i)预测每个插入词的概率，其中h′_i为编码端对第i个字符的解码，W_tok为所述训练好的文本拼接模型中计算所述每个插入词概率神经元的权值，π_tok为预测出h_i'和h_i+1'之间存在应该存在每个词的概率；

选取对应最高的所述词数量的概率以及对应的最高所述每个词的概率组合生成文本。

5.根据权利要求1-4中任一项所述的文本拼接方法，其特征在于，所述将所述完成设置的模板组件输入到训练好的文本拼接模型的步骤之前还包括：

获取多个训练数据以及对应的训练标签；

将所述多个训练数据以及所述对应的训练标签输入至初始文本拼接模型；

通过损失函数训练所述至初始文本拼接模型，得到训练好的文本拼接模型。

6.根据权利要求5中任一项所述的文本拼接方法，其特征在于，所述通过损失函数训练所述至初始文本拼接模型，得到训练好的文本拼接模型的步骤之后还包括：

获取多个测试数据以及对应的测试标签；

将所述多个训练数据输入至训练好的文本拼接模型；

获取所述多个训练数据在所述训练好的文本拼接模型下对应的多个输出结果；

通过所述对应的多个输出结果和所述对应的测试标签计算准确率；

若所述准确率低于阈值，则调整所述初始文本拼接模型的学习率，重新训练所述初始文本拼接模型。

7.根据权利要求6所述的文本拼接方法，其特征在于，所述获取预设的模板的步骤之后还包括：

将所述预设的模板存储于区块链之中。