[发明专利]一种基于图注意网络的数据处理方法及装置在审

专利信息
申请号: 202111572546.0 申请日: 2021-12-21
公开(公告)号: CN114357969A 公开(公告)日: 2022-04-15
发明(设计)人: 黄于晏;陈畅新;钟艺豪;陈莹莹;孔晓晴 申请(专利权)人: 有米科技股份有限公司
主分类号: G06F40/205 分类号: G06F40/205;G06F40/284;G06F16/36
代理公司: 广州三环专利商标代理有限公司 44202 代理人: 江银会
地址: 510006 广东省广州*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 注意 网络 数据处理 方法 装置
【说明书】:

发明公开了一种基于图注意网络的数据处理方法及装置,该方法包括:检测是否接收到文本生成请求,得到检测结果;文本生成请求包括若干个输入词;当检测结果为是时,利用预设的信息关联模型对文本生成请求进行处理,得到属性词信息;属性词信息包括L个属性词子信息;L为大于等于1的正整数;信息关联模型包括基于图注意网络的第一信息关联模型,和/或,第二信息关联模型;对属性词信息进行排序筛选处理,得到目标文本词信息;目标文本词信息包括若干个目标文本词;目标文本词用于生成营销文本。可见,本发明有利于提高相关联词的信息输出量,从而满足不同长度的营销文本生成需要。

技术领域

本发明涉及数据处理技术领域,尤其涉及一种基于图注意网络的数据处理方法及装置。

背景技术

目前对给定输入文本生成营销文本的数据处理过程中,容易出现输出信息量不足的问题。因此,提供一种基于图注意网络的数据处理方法及装置,以提高相关联词的信息输出量,从而满足不同长度的营销文本生成需要显得尤为重要。

发明内容

本发明所要解决的技术问题在于,提供一种基于图注意网络的数据处理方法及装置,能够利用信息关联模型对文本生成请求进行处理得到属性词信息,再通过对属性词信息进行排序筛选等综合处理,得到用于生成营销文本的目标文本词,有利于提高相关联词的信息输出量,从而满足不同长度的营销文本生成需要。

为了解决上述技术问题,本发明实施例第一方面公开了一种基于图注意网络的数据处理方法,所述方法包括:

检测是否接收到文本生成请求,得到检测结果;所述文本生成请求包括若干个输入词;

当所述检测结果为是时,利用预设的信息关联模型对所述文本生成请求进行处理,得到属性词信息;所述属性词信息包括L个属性词子信息;所述L为大于等于1的正整数;所述信息关联模型包括基于图注意网络的第一信息关联模型,和/或,第二信息关联模型;

对所述属性词信息进行排序筛选处理,得到目标文本词信息;所述目标文本词信息包括若干个目标文本词;所述目标文本词用于生成营销文本。

作为一种可选的实施方式,在本发明实施例第一方面中,所述利用预设的信息关联模型对所述文本生成请求进行处理,得到属性词信息,包括:

利用所述第一信息关联模型对所有所述输入词进行处理,得到词向量信息;所述输入词向量信息包括若干个词向量子信息;

利用所述第二信息关联模型对所述词向量信息进行处理,得到属性词信息;所述属性词信息包括第一节点词信息,和/或,第二节点词信息,和/或,第三节点词信息;所述第一节点词信息、所述第二节点词信息和所述第三节点词信息分别包括T个所述属性词子信息;所述T为大于等于1的正整数。

作为一种可选的实施方式,在本发明实施例第一方面中,所述第二信息关联模型包括第一关联子模型,和/或,第二关联子模型,和/或,第三关联子模型;

所述利用所述第二信息关联模型对所述词向量信息进行处理,得到属性词信息,包括:

将所述词向量信息输入所述第一关联子模型,得到所述第一节点词信息;所述第一节点词信息表征所述图注意网络中的当前节点与直接关联节点的关联关系;和/或,

将所述词向量信息输入所述第二关联子模型,得到所述第二节点词信息;所述第二节点词信息表征所述图注意网络中的所述当前节点与第一非直接关联节点的关联关系;所述当前节点与所述第一非直接关联节点间隔一个节点;和/或,

将所述词向量信息输入所述第三关联子模型,得到所述第三节点词信息;所述第三节点词信息表征所述图注意网络中的所述当前节点与第二非直接关联节点的关联关系;所述当前节点与所述第二非直接关联节点间隔两个所述节点。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于有米科技股份有限公司,未经有米科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202111572546.0/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top