一种文本生成方法、装置、智能终端及存储介质与流程

1.本发明涉及通信技术领域，尤其涉及的是一种文本生成方法、装置、智能终端及存储介质。


背景技术：

2.随着即时通讯软件的快速发展与普及，用户会在传统佳节或节假日通过即时通讯软件给联系人发送祝福短信，为了节省时间，用户通常会选择将预先准备的祝福语以群发的方式发送给多个联系人。这种群发祝福语的方式，发送给不同联系人的祝福语的内容均一样，无法让接收到祝福语的联系人感受到发送者的心意。
3.因此，现有技术还有待改进和发展。


技术实现要素：

4.本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种文本生成方法、装置、智能终端及存储介质，旨在解决现有群发祝福语的方式中祝福语呆板单一的问题。
5.本发明解决问题所采用的技术方案如下：
6.第一方面，本发明实施例提供一种文本生成方法，其中，所述方法包括：
7.获取目标用户与若干联系人中每一联系人的聊天信息；
8.根据所述聊天信息，分别确定所述目标用户与每一所述联系人的关联属性；
9.根据所述目标用户当前输入的关键词和所述目标用户与每一所述联系人的关联属性，分别生成所述联系人对应的目标文本信息。
10.所述的文本生成方法，其中，所述聊天信息为目标用户与每一所述联系人在即时通信应用的聊天界面上的至少一条聊天记录。
11.所述的文本生成方法，其中，所述根据所述聊天信息，分别确定所述目标用户与每一所述联系人的关联属性的步骤包括：
12.对所述聊天信息进行预处理，得到每一所述联系人的若干目标文档；
13.根据所述若干目标文档，分别确定所述目标用户与每一所述联系人的关联属性。
14.所述的文本生成方法，其中，所述对所述聊天信息进行预处理，得到每一所述联系人的若干目标文档的步骤包括：
15.对所述聊天信息分别进行合并，得到每一所述联系人的合并文档；
16.对所述合并文档分别进行分割，得到每一所述联系人的若干目标文档。
17.所述的文本生成方法，其中，所述根据所述若干目标文档，分别确定所述目标用户与每一所述联系人的关联属性的步骤包括：
18.对所述若干目标文档分别进行特征提取，得到每一所述目标文档的句子语义特征和实体语义特征；
19.对每一所述目标文档的句子语义特征和实体语义特征进行特征拼接，得到每一所
述目标文档的拼接语义特征；
20.根据所述拼接语义特征，确定每一所述目标文档在各关联属性的分类概率；
21.根据每一所述目标文档在各关联属性的分类概率，分别确定所述目标用户与每一所述联系人的关联属性。
22.所述的文本生成方法，其中，所述根据每一所述目标文档在各关联属性的分类概率，分别确定所述目标用户与每一所述联系人的关联属性的步骤包括：
23.根据每一所述目标文档在各关联属性的分类概率，分别确定所述目标用户与每一所述联系人在各关联属性的均值概率；
24.根据所述均值概率，分别确定所述目标用户与每一所述联系人的关联属性。
25.所述的文本生成方法，其中，所述根据所述目标用户当前输入的关键词和所述目标用户与每一所述联系人的关联属性，分别生成所述联系人对应的目标文本信息的步骤包括：
26.根据所述目标用户当前输入的关键词和所述目标用户与每一所述联系人的关联属性，分别确定所述联系人对应的关联主题特征向量；
27.根据所述关联主题特征向量和预设的语料集，分别生成所述联系人对应的目标文本信息。
28.所述的文本生成方法，其中，所述根据所述目标用户当前输入的关键词和所述目标用户与每一所述联系人的关联属性，分别生成所述联系人对应的目标文本信息的步骤之后包括：
29.根据所述关联属性对所述目标文本信息进行处理，生成所述联系人对应的处理文本信息；
30.将所述处理文本信息发送至所述联系人。
31.所述的文本生成方法，其中，所述根据所述关联属性对所述目标文本信息进行处理，生成所述联系人对应的处理文本信息的步骤包括：
32.对所述目标文本信息进行特征提取，得到所述联系人对应的文本内容特征和文本风格特征；
33.根据所述关联属性、所述文本内容特征以及所述文本风格特征，生成所述联系人对应的处理文本信息。
34.所述的文本生成方法，其中，所述根据所述关联属性、所述文本内容特征以及所述文本风格特征，生成所述联系人对应的处理文本信息的步骤包括：
35.对所述文本风格特征和所述关联属性进行特征融合，得到所述联系人对应的融合特征；
36.将所述融合特征与所述文本内容特征进行特征拼接，得到所述联系人对应的拼接特征；
37.对所述拼接特征进行解码，生成所述联系人对应的处理文本信息。
38.第二方面，本发明实施例还提供一种文本生成装置，其中，所述装置包括：
39.信息获取模块，用于获取目标用户与若干联系人中每一联系人的聊天信息；
40.属性确定模块，用于根据所述聊天信息，分别确定所述目标用户与每一所述联系人的关联属性；
41.文本生成模块，用于获取所述目标用户输入的关键词，根据所述关键词和所述目标用户与每一所述联系人的关联属性，分别生成所述联系人对应的目标文本信息。
42.第三方面，本发明实施例提供一种智能终端，包括：处理器、与处理器通信连接的存储介质，所述存储介质适于存储多条指令；所述处理器适于调用所述存储介质中的指令，以执行实现上述所述的文本生成方法中的步骤。
43.第四方面，本发明实施例提供一种计算机可读存储介质，其上存储有多条指令，所述指令适于由处理器加载并执行，以执行实现所述的文本生成方法中的步骤。
44.本发明的有益效果：本发明通过关键词生成目标文本信息，缩短了用户提前准备祝福语的时间，根据目标用户与联系人之间的关联属性生成对应的目标文本信息，能够针对不同关联属性的联系人发送不同的祝福语，增进了发送者与联系人之间的感情。
附图说明
45.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
46.图1是本发明实施例提供的文本生成方法的流程示意图；
47.图2是本发明实施例提供的属性抽取模型的结构示意图；
48.图3是本发明实施例提供的文本生成模型的结构示意图；
49.图4是本发明实施例提供的文本处理模型的结构示意图；
50.图5是本发明实施例提供的文本生成装置的原理框图；
51.图6是本发明实施例提供的智能终端的内部结构原理框图。
具体实施方式
52.为使本发明的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
53.需要说明，若本发明实施例中有涉及方向性指示(诸如上、下、左、右、前、后
……
)，则该方向性指示仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。
54.随着即时通讯软件的快速发展与普及，用户会在传统佳节或节假日通过即时通讯软件给联系人发送祝福短信，例如，用户在新年时会通过微信、qq等给联系人发送“新年快乐”，在中秋时会通过微信、qq等给联系人发送“中秋快乐”。为了节省时间，用户通常会选择将预先准备的祝福语通过群发的方式发送给多个联系人，例如，将网上查找到的新年祝福语通过微信群发给微信中的联系人。这种群发祝福语的方式，发送给不同联系人的祝福语的内容均一样，无法让接收到祝福语的联系人感受到发送者的心意。
55.为了解决现有技术的问题，本实施例提供了一种文本生成方法，通过该方法能够针对不同关联属性的联系人发送不同的祝福语，增进发送者与联系人之间的感情，缩短用户提前准备祝福语的时间。具体实施时，首先获取目标用户与若干联系人中每一联系人的
聊天信息，然后，根据聊天信息，分别确定目标用户与每一联系人的关联属性，最后，根据目标用户当前输入的关键词和目标用户与每一联系人的关联属性，分别生成联系人对应的目标文本信息，因此，根据关键词直接生成目标文本信息，缩短了用户提前准备祝福语的时间，根据目标用户与联系人之间的关联属性生成对应的目标文本信息，能够针对不同关联属性的联系人发送不同的祝福语，增进了发送者与联系人之间的感情。
56.示例性方法
57.本发明实施例提供一种文本生成方法，该方法可以应用于智能终端。
58.具体如图1中所示，方法包括：
59.步骤s100、获取目标用户与若干联系人中每一联系人的聊天信息。
60.具体地，聊天信息为目标用户与每一联系人在即时通信应用的聊天界面上的至少一条聊天记录，即时通信应用包括微信、qq、短信等，即时通信应用可以为指定的某一个即时通信应用，也可以为指定的多个指定的，若干联系人可以为目标用户在即时通信应用上的所有联系人，也可以为目标用户在即时通信应用上指定的若干个联系人。获取聊天信息时，可以获取目标用户与若干联系人中每一联系人的所有历史聊天信息，也可以获取目标用户与若干联系人中每一联系人在预设时长或预设时间区间内的历史聊天信息。例如，需要生成针对联系人a和联系人b的目标文本信息时，可以获取目标用户与联系人a的聊天信息，以及获取目标用户与联系人b的聊天信息。
61.步骤s200、根据所述聊天信息，分别确定所述目标用户与每一所述联系人的关联属性。
62.关联属性为目标用户与每一联系人的关联关系，用于反映目标用户与每一联系人之间的关系类型，关联属性包括但不限于亲属、朋友、师生、同学、情侣、同事、上下级等。由于目标用户与联系人的聊天信息能够反映目标用户与联系人的关联属性，例如，目标用户与联系人是同事时，聊天信息中一般会涉及与工作相关的内容，目标用户与联系人是朋友时，聊天信息中一般会涉及与休闲娱乐相关的内容，因此，根据目标用户与若干联系人中每一联系人的聊天信息，可以分别确定目标用户与每一联系人的关联属性。例如，根据目标用户与联系人a的聊天信息，可以确定目标用户与联系人a的关联属性，根据目标用户与联系人b的聊天信息，可以确定目标用户与联系人b的关联属性。
63.在一具体实施方式中，步骤s200具体包括：
64.步骤s210、对所述聊天信息进行预处理，得到每一所述联系人的若干目标文档；
65.步骤s220、根据所述若干目标文档，分别确定所述目标用户与每一所述联系人的关联属性。
66.具体地，本实施例中在确定目标用户与每一联系人的关联属性时，是将目标用户与每一联系人的聊天信息分别输入属性抽取模型中，通过属性抽取模型确定目标用户与每一联系人的关联属性。考虑属性抽取模型每次可输入的数据量有限，而用户与每一联系人的历史聊天信息数据量较大，本实施例将目标用户与每一联系人的聊天信息分别输入属性抽取模型之前，先对目标用户与每一联系人的聊天信息进行预处理，将目标用户与每一联系人的聊天信息分别分割成可直接输入属性抽取模型中的若干目标文档，然后将每一联系人的若干目标文档依次输入属性抽取模型中，通过属性抽取模型分别确定目标用户与每一联系人的关联属性。
67.在一具体实施方式中，步骤s210具体包括：
68.步骤s211、对所述聊天信息分别进行合并，得到每一所述联系人的合并文档；
69.步骤s212、对所述合并文档分别进行分割，得到每一所述联系人的若干目标文档。
70.本实施例对聊天信息进行预处理时，首先将目标用户与每一联系人的聊天信息分别进行合并，得到每一联系人的合并文档，例如，各个联系人包括联系人a、联系人b和联系人c，在对目标用户与每一联系人的聊天信息分别进行合并时，是将目标用户与联系人a的聊天信息进行合并，将目标用户与联系人b的聊天信息进行合并，以及将目标用户与联系人c的聊天信息进行合并。由于聊天信息中包含目标用户与联系人的聊天记录以及目标用户对联系人的备注信息，对聊天信息进行合并时，是从聊天信息中提取目标用户与联系人的聊天记录以及目标用户对联系人的备注信息，然后将聊天记录和备注信息合并成一个文档，合并过程中将一个人连续发的几条聊天记录合并为一句话，例如，s1：“在吗？”“今天去哪吃饭？”s2：“去食堂吧”，s1：“可以”，则将s1的前面两句合并成“在吗？今天去哪吃饭？”。
71.得到每一联系人的合并文档后，在保证句子完整性的前提下对每一联系人的合并文档分别进行分割，得到每一联系人的若干目标文档，其中，合并文档分割为若干目标文档的表达式为：d＝【seg1，seg2
……
segn】，d为合并文档，segi代表第i个目标文档，每个目标文档都包含若干句话，第i个目标文档的表达式为：segi＝s1:t1,s2:t2,
……
sm:tm，si代表说话的人，ti代表其说话的内容。
72.在一具体实施方式中，步骤s220具体包括：
73.步骤s221、对所述若干目标文档分别进行特征提取，得到每一所述目标文档的句子语义特征和实体语义特征；
74.步骤s222、对每一所述目标文档的句子语义特征和实体语义特征进行特征拼接，得到每一所述目标文档的拼接语义特征；
75.步骤s223、根据所述拼接语义特征，确定每一所述目标文档在各关联属性的分类概率；
76.步骤s224、根据每一所述目标文档在各关联属性的分类概率，分别确定所述目标用户与每一联系人的关联属性。
77.具体地，如图2所示，属性抽取模型包括依次级联的特征提取层、第一拼接层、第一全连接层以及分类层，将各个目标文档输入属性抽取模型后，首先通过特征提取层对各个目标文档进行特征提取，得到每一目标文档的句子语义特征和实体语义特征，然后通过第一拼接层对特征提取层提取的每一目标文档的句子语义特征和实体语义特征进行特征拼接，得到每一目标文档的拼接语义特征，接着每一目标文档的拼接语义特征依次通过第一全连接层以及分类层后，输出每一目标文档在各关联属性的分类概率，最后根据每一目标文档在各关联属性的分类概率，分别确定目标用户与每一联系人的关联属性。例如，根据联系人a的若干目标文档中每一目标文档在各关联属性的分类概率，确定目标用户与联系人a的关联属性，根据联系人b的若干目标文档中每一目标文档在各关联属性的分类概率，确定目标用户与联系人b的关联属性。
78.在一具体实施例中，特征提取层采用bert网络，在将各个目标文档输入特征提取层之前，需要先对各个目标文档的表达形式进行修改，修改时在目标文档开始位置加上特殊符号【cls】，在目标文档每句话结束位置加上特殊符号【sep】，在目标用户前后位置以及
联系人前后位置分别加上特殊符号#和$，例如，目标文档为segi＝s1:t1,s2:t2,s1t3
……
时，其中，s1代表目标用户，t1为其说的话，s2代表联系人，t2为其说的话，其对应修改后的表达形式为：【cls】#s1#t1【sep】$s2$t2【sep】#s1#t3【sep】
……
。
79.句子语义特征为目标文本中【cls】符号对应的输出向量，在文本分类任务中，bert网络通过在目标文本前插入【cls】符号，并将该符号对应的输出向量作为句子语义特征，与目标文本中已有的其它字、词相比，这个无明显语义信息的符号会融合文本中各个字、词的语义信息。实体语义特征包括第一实体语义特征和第二实体语义特征，其中，第一实体语义特征为目标用户对应的语义特征，第二实体语义特征为联系人对应的语义特征，第一拼接层对句子语义特征和实体语义特征进行拼接时，具体是对句子语义特征、第一实体语义特征以及第二实体语义特征这三个特征进行拼接。
80.bert网络的词嵌入由符号嵌入(token embedding)、片段嵌入(segmentation embedding)和位置嵌入(position embedding)合成得到，为了区分各个目标文档中的每句话，本实施例将目标文档输入bert网络后，将目标用户的片段嵌入(segmentation embedding)记为第一标识符，将联系人的片段嵌入(segmentation embedding)记为与第一标识符不相同的第二标识符，例如，将目标用户的片段嵌入(segmentation embedding)记为ea，将联系人的片段嵌入(segmentation embedding)记为eb,其中，其中，a和b为下标，e代表对应的嵌入，当目标文档的表达形式为：【cls】#s1#t1【sep】$s2$t2【sep】#s1#t3【sep】
……
时，从【cls】到第一个【sep】，中间的片段嵌入都记为ea，从$到第二个【sep】，中间的片段嵌入都记为eb。
81.在一具体实施方式中，步骤s224具体包括：
82.步骤s2241、根据每一所述目标文档在各关联属性的分类概率，分别确定所述目标用户与每一所述联系人在各关联属性的均值概率；
83.步骤s2242、根据所述均值概率，分别确定所述目标用户与每一所述联系人的关联属性。
84.具体地，属性抽取模型输出的分类概率为每一联系人对应的若干目标文档中每一目标文档在各关联属性的分类概率，例如，联系人a对应的若干目标文档包括目标文档a1、目标文档a2和目标文档a3，联系人b对应的若干目标文档包括目标文档b1、目标文档b2和目标文档b3，属性抽取模型可以输出目标文档a1、目标文档a2和目标文档a3分别在各关联属性的分类概率，以及目标文档b1、目标文档b2和目标文档b3分别在各关联属性的分类概率。本实施例通过属性抽取模型输出若干目标文档中每一目标文档在各关联属性的分类概率后，对每一联系人对应的若干目标文档中每一目标文档在各关联属性的分类概率进行加权求均值，分别得到目标用户与每一联系人在各关联属性的均值概率。例如，目标文档a1在关联属性a、关联属性b以及关联属性c的分类概率分别为p1、p2和p3，目标文档a2在关联属性a、关联属性b以及关联属性c的分类概率分别为p4、p5和p6，则目标用户与联系人a在关联属性a、关联属性b以及关联属性c的均值概率分别为(p1+p4)/2、(p2+p5)/2以及(p3+p6)/2。
85.得到目标用户与每一联系人在各关联属性的均值概率后，将目标用户与每一联系人在各关联属性的均值概率分别进行比较，根据比较结果从各关联属性中确定最大均值概率对应的关联属性，并将该关联属性确定为目标用户与每一联系人的关联属性。例如，目标用户与联系人a在关联属性a、关联属性b以及关联属性c的均值概率分别为50％、30％以及
20％，则将目标用户与联系人a之间的关联属性确定为关联属性a。
86.步骤s300、根据所述目标用户当前输入的关键词和所述目标用户与每一所述联系人的关联属性，分别生成所述联系人对应的目标文本信息。
87.关键词为目标用户在即时通信软件的群发界面输入的并与目标文本信息相关的主题词，若干联系人对应相同的一个或者多个关键词，因此，针对若干联系人，目标用户只需在即时通信软件的群发界面输入一次关键词，例如目标文本信息为新年祝福语时，目标用户可以在即时通信软件的群发界面输入关键词新年，目标文本信息为中秋祝福语时，目标用户可以在即时通信软件的群发界面输入关键词中秋，目标文本信息为根据关键词生成的祝福语。本实施例中确定目标用户与每一联系人的关联属性后，进一步获取目标用户当前输入的关键词，根据关键词以及目标用户与每一联系人的关联属性，分别生成每一联系人的目标文本信息。例如，关键词为中秋，关联属性为长辈，则生成的目标文本信息为“中秋快乐，祝您身体健康！”；关键词为中秋，关联属性为学生，则生成的目标文本信息为“中秋快乐，祝你学习进步！”。本实施例中用户在群发消息时，只需要在群发界面输入一次关键词，终端会根据关键词生成目标文本信息，缩短了用户提前准备祝福语的时间，根据目标用户与联系人之间的关联属性生成对应的目标文本信息，能够针对不同关联属性的联系人发送不同的祝福语，增进了发送者与联系人之间的感情。
88.在一具体实施方式中，步骤s300具体包括：
89.步骤s310、根据所述目标用户当前输入的关键词和所述目标用户与每一所述联系人的关联属性，分别确定所述联系人对应的关联主题特征向量；
90.步骤s320、根据所述关联主题特征向量和预设的语料集，分别生成所述联系人对应的目标文本信息。
91.具体地，语料集可以是从网络上查找到的节日祝福语、古诗词等，其用于与关键词和关联属性协同生成目标文本信息，本实施例确定目标用户与每一联系人的关联属性后，将关键词和关联属性输入文本生成模型中，通过文本生成模型输出每一联系人对应的目标文本信息。如图3所示，文本生成模型包括依次级联的编码器、第一注意力层、第一解码器以及第二全连接层，关键词和关联属性输入文本生成模型后，首先通过编码器对关键词以及目标用户与每一联系人的关联属性分别进行编码，得到每一联系人对应的原始特征向量，其中，原始特征向量包含目标用户与每一联系人的关联属性信息以及生成的目标文本信息对应的主题信息。随后原始特征向量经过第一注意力层，通过第一注意力层理解原始特征向量的关键部分，得到每一联系人对应的关联主题特征向量。接着，关联主题特征向量输入第一解码器，并与第一解码器输入的语料集进行融合，最后经过第二全连接层输出每一联系人对应的目标文本信息。
92.在一具体实施方式中，文本生成模型由预先构建的第一网络模型训练得到，其中，第一网络模型与文本生成模型的结构相同。在对第一网络模型进行训练时，首先获取第一训练样本集，其中，第一训练样本集包括若干训练文本信息以及各个训练文本信息对应的关键词和关联属性，然后将第一训练样本集中的关键词和关联属性输入编码器，以及将第一训练样本集中的若干训练文本信息输入第一解码器，通过第一网络模型输出各个训练文本信息对应的预测文本信息，并根据预测文本信息、训练文本信息以及预先设置的第一损失函数对第一网络模型进行训练，直至第一网络模型的训练情况满足预设条件，得到文本
生成模型。
93.在一具体实施方式中，文本生成模型中的编码器采用bert网络，第一解码器采用rnn网络，将关键词和目标用户与每一联系人的关联属性输入编码器之前，需要对关键词以及目标用户与每一联系人的关联属性的输入格式分别进行修改，将输入格式修改为【cls】关键词【sep】关联属性【sep】(如图3所示)，即在输入内容的开始位置加上特殊符号【cls】，在输入内容的关键词的结束位置和关联属性的结束位置分别加上特殊符号【sep】。
94.在一具体实施方式中，步骤s300之后包括：
95.步骤s410、根据所述关联属性对所述目标文本信息进行处理，生成所述联系人对应的处理文本信息；
96.步骤s420、将所述处理文本信息发送至所述联系人。
97.考虑到不同关联属性的目标用户与联系人之间的说话风格会有区别，例如，晚辈对长辈的说话风格会更加敬重，朋友之间的说话风格会更加轻松，本实施例生成各个联系人对应的目标文本信息后，根据关联属性对各个联系人对应的目标文本信息进行处理，将目标文本信息转换为说话风格与关联属性更加匹配的处理文本信息。然后将各个联系人对应的处理文本信息发送至对应的各个联系人，从而实现对不同关联属性的联系人发送不同内容和不同风格的祝福语，增进发送者和被发送者之间的感情。
98.在一具体实施方式中，步骤s410具体包括：
99.步骤s411、对所述目标文本信息进行特征提取，得到所述联系人对应的文本内容特征和文本风格特征；
100.步骤s412、根据所述关联属性、所述文本内容特征以及所述文本风格特征，生成所述联系人对应的处理文本信息。
101.本实施例对目标文本信息进行处理时，是将各个联系人对应的目标文本信息输入文本处理模型中，通过文本处理模型输出各个联系人对应的处理文本信息。具体地，如图4所示，文本处理模型采用双编码器，包括依次级联的风格编码器、第二注意力层、第二拼接层、第二解码器，文本处理模型还包括与第二拼接层联接的内容编码器。各个联系人对应的目标文本信息输入内容编码器和风格编码器后，通过内容编码器从目标文本信息中提取各个联系人对应的文本内容特征，以及通过风格编码器从目标文本信息中提取各个联系人对应的文本风格特征。文本风格特征经过第二注意力层与输入第二注意力层的关联属性进行特征融合，得到融合特征，融合特征和文本内容特征经过第二拼接层进行特征拼接，得到拼接特征，拼接特征经过第二解码器进行解码，输出各个联系人对应的处理文本信息。
102.在一具体实施方式中，文本处理模型由预先构建的第二网络模型训练得到，其中，第二网络模型与文本处理模型的结构相同。在对第二网络模型进行训练时，首先获取第二训练样本集，其中，第二训练样本集包括若干训练文本信息对以及各个训练文本信息对对应的关联属性，各个训练文本信息对均包括原始风格文本信息和目标风格文本信息，然后将各个训练文本信息对中的原始风格文本信息输入内容编码器和风格编码器，以及将各个训练文本信息对对应的关联属性输入第二注意力层，通过第二网络模型输出各个原始风格文本信息对应的预测风格文本信息，根据预测风格文本信息、目标风格文本信息以及预先设置的第二损失函数对第二网络模型进行训练，直至第二网络模型的训练情况满足预设条件，得到文本处理模型。其中，第二解码器采用多层rnn网络，为了获得更多的信息，在第二
解码器中加入反馈机制，在第二网络模型训练过程中，将上一时刻的状态输入到当前时刻，从而增加文本处理模型的复杂性，使文本处理模型的泛化性更高。
103.示例性设备
104.如图5所示，本发明实施例提供一种文本生成装置，该装置包括：信息获取模块510、属性确定模块520、文本生成模块530。具体地，信息获取模块510，用于获取目标用户与若干联系人中每一联系人的聊天信息。属性确定模块520，用于根据所述聊天信息，分别确定所述目标用户与每一所述联系人之间的关联属性。文本生成模块530，用于根据所述目标用户当前输入的关键词和所述目标用户与每一所述联系人的关联属性，分别生成所述联系人对应的目标文本信息。
105.基于上述实施例，本发明还提供了一种智能终端，其原理框图可以如图6所示。该智能终端包括通过系统总线连接的处理器、存储器、网络接口、显示屏、温度传感器。其中，该智能终端的处理器用于提供计算和控制能力。该智能终端的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该智能终端的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种文本生成方法。该智能终端的显示屏可以是液晶显示屏或者电子墨水显示屏，该智能终端的温度传感器是预先在智能终端内部设置，用于检测内部设备的运行温度。
106.本领域技术人员可以理解，图6中示出的原理框图，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的智能终端的限定，具体的智能终端可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
107.在一个实施例中，提供了一种智能终端，包括：处理器、与处理器通信连接的存储介质，存储介质适于存储多条指令；处理器适于调用存储介质中的指令，以执行实现以下操作的指令：
108.获取目标用户与若干联系人中每一联系人的聊天信息；
109.根据所述聊天信息，分别确定所述目标用户与每一所述联系人的关联属性；
110.根据所述目标用户当前输入的关键词和所述目标用户与每一所述联系人的关联属性，分别生成所述联系人对应的目标文本信息。
111.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
112.综上所述，本发明公开了一种文本生成方法、装置、智能终端及存储介质，包括：获取目标用户与若干联系人中每一联系人的聊天信息；根据聊天信息，分别确定目标用户与
每一联系人的关联属性；根据目标用户当前输入的关键词和目标用户与每一联系人的关联属性，分别生成联系人对应的目标文本信息。本发明根据关键词直接生成目标文本信息，缩短了用户提前准备祝福语的时间，根据目标用户与联系人之间的关联属性生成对应的目标文本信息，能够针对不同关联属性的联系人发送不同的祝福语，增进了发送者与联系人之间的感情。
113.应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。

技术特征：
1.一种文本生成方法，其特征在于，所述方法包括：获取目标用户与若干联系人中每一联系人的聊天信息；根据所述聊天信息，分别确定所述目标用户与每一所述联系人的关联属性；根据所述目标用户当前输入的关键词和所述目标用户与每一所述联系人的关联属性，分别生成所述联系人对应的目标文本信息。2.根据权利要求1所述的文本生成方法，其特征在于，所述聊天信息为目标用户与每一所述联系人在即时通信应用的聊天界面上的至少一条聊天记录。3.根据权利要求1所述的文本生成方法，其特征在于，所述根据所述聊天信息，分别确定所述目标用户与每一所述联系人的关联属性的步骤包括：对所述聊天信息进行预处理，得到每一所述联系人的若干目标文档；根据所述若干目标文档，分别确定所述目标用户与每一所述联系人的关联属性。4.根据权利要求3所述的文本生成方法，其特征在于，所述对所述聊天信息进行预处理，得到每一所述联系人的若干目标文档的步骤包括：对所述聊天信息分别进行合并，得到每一所述联系人的合并文档；对所述合并文档分别进行分割，得到每一所述联系人的若干目标文档。5.根据权利要求3所述的文本生成方法，其特征在于，所述根据所述若干目标文档，分别确定所述目标用户与每一所述联系人的关联属性的步骤包括：对所述若干目标文档分别进行特征提取，得到每一所述目标文档的句子语义特征和实体语义特征；对每一所述目标文档的句子语义特征和实体语义特征进行特征拼接，得到每一所述目标文档的拼接语义特征；根据所述拼接语义特征，确定每一所述目标文档在各关联属性的分类概率；根据每一所述目标文档在各关联属性的分类概率，分别确定所述目标用户与每一所述联系人的关联属性。6.根据权利要求5所述的文本生成方法，其特征在于，所述根据每一所述目标文档在各关联属性的分类概率，分别确定所述目标用户与每一所述联系人的关联属性的步骤包括：根据每一所述目标文档在各关联属性的分类概率，分别确定所述目标用户与每一所述联系人在各关联属性的均值概率；根据所述均值概率，分别确定所述目标用户与每一所述联系人的关联属性。7.根据权利要求1所述的文本生成方法，其特征在于，所述根据所述目标用户当前输入的关键词和所述目标用户与每一所述联系人的关联属性，分别生成所述联系人对应的目标文本信息的步骤包括：根据所述目标用户当前输入的关键词和所述目标用户与每一所述联系人的关联属性，分别确定所述联系人对应的关联主题特征向量；根据所述关联主题特征向量和预设的语料集，分别生成所述联系人对应的目标文本信息。8.根据权利要求1所述的文本生成方法，其特征在于，所述根据所述目标用户当前输入的关键词和所述目标用户与每一所述联系人的关联属性，分别生成所述联系人对应的目标文本信息的步骤之后包括：
根据所述关联属性对所述目标文本信息进行处理，生成所述联系人对应的处理文本信息；将所述处理文本信息发送至所述联系人。9.根据权利要求8所述的文本生成方法，其特征在于，所述根据所述关联属性对所述目标文本信息进行处理，生成所述联系人对应的处理文本信息的步骤包括：对所述目标文本信息进行特征提取，得到所述联系人对应的文本内容特征和文本风格特征；根据所述关联属性、所述文本内容特征以及所述文本风格特征，生成所述联系人对应的处理文本信息。10.根据权利要求9所述的文本生成方法，其特征在于，所述根据所述关联属性、所述文本内容特征以及所述文本风格特征，生成所述联系人对应的处理文本信息的步骤包括：对所述文本风格特征和所述关联属性进行特征融合，得到所述联系人对应的融合特征；将所述融合特征与所述文本内容特征进行特征拼接，得到所述联系人对应的拼接特征；对所述拼接特征进行解码，生成所述联系人对应的处理文本信息。11.一种文本生成装置，其特征在于，所述装置包括：信息获取模块，用于获取目标用户与若干联系人中每一联系人的聊天信息；属性确定模块，用于根据所述聊天信息，分别确定所述目标用户与每一所述联系人的关联属性；文本生成模块，用于根据所述目标用户当前输入的关键词和所述目标用户与每一所述联系人的关联属性，分别生成所述联系人对应的目标文本信息。12.一种智能终端，其特征在于，包括：处理器、与处理器通信连接的存储介质，所述存储介质适于存储多条指令；所述处理器适于调用所述存储介质中的指令，以执行实现上述权利要求1-10任一项所述的文本生成方法中的步骤。13.一种计算机可读存储介质，其上存储有多条指令，其特征在于，所述指令适于由处理器加载并执行，以执行实现上述权利要求1-10任一项所述的文本生成方法中的步骤。

技术总结
本发明公开了一种文本生成方法、装置、智能终端及存储介质，包括：获取目标用户与若干联系人中每一联系人的聊天信息；根据聊天信息，分别确定目标用户与每一联系人的关联属性；根据目标用户当前输入的关键词和目标用户与每一联系人的关联属性，分别生成联系人对应的目标文本信息。本发明通过关键词生成目标文本信息，缩短了用户提前准备祝福语的时间，根据目标用户与联系人之间的关联属性生成对应的目标文本信息，能够针对不同关联属性的联系人发送不同的祝福语，增进了发送者与联系人之间的感情。间的感情。间的感情。


技术研发人员：刘晶晶 王鹏
受保护的技术使用者：TCL科技集团股份有限公司
技术研发日：2022.01.19
技术公布日：2023/7/31