长文本生成方法及装置与流程

本技术涉及人工智能，特别涉及一种长文本生成方法。本技术同时涉及一种长文本生成装置、一种计算设备，以及一种计算机可读存储介质。

背景技术：

1、随着人工智能技术的发展，自动生成文本已经越来越多的被应用，现有技术中，生成故事的绘图系统库克已经存在了近一个世纪，计算机化版本也已经存在了数十年，这些系统为用户提供创造性的输出材料并作为随机性的来源。近些年来越来越多的对这些系统进行计算交互进行调整，以便在基于网络和戏剧环境中使用。

2、然而，现有技术中关于生成长文本的实际使用场景中，长文本的前后文相关性还存在问题，章节与章节的相关性还很弱；其次，生成的剧情冗余，后续生成的剧情同前序剧情重复；最后，剧情生成可控性差，生成的剧情发展方向不可控，以上问题导致实际生成的剧情质量不高，实际应用存在问题。

技术实现思路

1、有鉴于此，本技术实施例提供了一种长文本生成方法，以解决现有技术中存在的技术缺陷。本技术实施例同时提供了一种长文本生成装置，一种计算设备，以及一种计算机可读存储介质。

2、根据本技术实施例的第一方面，提供了一种长文本生成方法，包括：

3、通过预训练的语言模型对获取的主题信息进行处理，生成大纲信息，其中，所述大纲信息中包含至少一个大纲条目信息；

4、选取所述至少一个大纲条目信息中的一个作为目标条目信息；

5、通过所述语言模型对所述目标条目信息进行处理，生成n个章节文本；

6、基于预设的评分算法，计算所述n个章节文本的连贯度评分和重复度评分，并基于计算结果，指定所述n个章节文本中的一个作为目标章节；

7、重复所述选取所述至少一个大纲条目信息中的一个作为目标条目信息步骤，直至所述至少一个大纲条目信息全部被选取，得到目标长文本。

8、可选地，所述通过预训练的语言模型对获取的主题信息进行处理，生成大纲信息包括：

9、通过所述语言模型对所述主题信息进行处理，生成详述信息；

10、通过所述语言模型对所述详述信息进行处理，生成所述大纲信息。

11、可选地，所述通过所述语言模型对所述主题信息进行处理，生成详述信息包括：

12、通过所述语言模型对所述主题信息进行处理，生成基础详述信息；

13、基于用户针对所述基础详述信息发送的详述调整指令，通过所述语言模型对所述基础详述信息进行处理，生成所述详述信息。

14、可选地，所述通过所述语言模型对所述详述信息进行处理，生成所述大纲信息包括：

15、通过所述语言模型对所述详述信息进行处理，生成基础大纲信息；

16、基于用户针对所述基础大纲信息发送的大纲调整指令，通过所述语言模型对所述基础大纲信息进行处理，生成所述大纲信息。

17、可选地，所述基于预设的评分算法，计算所述n个章节文本的连贯度评分和重复度评分包括：

18、基于所述评分算法，计算所述n个章节文本的章节连贯度评分、大纲连贯度评分、章节重复度评分和大纲重复度评分；

19、将所述章节连贯度评分和所述大纲连贯度评分进行加权计算，得到所述连贯度评分；

20、将所述章节重复度评分和所述大纲重复度评分进行加权计算，得到所述重复度评分。

21、可选地，所述基于所述评分算法，计算所述n个章节文本的章节连贯度评分、大纲连贯度评分、章节重复度评分和大纲重复度评分包括：

22、确定所述n个章节文本关联的上下文章节文本；

23、根据所述上下文章节文本与所述大纲信息，计算所述n个章节文本的章节连贯度评分、大纲连贯度评分、章节重复度评分和大纲重复度评分。

24、可选地，所述根据所述上下文章节文本与所述大纲信息，计算所述n个章节文本的章节连贯度评分、大纲连贯度评分、章节重复度评分和大纲重复度评分包括：

25、通过所述语言模型对所述上下文章节文本进行处理，生成所述上下文简介；

26、根据所述上下文简介与所述大纲信息，计算所述n个章节文本的章节连贯度评分、大纲连贯度评分、章节重复度评分和大纲重复度评分。

27、可选地，所述根据所述上下文章节文本与所述大纲信息，计算所述n个章节文本的章节连贯度评分、大纲连贯度评分、章节重复度评分和大纲重复度评分包括：

28、选取所述n个章节文本中的一个作为待处理章节文本；

29、通过连贯度算法计算所述待处理章节文本与所述上下文章节文本之间的所述章节连贯度评分，以及所述待处理章节文本与所述大纲信息之间的所述大纲连贯度评分；

30、通过重复度算法计算所述待处理章节文本与所述上下文章节文本之间的所述章节重复度评分，以及所述待处理章节文本与所述大纲信息之间的所述大纲重复度评分；

31、重复所述选取所述n个章节文本中的一个作为待处理章节文本步骤，直至所述n个章节文本全部被选取，得到所述n个章节文本的章节连贯度评分、大纲连贯度评分、章节重复度评分和大纲重复度评分。

32、可选地，还包括：

33、根据计算结果，指定所述n个章节文本中的一个为基础目标章节；

34、基于用户针对所述基础目标章节发送的章节调整指令，通过所述语言模型对所述基础目标章节进行处理，生成所述目标章节。

35、根据本技术实施例的第二方面，提供了一种长文本生成装置，包括：

36、大纲生成模块，被配置为通过预训练的语言模型对获取的主题信息进行处理，生成大纲信息，其中，所述大纲信息中包含至少一个大纲条目信息；

37、选取模块，被配置为选取所述至少一个大纲条目信息中的一个作为目标条目信息；

38、章节生成模块，被配置为通过所述语言模型对所述目标条目信息进行处理，生成n个章节文本；

39、筛选模块，被配置为基于预设的评分算法，计算所述n个章节文本的连贯度评分和重复度评分，并基于计算结果，指定所述n个章节文本中的一个作为目标章节；

40、长文本生成模块，被配置为重复所述选取所述至少一个大纲条目信息中的一个作为目标条目信息步骤，直至所述至少一个大纲条目信息全部被选取，得到目标长文本。

41、根据本技术实施例的第三方面，提供了一种计算设备，包括：

42、存储器和处理器；

43、所述存储器用于存储计算机可执行指令，所述处理器执行所述计算机可执行指令时实现所述长文本生成方法的步骤。

44、根据本技术实施例的第四方面，提供了一种计算机可读存储介质，其存储有计算机可执行指令，该指令被处理器执行时实现所述长文本生成方法的步骤。

45、根据本技术实施例的第五方面，提供了一种芯片，其存储有计算机程序，该计算机程序被芯片执行时实现所述长文本生成方法的步骤。

46、本技术提供的长文本生成方法，通过预训练的语言模型对获取的主题信息进行处理，生成大纲信息；选取所述至少一个大纲条目信息中的一个作为目标条目信息；通过所述语言模型对所述目标条目信息进行处理，生成n个章节文本；基于预设的评分算法，计算所述n个章节文本的连贯度评分和重复度评分，并基于计算结果，指定所述n个章节文本中的一个作为目标章节；重复所述选取所述至少一个大纲条目信息中的一个作为目标条目信息步骤，直至所述至少一个大纲条目信息全部被选取，得到目标长文本，自动化生成长文本，且保证了生成的长文本关联度与重复度可控，提升用户的使用体验。