本發(fā)明涉及自然語(yǔ)言處理，尤其涉及一種自動(dòng)化迭代優(yōu)化的內(nèi)容轉(zhuǎn)分鏡描述生成方法及系統(tǒng)。

背景技術(shù)：

1、在相關(guān)技術(shù)中，cn117235523a公開(kāi)了一種語(yǔ)言生成模型改進(jìn)方法、系統(tǒng)、設(shè)備及存儲(chǔ)介質(zhì)，在執(zhí)行所述方法時(shí)，通過(guò)獲取訓(xùn)練文本；將所述訓(xùn)練文本輸入語(yǔ)言生成模型，確定輸出文本；將所述輸出文本輸入評(píng)價(jià)模型，確定評(píng)價(jià)信息；基于所述輸出文本和所述評(píng)價(jià)信息對(duì)所述語(yǔ)言生成模型進(jìn)行訓(xùn)練，直到模型收斂并達(dá)到預(yù)設(shè)性能要求。在傳統(tǒng)的標(biāo)準(zhǔn)答案監(jiān)督訓(xùn)練的基礎(chǔ)上，引入偏好評(píng)價(jià)模型給語(yǔ)言生成模型生成的文本進(jìn)行評(píng)價(jià)。基于輸出的文本和對(duì)該文本的評(píng)價(jià)信息迭代完成最終的模型訓(xùn)練。使語(yǔ)言生成模型實(shí)現(xiàn)自我迭代訓(xùn)練，鼓勵(lì)模型從多樣的角度生成內(nèi)容，不只是依賴輸入的訓(xùn)練樣本，從而可以使模型具有更好的生成質(zhì)量和泛化性。

2、cn112989764a公開(kāi)了一種文本的生成方法、裝置、設(shè)備以及存儲(chǔ)介質(zhì)，通過(guò)對(duì)用戶輸入的初始語(yǔ)料，進(jìn)行文本序列生成操作，得到第一文本序列，再將第一文本序列作為初始語(yǔ)料，重復(fù)本步驟直至進(jìn)行文本序列生成操作的次數(shù)達(dá)到預(yù)設(shè)次數(shù)時(shí)停止本過(guò)程，得到多個(gè)第一文本序列，其中，文本序列生成操作包括文本修訂操作和采樣操作，文本修訂操作包括替換、插入，刪除中的至少一種，再按照匹配度由高到低的順序，從多個(gè)第一文本序列中選擇并輸出預(yù)設(shè)數(shù)量的第二文本序列，由語(yǔ)言模型快速迭代生成大量的第一文本序列，再通過(guò)采樣從第一文本序列中篩選文本質(zhì)量較高的第二文本序列，提高了文本序列的數(shù)量和質(zhì)量。

3、因此，在相關(guān)技術(shù)中，雖然可通過(guò)基于人工智能的神經(jīng)網(wǎng)絡(luò)模型來(lái)處理自然語(yǔ)言文本，并提升文本質(zhì)量，但當(dāng)前的神經(jīng)網(wǎng)絡(luò)模型通常受限于模型的輸入限制，無(wú)法一次性處理和理解長(zhǎng)篇幅的文本（例如，長(zhǎng)篇小說(shuō)、長(zhǎng)篇?jiǎng)”镜龋?，?dǎo)致模型在生成內(nèi)容時(shí)，無(wú)法參考全文的上下文內(nèi)容，無(wú)法理解全文的語(yǔ)義，造成其生成的內(nèi)容易出現(xiàn)以偏概全、前后文矛盾、理解錯(cuò)誤、連貫性差等問(wèn)題。

4、公開(kāi)于本技術(shù)背景技術(shù)部分的信息僅僅旨在加深對(duì)本技術(shù)的一般背景技術(shù)的理解，而不應(yīng)當(dāng)被視為承認(rèn)或以任何形式暗示該信息構(gòu)成已為本領(lǐng)域技術(shù)人員所公知的現(xiàn)有技術(shù)。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供一種自動(dòng)化迭代優(yōu)化的內(nèi)容轉(zhuǎn)分鏡描述生成方法及系統(tǒng)，能夠解決模型在生成內(nèi)容時(shí)，無(wú)法參考全文的上下文內(nèi)容，無(wú)法理解全文的語(yǔ)義的技術(shù)問(wèn)題。

2、根據(jù)本發(fā)明的第一方面，提供一種自動(dòng)化迭代優(yōu)化的內(nèi)容轉(zhuǎn)分鏡描述生成方法,包括：

3、通過(guò)自然語(yǔ)言處理模型，對(duì)預(yù)設(shè)文本進(jìn)行處理，獲得所述預(yù)設(shè)文本的第一摘要文本、預(yù)設(shè)文本的每個(gè)章節(jié)的第二摘要文本，以及章節(jié)的每個(gè)段落的第三摘要文本；

4、通過(guò)預(yù)訓(xùn)練的分鏡描述生成模型，對(duì)所述第一摘要文本、所述第二摘要文本、所述第三摘要文本和所述預(yù)設(shè)文本中的預(yù)設(shè)章節(jié)進(jìn)行處理，獲得與所述預(yù)設(shè)章節(jié)對(duì)應(yīng)的初始分鏡描述文本；

5、根據(jù)所述預(yù)設(shè)章節(jié)、所述第一摘要文本、所述第二摘要文本和所述第三摘要文本，對(duì)所述初始分鏡描述文本進(jìn)行內(nèi)容質(zhì)量評(píng)價(jià)，獲得所述初始分鏡描述文本的內(nèi)容質(zhì)量評(píng)分；

6、根據(jù)所述內(nèi)容質(zhì)量評(píng)分，對(duì)所述初始分鏡描述文本進(jìn)行審核，獲得所述初始分鏡描述文本的問(wèn)題描述信息；

7、根據(jù)所述初始分鏡描述文本的問(wèn)題描述信息，對(duì)所述分鏡描述生成模型進(jìn)行第1次修正訓(xùn)練，獲得第1次修正后的分鏡描述生成模型；

8、通過(guò)第f次修正后的分鏡描述生成模型獲取第f次修正后分鏡描述文本，并獲得第f次修正后的分鏡描述文本的內(nèi)容質(zhì)量評(píng)分，f≥1，且f為正整數(shù)；

9、如果第f次修正后的分鏡描述文本的內(nèi)容質(zhì)量評(píng)分高于或等于預(yù)設(shè)質(zhì)量評(píng)分，將第f次修正后的分鏡描述文本作為分鏡描述輸出內(nèi)容；

10、否則，根據(jù)第f次修正后的分鏡描述文本的內(nèi)容質(zhì)量評(píng)分獲得第f次修正后的分鏡描述文本的問(wèn)題描述信息，并對(duì)第f次修正后的分鏡描述生成模型進(jìn)行第f+1次修正訓(xùn)練，獲得第f+1次修正后的分鏡描述生成模型，并獲得第f+1次修正后的分鏡描述文本；

11、在f+1=時(shí)，將第f+1次修正后的分鏡描述文本作為分鏡描述輸出內(nèi)容，其中，為預(yù)設(shè)迭代次數(shù)。

12、根據(jù)本發(fā)明的第二方面，提供一種自動(dòng)化迭代優(yōu)化的內(nèi)容轉(zhuǎn)分鏡描述生成系統(tǒng)，包括：

13、摘要文本模塊，用于通過(guò)自然語(yǔ)言處理模型，對(duì)預(yù)設(shè)文本進(jìn)行處理，獲得所述預(yù)設(shè)文本的第一摘要文本、預(yù)設(shè)文本的每個(gè)章節(jié)的第二摘要文本，以及章節(jié)的每個(gè)段落的第三摘要文本；

14、初始分鏡描述文本模塊，用于通過(guò)預(yù)訓(xùn)練的分鏡描述生成模型，對(duì)所述第一摘要文本、所述第二摘要文本、所述第三摘要文本和所述預(yù)設(shè)文本中的預(yù)設(shè)章節(jié)進(jìn)行處理，獲得與所述預(yù)設(shè)章節(jié)對(duì)應(yīng)的初始分鏡描述文本；

15、內(nèi)容質(zhì)量評(píng)分模塊，用于根據(jù)所述預(yù)設(shè)章節(jié)、所述第一摘要文本、所述第二摘要文本和所述第三摘要文本，對(duì)所述初始分鏡描述文本進(jìn)行內(nèi)容質(zhì)量評(píng)價(jià)，獲得所述初始分鏡描述文本的內(nèi)容質(zhì)量評(píng)分；

16、問(wèn)題描述信息模塊，用于根據(jù)所述內(nèi)容質(zhì)量評(píng)分，對(duì)所述初始分鏡描述文本進(jìn)行審核，獲得所述初始分鏡描述文本的問(wèn)題描述信息；

17、修正訓(xùn)練模塊，用于根據(jù)所述初始分鏡描述文本的問(wèn)題描述信息，對(duì)所述分鏡描述生成模型進(jìn)行第1次修正訓(xùn)練，獲得第1次修正后的分鏡描述生成模型；

18、評(píng)分模塊，用于通過(guò)第f次修正后的分鏡描述生成模型獲取第f次修正后分鏡描述文本，并獲得第f次修正后的分鏡描述文本的內(nèi)容質(zhì)量評(píng)分，f≥1，且f為正整數(shù)；

19、輸出模塊，用于如果第f次修正后的分鏡描述文本的內(nèi)容質(zhì)量評(píng)分高于或等于預(yù)設(shè)質(zhì)量評(píng)分，將第f次修正后的分鏡描述文本作為分鏡描述輸出內(nèi)容；

20、迭代模塊，用于否則，根據(jù)第f次修正后的分鏡描述文本的內(nèi)容質(zhì)量評(píng)分獲得第f次修正后的分鏡描述文本的問(wèn)題描述信息，并對(duì)第f次修正后的分鏡描述生成模型進(jìn)行第f+1次修正訓(xùn)練，獲得第f+1次修正后的分鏡描述生成模型，并獲得第f+1次修正后的分鏡描述文本；

21、迭代完成模塊，用于在f+1=時(shí)，將第f+1次修正后的分鏡描述文本作為分鏡描述輸出內(nèi)容，其中，為預(yù)設(shè)迭代次數(shù)。

22、技術(shù)效果：根據(jù)本發(fā)明，可分別獲取預(yù)設(shè)文本的第一摘要文本、每個(gè)章節(jié)的第二摘要文本以及每個(gè)段落的第三摘要文本，進(jìn)而可基于上述摘要文本，對(duì)預(yù)設(shè)章節(jié)進(jìn)行處理，獲得預(yù)設(shè)章節(jié)的初始分鏡描述文本，可基于全文、章節(jié)和段落的摘要文本，使分鏡描述生成模型能夠參考全文的上下文內(nèi)容，進(jìn)而將預(yù)設(shè)章節(jié)轉(zhuǎn)換為初始分鏡描述文本，降低初始分鏡描述文本出現(xiàn)以偏概全、前后文矛盾、理解錯(cuò)誤、連貫性差等問(wèn)題的概率，并可通過(guò)對(duì)初始分鏡描述文本進(jìn)行質(zhì)量評(píng)價(jià)、尋找初始分鏡描述文本中存在的問(wèn)題以及基于其中存在的問(wèn)題進(jìn)行修正等處理，并迭代執(zhí)行該處理，直到修正后的分鏡描述文本的質(zhì)量符合要求，獲得高質(zhì)量的分鏡描述文本，進(jìn)一步降低其出現(xiàn)以偏概全、前后文矛盾、理解錯(cuò)誤、連貫性差等問(wèn)題的概率。在訓(xùn)練自然語(yǔ)言處理模型時(shí)，可通過(guò)第一待定摘要文本和全文摘要組合文本之間的語(yǔ)義相似度和曲解度，以及第二待定摘要文本和章節(jié)摘要組合文本的語(yǔ)義相似度和曲解度來(lái)設(shè)置自然語(yǔ)言處理模型的損失函數(shù)，并迭代更新訓(xùn)練自然語(yǔ)言處理模型，從而提升自然語(yǔ)言處理模型的精度，進(jìn)而可獲得準(zhǔn)確的多個(gè)層級(jí)的摘要文本，使得后續(xù)生成分鏡描述時(shí)，能夠利用準(zhǔn)確的多個(gè)層級(jí)的摘要文本，使分鏡描述生成模型在無(wú)法接收長(zhǎng)文本的輸入的情況下，盡可能掌握更豐富的上下文信息，從而使得分鏡描述與原文的語(yǔ)義更接近，降低出現(xiàn)以偏概全、前后文矛盾、連貫性差等問(wèn)題的概率。在確定初始分鏡描述文本的準(zhǔn)確度評(píng)分時(shí)，可通過(guò)對(duì)比預(yù)設(shè)章節(jié)摘要文本和初始分鏡描述文本，來(lái)求解初始分鏡描述文本中的人物、地點(diǎn)和動(dòng)作三方面的描述正確率，從而獲得初始分鏡描述文本的準(zhǔn)確度評(píng)分，可客觀且準(zhǔn)確地描述初始分鏡描述文本中的重要情節(jié)的描述正確率。在確定原意保持度評(píng)分時(shí)，可通過(guò)初始分鏡描述文本與預(yù)設(shè)章節(jié)原文的語(yǔ)義相似度，以及初始分鏡描述文本中的人物、地點(diǎn)、動(dòng)作等重要情節(jié)是否在預(yù)設(shè)章節(jié)原文中出現(xiàn)，以及是否在其他章節(jié)的第二摘要文本中出現(xiàn)等因素，確定原意保持度評(píng)分，從而可準(zhǔn)確且客觀地表示初始分鏡描述文本是否能保持預(yù)設(shè)章節(jié)原文的原意，以及是否存在重要情節(jié)被劇透的缺陷。在確定語(yǔ)義錯(cuò)誤檢測(cè)評(píng)分時(shí)，可通過(guò)初始分鏡描述文本中的句子與預(yù)設(shè)章節(jié)原文的句子的逐句比較，來(lái)確定初始分鏡描述文本的各個(gè)句子的語(yǔ)義準(zhǔn)確性，并基于初始分鏡描述文本中的人物、地點(diǎn)、動(dòng)作等重要情節(jié)是否在全文中出現(xiàn)，來(lái)確定初始分鏡描述文本中是否存在由分鏡描述生成模型基于錯(cuò)誤的理解生成的錯(cuò)誤情節(jié)，提升語(yǔ)義錯(cuò)誤檢測(cè)評(píng)分的準(zhǔn)確性和客觀性。在審核初始分鏡描述文本中存在的問(wèn)題時(shí)，可通過(guò)初始分鏡描述文本與原文的語(yǔ)義和邏輯的相似性、對(duì)原文的表達(dá)的完整性，以及與原文在情感表達(dá)方面的相似性等方面，來(lái)審核初始分鏡描述文本中存在的問(wèn)題，從而獲得準(zhǔn)確的問(wèn)題描述信息，為分鏡描述生成模型的修正訓(xùn)練以及初始分鏡描述文本的修正提供數(shù)據(jù)基礎(chǔ)。在訓(xùn)練分鏡描述生成模型時(shí)，可分別基于初始分鏡描述文本對(duì)原文的整體曲解度、初始分鏡描述文本與原文的語(yǔ)義的誤差和初始分鏡描述文本與預(yù)設(shè)章節(jié)在情感表達(dá)方面的總體差異等方面來(lái)確定第1次修正訓(xùn)練時(shí)的損失函數(shù)，并可通過(guò)問(wèn)題描述信息來(lái)設(shè)置上述方面的權(quán)重，從而重點(diǎn)訓(xùn)練存在嚴(yán)重問(wèn)題的方面，提升訓(xùn)練的針對(duì)性和效率。

23、應(yīng)當(dāng)理解的是，以上的一般描述和后文的細(xì)節(jié)描述僅是示例性和解釋性的，而非限制本發(fā)明。根據(jù)下面參考附圖對(duì)示例性實(shí)施例的詳細(xì)說(shuō)明，本發(fā)明的其它特征及方面將更清楚。