特許 7430660 テキストの創作方法、装置、機器及び記憶媒体

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2024-02-02

(45)【発行日】2024-02-13

(54)【発明の名称】テキストの創作方法、装置、機器及び記憶媒体

(51)【国際特許分類】

   G06F 40/56 20200101AFI20240205BHJP

【ＦＩ】

G06F40/56

【請求項の数】 17

(21)【出願番号】P 2021049665

(22)【出願日】2021-03-24

(65)【公開番号】P2021106017

(43)【公開日】2021-07-26

【審査請求日】2021-03-24

【審判番号】

【審判請求日】2023-02-15

(31)【優先権主張番号】202010991790.X

(32)【優先日】2020-09-21

(33)【優先権主張国・地域又は機関】CN

(73)【特許権者】

【識別番号】514322098

【氏名又は名称】ベイジン バイドゥ ネットコム サイエンス テクノロジー カンパニー リミテッド

【氏名又は名称原語表記】Ｂｅｉｊｉｎｇ Ｂａｉｄｕ Ｎｅｔｃｏｍ Ｓｃｉｅｎｃｅ Ｔｅｃｈｎｏｌｏｇｙ Ｃｏ．， Ｌｔｄ．

【住所又は居所原語表記】２／Ｆ Ｂａｉｄｕ Ｃａｍｐｕｓ， Ｎｏ．１０， Ｓｈａｎｇｄｉ １０ｔｈ Ｓｔｒｅｅｔ， Ｈａｉｄｉａｎ Ｄｉｓｔｒｉｃｔ， Ｂｅｉｊｉｎｇ １０００８５， Ｃｈｉｎａ

(74)【代理人】

【識別番号】110003694

【氏名又は名称】弁理士法人有我国際特許事務所

(72)【発明者】

【氏名】リウ， ヂィアチェン

(72)【発明者】

【氏名】シアオ， シィンイェン

(72)【発明者】

【氏名】ウー， フゥア

(72)【発明者】

【氏名】ワン， ハイフェン

【合議体】

【審判長】佐藤 智康

【審判官】松田 直也

【審判官】緑川 隆

(56)【参考文献】

【文献】特開２０２０－１４０６７３（ＪＰ，Ａ）

【文献】米国特許出願公開第２０１８／０３２９８８３（ＵＳ，Ａ１）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

G06F 40/56

(57)【特許請求の範囲】

【請求項1】

テキストの創作方法であって、
第１の取得モジュールが言語資料データを取得するステップと、
第１のマークモジュールが前記言語資料データをマークして、第１の創作限定要素を取得するステップと、
第２の取得モジュールが第１の創作目標を取得するステップと、
第１の処理モジュールが前記言語資料データと前記第１の創作限定要素を創作モデルに入力して、前記第１の創作目標とマッチングする第１の創作テキストを生成するステップと、を含む、
ことを特徴とするテキストの創作方法。

【請求項2】

前記創作モデルのトレーニングプロセスは、
第３の取得モジュールが複数のトレーニング言語資料、及び前記トレーニング言語資料に対応するトレーニング創作テキストを取得するステップと、
第２のマークモジュールが前記トレーニング言語資料をマークして、前記トレーニング言語資料のトレーニング限定要素を取得するステップと、
トレーニングモジュールが前記トレーニング言語資料、前記トレーニング限定要素及び前記トレーニング創作テキストをトレーニングサンプルとし、初期の前記創作モデルに入力してトレーニングし、トレーニングされた前記創作モデルを生成するステップと、を含む、
ことを特徴とする請求項１に記載のテキストの創作方法。

【請求項3】

前記言語資料データと前記第１の創作限定要素を創作モデルに入力して、前記第１の創作目標とマッチングする第１の創作テキストを生成する前記ステップは、
取得ユニットが前記第１の創作目標に基づいて、前記創作モデルから前記第１の創作目標とマッチングする第１の創作サブモデルを取得するステップと、
処理ユニットが前記トレーニング言語資料と前記第１の創作限定要素を第１の創作サブモデルに入力し、前記第１の創作サブモデルによって前記第１の創作テキストを生成するステップと、を含む、
ことを特徴とする請求項２に記載のテキストの創作方法。

【請求項4】

前記第１の創作目標とマッチングする第１の創作テキストを生成する前記ステップの後、
第４の取得モジュールが前記第１の創作サブモデルに関連する第２の創作サブモデルを取得するステップであって、前記第２の創作サブモデルの言語資料データが前記第１の創作テキストであるステップと、
第３のマークモジュールが前記第１の創作テキストをマークして、前記第２の創作サブモデルに対応する第２の創作限定要素を取得するステップと、
第２の処理モジュールが前記第１の創作テキストと前記第２の創作限定要素を前記第２の創作サブモデルに入力して、第２の創作テキストを生成するステップと、をさらに含む、
ことを特徴とする請求項３に記載のテキストの創作方法。

【請求項5】

前記第１の創作サブモデルによって前記第１の創作テキストを生成する前記ステップは、
取得サブユニットが前記言語資料データに基づいて、前記第１の創作サブモデルの第１の創作素材を取得し、生成サブユニットが前記第１の創作素材と前記第１の創作限定要素に基づいて、前記第１の創作テキストを生成するステップを含む、
ことを特徴とする請求項３に記載のテキストの創作方法。

【請求項6】

前記第１の創作サブモデルはテキスト続書きサブモデルであり、前記言語資料データは創作済みのテキストであり、
前記言語資料データに基づいて、前記第１の創作サブモデルの第１の創作素材を取得する前記ステップは、
前記取得サブユニットが前記創作済みのテキストを分割して、分割言語資料を前記第１の創作素材として形成するステップを含む、
ことを特徴とする請求項５に記載のテキストの創作方法。

【請求項7】

前記第１の創作サブモデルはテキスト多重化サブモデルであり、前記言語資料データは創作済みのテキストであり、
前記言語資料データに基づいて、前記第１の創作サブモデルの第１の創作素材を取得する前記ステップは、
前記取得サブユニットが前記創作済みのテキストを取得して段落を抽出するステップと、
前記取得サブユニットが前記創作済みのテキストの要約情報を取得し、前記要約情報に基づいて、前記要約情報に類似している第１の段落を取得するステップ、及び／又は、
前記取得サブユニットが前記段落におけるデータコンテンツを認識し、前記段落からデータコンテンツが予め設定された量を超えた第２の段落を選択するステップ、
前記取得サブユニットが前記第１の段落と前記第２の段落を前記第１の創作素材とするステップと、を含む、
ことを特徴とする請求項５に記載のテキストの創作方法。

【請求項8】

テキストの創作装置であって、
言語資料データを取得するための第１の取得モジュールと、
前記言語資料データをマークして、第１の創作限定要素を取得するための第１のマークモジュールと、
第１の創作目標を取得するための第２の取得モジュールと、
前記言語資料データと前記第１の創作限定要素を創作モデルに入力して、前記第１の創作目標とマッチングする第１の創作テキストを生成するための第１の処理モジュールと、を含む、
ことを特徴とするテキストの創作装置。

【請求項9】

複数のトレーニング言語資料、及び前記トレーニング言語資料に対応するトレーニング創作テキストを取得するための第３の取得モジュールと、
前記トレーニング言語資料をマークして、前記トレーニング言語資料のトレーニング限定要素を取得するための第２のマークモジュールと、
前記トレーニング言語資料、前記トレーニング限定要素及び前記トレーニング創作テキストをトレーニングサンプルとし、初期の前記創作モデルに入力してトレーニングし、トレーニングされた前記創作モデルを生成するためのトレーニングモジュールと、をさらに含む、
ことを特徴とする請求項８に記載のテキストの創作装置。

【請求項10】

前記第１の処理モジュールは、
前記第１の創作目標に基づいて、前記創作モデルから前記第１の創作目標とマッチングする第１の創作サブモデルを取得するための取得ユニットと、
前記トレーニング言語資料と前記第１の創作限定要素を第１の創作サブモデルに入力し、前記第１の創作サブモデルによって前記第１の創作テキストを生成するための処理ユニットと、を含む、
ことを特徴とする請求項９に記載のテキストの創作装置。

【請求項11】

前記第１の創作サブモデルに関連する第２の創作サブモデルを取得するための第４の取得モジュールであって、前記第２の創作サブモデルの言語資料データが前記第１の創作テキストである第４の取得モジュールと、
前記第１の創作テキストをマークして、前記第２の創作サブモデルに対応する第２の創作限定要素を取得するための第３のマークモジュールと、
前記第１の創作テキストと前記第２の創作限定要素を前記第２の創作サブモデルに入力して、第２の創作テキストを生成するための第２の処理モジュールと、をさらに含む、
ことを特徴とする請求項１０に記載のテキストの創作装置。

【請求項12】

前記処理ユニットは、
前記言語資料データに基づいて、前記第１の創作サブモデルの第１の創作素材を取得するための取得サブユニットと、
前記第１の創作素材と前記第１の創作限定要素に基づいて、前記第１の創作テキストを生成するための生成サブユニットと、を含む、
ことを特徴とする請求項１０に記載のテキストの創作装置。

【請求項13】

前記第１の創作サブモデルはテキスト続書きサブモデルであり、前記言語資料データは創作済みのテキストであり、
前記取得サブユニットは、
前記創作済みのテキストを分割して、分割言語資料を前記第１の創作素材として形成することに用いられる、
ことを特徴とする請求項１２に記載のテキストの創作装置。

【請求項14】

前記第１の創作サブモデルはテキスト多重化サブモデルであり、前記言語資料データは創作済みのテキストであり、
前記取得サブユニットは、
前記創作済みのテキストを取得して段落を抽出し、
前記創作済みのテキストの要約情報を取得し、前記要約情報に基づいて、前記要約情報に類似している第１の段落を取得し、及び／又は、
前記段落におけるデータコンテンツを認識し、前記段落からデータコンテンツが予め設定された量を超えた第２の段落を選択し、
前記第１の段落と前記第２の段落を前記第１の創作素材とすることに用いられる、
ことを特徴とする請求項１２に記載のテキストの創作装置。

【請求項15】

電子機器であって、
少なくとも１つのプロセッサと、
前記少なくとも１つのプロセッサと通信可能に接続されるメモリと、を含み、
前記メモリには、前記少なくとも１つのプロセッサによって実行可能な命令が記憶されており、前記命令が前記少なくとも１つのプロセッサによって実行される場合、前記少なくとも１つのプロセッサが請求項１～７のいずれかに記載のテキストの創作方法を実行する、
ことを特徴とする電子機器。

【請求項16】

コンピュータ命令が記憶されている非一時的なコンピュータ読み取り可能な記憶媒体であって、
前記コンピュータ命令が実行される場合、請求項１～７のいずれかに記載のテキストの創作方法が実行される、
ことを特徴とする非一時的なコンピュータ読み取り可能な記憶媒体。

【請求項17】

コンピュータプログラムであって、
前記コンピュータプログラムにおける命令が実行された場合に、請求項１～７のいずれかに記載のテキストの創作方法が実行される、
ことを特徴とするコンピュータプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本出願は、データ処理分野の自然言語処理技術に関し、特にテキストの創作方法、装置、機器及び記憶媒体に関する。

【背景技術】

【0002】

通常、創作は人間社会の重要な生産活動の１つであり、現在のインターネット時代には、創作による大量の情報消費コンテンツは、日常消費の主要な構成要素となっている。

【0003】

関連技術では、人気検索などのルートから最新の人気話題を取得し、ユーザにプッシュし、創作を開始する参考とするなどの方式により、具体的な創作内容との関連性が弱く、創作機能が単一であり、ユーザの創作ニーズを真に満たすことができない。

【発明の概要】

【発明が解決しようとする課題】

【0004】

本開示は、テキストの創作方法、装置、機器及び記憶媒体を提供する。

【課題を解決するための手段】

【0005】

本開示の一態様によれば、テキストの創作方法を提供し、
第１の取得モジュールが言語資料データを取得するステップと、
第１のマークモジュールが前記言語資料データをマークして、第１の創作限定要素を取得するステップと、
第２の取得モジュールが第１の創作目標を取得するステップと、
第１の処理モジュールが前記言語資料データと前記第１の創作限定要素を創作モデルに入力して、前記第１の創作目標とマッチングする第１の創作テキストを生成するステップと、を含む。

【0006】

本開示の別の態様によれば、テキストの創作装置を提供し、
言語資料データを取得するための第１の取得モジュールと、
前記言語資料データをマークして、第１の創作限定要素を取得するための第１のマークモジュールと、
第１の創作目標を取得するための第２の取得モジュールと、
前記言語資料データと前記第１の創作限定要素を創作モデルに入力して、前記第１の創作目標とマッチングする第１の創作テキストを生成するための第１の処理モジュールと、を含む。

【0007】

本出願の第３の側面の実施例は、電子機器を提供し、
少なくとも１つのプロセッサと、
前記少なくとも１つのプロセッサと通信可能に接続されるメモリと、を含み、
前記メモリには、前記少なくとも１つのプロセッサによって実行可能な命令が記憶されており、前記命令は、前記少なくとも１つのプロセッサが第１の側面の実施例に記載のテキストの創作方法を実行できるように、が前記少なくとも１つのプロセッサによって実行される。

【0008】

本出願の第４の側面の実施例は、コンピュータ命令が記憶されている非一時的なコンピュータ読み取り可能な記憶媒体をさらに提供し、前記コンピュータ命令が実行される場合、第１の側面の実施例に記載のテキストの創作方法が実行される。
本出願の第５の側面の実施例は、コンピュータプログラムをさらに提供し、前記コンピュータプログラムにおける命令が実行された場合に、第１の側面の実施例に記載のテキストの創作方法が実行される。

【発明の効果】

【0009】

上記出願の１つの実施例は、以下のような利点または有益な効果を有する。
言語資料データを取得し、言語資料データをマークして、第１の創作限定要素を取得し、第１の創作目標を取得し、言語資料データと第１の創作限定要素を創作モデルに入力して、第１の創作目標とマッチングする第１の創作テキストを生成する。これにより、関連性の高いテキストを創作し、異なる目標のテキストを創作し、創作の多様性を実現し、異なる創作ニーズを満たし、創作品質と効率を向上させることができる。

【0010】

なお、本部分に記載されたコンテンツは、本開示の実施例の肝心または重要な特徴を限定することを意図するものではなく、本開示の範囲を限定することを意図するものでもない。本開示の他の特徴は、以下の説明によって容易に理解されやすくなる。

【図面の簡単な説明】

【0011】

図面は、本技術案をよりよく理解するために使用されており、本出願を限定するものではない。

【図1】本出願の第１の実施例により提供されるテキストの創作方法のフローチャートである。

【図2】本出願の第２の実施例により提供される創作モデルのトレーニング方法のフローチャートである。

【図3】本出願の第２の実施例により提供されるテキストの創作方法の概略図である。

【図4】本出願の第３の実施例により提供されるテキストの創作方法のフローチャートである。

【図5】本出願の第４の実施例により提供されるテキストの創作方法のフローチャートである。

【図6】本出願の第５の実施例により提供されるテキストの創作方法のフローチャートである。

【図7】本出願の第６の実施例により提供されるテキストの創作方法のフローチャートである。

【図8】本出願の第７の実施例により提供されるテキストの創作方法のフローチャートである。

【図9】本出願の第８の実施例により提供されるテキストの創作方法のフローチャートである。

【図10】本出願の第９の実施例により提供されるテキストの創作方法のフローチャートである。

【図11】本出願の第１０の実施例により提供されるテキストの創作方法のフローチャートである。

【図12】本出願の第１１の実施例により提供されるテキストの創作方法のフローチャートである。

【図13】本出願の第１２の実施例により提供されるテキストの創作装置の概略構成図である。

【図14】本出願の第１３の実施例により提供されるテキストの創作装置の概略構成図である。

【図15】本出願の第１４の実施例により提供されるテキストの創作装置の概略構成図である。

【図16】本出願の第１５の実施例により提供されるテキストの創作装置の概略構成図である。

【図17】本出願の第１６の実施例により提供されるテキストの創作装置の概略構成図である。

【図18】本出願の実施例のテキストの創作方法を実現するための電子機器のブロック図である。

【発明を実施するための形態】

【0012】

以下、図面を組み合わせて本出願の例示的な実施例を説明し、理解を容易にするためにここでは本出願の実施例の様々な詳細事項を含んでおり、それらは単なる例示的なものと見なされるべきである。したがって、当業者は、本出願の範囲及び精神から逸脱することなく、ここで説明される実施例に対して様々な変更と修正を行うことができることを認識されたい。同様に、明確及び簡潔にするために、以下の説明では、周知の機能及び構造の説明を省略する。

【0013】

以下、図面を参照して本出願の実施例のテキストの創作方法、装置、機器及び記憶媒体を説明する。

【0014】

図１は本出願の第１の実施例により提供されるテキストの創作方法のフローチャートである。

【0015】

実際の応用では、補助創作の機能は比較的単一であり、例えば素材推薦の方式は通常キーワードの関連だけを有し、具体的な創作内容との関連性が弱く、創作の多様性のニーズを満たすことができない。

【0016】

本出願はテキストの創作方法を提供し、言語資料データを取得し、言語資料データをマークして、第１の創作限定要素を取得し、第１の創作目標を取得し、言語資料データと第１の創作限定要素を創作モデルに入力して、第１の創作目標とマッチングする第１の創作テキストを生成する。

【0017】

これにより、創作者に創作目標に合ったインスピレーションの参考を提供することを実現することができ、創作インスピレーションを得るスピードを向上させ、例えばタイトル、序言、要約、まとめなどの創作部品を推薦することができ、創作者が参考にするための修正提案を提出することもでき、創作品質を向上させ、同じ種類のコンテンツの定期的な創作や、同じ話題の再記述などの複数回の関連する創作過程を提案し、関連創作を加速させ、創作の多様性を実現し、異なる創作ニーズを満たし、創作品質と効率を向上させ、ユーザの使用体験を向上させる。具体的には以下の実施例の説明を参照する。

【0018】

具体的に、図１に示すように、当該テキストの創作方法は、以下のステップを含むことができる。

【0019】

ステップ１０１、言語資料データを取得する。

【0020】

ステップ１０２、言語資料データをマークして、第１の創作限定要素を取得する。

【0021】

本出願の実施例において、異なる創作ニーズのシーンに基づいて異なる言語資料データを選択することができ、ここで、娯楽ニュース、財経ニュース、評論型文章、文、段落及び章節などを言語資料データとすることができる。

【0022】

シーンの一例として、創作目標は要綱を生成することであり、言語資料データは章節であってもよく、もう１つのシーンの例として、創作目標は続書き推薦であり、言語資料データは文であってもよく、具体的には実際の応用に基づいて選択して設定する。

【0023】

本出願の実施例において、言語資料データをマークして、第１の創作限定要素を取得する方式はたくさんあり、異なる言語資料データは、応用シーンニーズに基づいて適切な方式を選択してマークし、第１の創作限定要素を取得することができ、以下のように例を挙げて説明する。

【0024】

一例として、直接言語資料データに対して文面特徴表記を行って、例えば文型（陳述、疑問、感嘆）などの文面制御パラメータ、または言語資料データの文の句読点と標識語を直接判断して文長などの文面制御パラメータを得て、予め設定された感情分類モデルによって言語資料データを分類して語気（陳述、分析、煽情など）などの文面制御パラメータを得て、上記文面制御パラメータを第１の創作限定要素とする。

【0025】

もう一例として、予め設定された領域分類器によって言語資料データを分類して、科学技術、スポーツ、社会、文化などの領域制御パラメータを第１の創作限定要素として取得する。

【0026】

なお、第１の創作限定要素は、長さ、文型（陳述、疑問、感嘆など）、語気（陳述、分析、煽情など）などを含む文面制御パラメータであってもよいし、普通、活発、学術、積極、マイナスなどを含むスタイル制御パラメータであってもよいし、科学技術、スポーツ、社会、文化などを含む領域制御パラメータであってもよいし、導入、背景、陳述、分析、移行、終了などを含む機能制御パラメータであってもよい。

【0027】

本出願の実施例において、具体的な創作シーンに基づいて１つまたは複数の制御パラメータを第１の創作限定要素として選択し、例えば、言語資料データは文「これは短い文ですか」であり、第１の創作限定要素として「長さ－短い」と「文型－疑問」の２つの制御パラメータを有する。

【0028】

ステップ１０３、第１の創作目標を取得する。

【0029】

ステップ１０４、言語資料データと第１の創作限定要素を創作モデルに入力して、第１の創作目標とマッチングする第１の創作テキストを生成する。

【0030】

なお、本出願の実施例において、創作モデルはトレーニングの方式によって形成される。本出願の後続の実施例において、当該創作モデルのトレーニング方法を開示するので、ここでは説明を省略する。

【0031】

本出願の実施例において、創作ニーズに基づいて１つまたは複数の創作目標を選択することができ、ここで、創作目標は、要綱の生成、創作、インスピレーションの激発、続書き推薦（全文続書き推薦、段落続書き推薦及び文内続書き推薦など）、最適化提案（全文最適化提案、段落最適化提案及び文内最適化提案）、潤色推薦、修辞提案、創作部品推薦及び創作多重化提案などの１つまたは複数を含むが、これらに限定されない。

【0032】

さらに、第１の創作目標を取得した後、言語資料データと第１の創作限定要素を創作モデルに入力して、第１の創作目標とマッチングする第１の創作テキストを生成し、なお、異なる第１の創作目標と第１の創作限定要素で生成された第１の創作テキストは異なり、以下のように例を挙げて説明する。

【0033】

１つ目の例は、創作モデルには複数のサブ創作サブモデルがあり、第１の創作目標に基づいて、創作モデルから第１の創作目標とマッチングする第１の創作サブモデルを取得し、トレーニング言語資料と第１の創作限定要素を第１の創作サブモデルに入力し、第１の創作サブモデルによって第１の創作テキストを生成する。

【0034】

より具体的に、言語資料データに基づいて、第１の創作サブモデルの第１の創作素材を取得し、第１の創作素材と第１の創作限定要素に基づいて、第１の創作テキストを生成する。

【0035】

２つ目の例は、創作モデルは１つだけであり、トレーニング言語資料と第１の創作限定要素を創作モデルに直接入力して、創作モデルが創作目標に基づいて第１の創作テキストを生成する。

【0036】

要約すると、本出願のテキストの創作方法は、言語資料データを取得し、言語資料データをマークして、第１の創作限定要素を取得し、第１の創作目標を取得し、言語資料データと第１の創作限定要素を創作モデルに入力して、第１の創作目標とマッチングする第１の創作テキストを生成する。これにより、関連性の高いテキストを創作し、異なる目標のテキストを創作し、創作の多様性を実現し、異なる創作ニーズを満たし、創作品質と効率を向上させることができる。

【0037】

上記実施例の説明に基づいて、創作モデルは予めトレーニングによって生成され、１つまたは複数の子創作モデルを含んでもよいことは理解することができ、具体的なトレーニングプロセスは図２と組み合わせて詳細に説明することが理解できる。

【0038】

図２は本出願の第２の実施例により提供される創作モデルのトレーニング方法のフローチャートである。

【0039】

図２に示すように、当該創作モデルトレーニング方法は以下のステップを含む。

【0040】

ステップ２０１、複数のトレーニング言語資料、及びトレーニング言語資料に対応するトレーニング創作テキストを取得する。

【0041】

ステップ２０２、トレーニング言語資料をマークして、トレーニング言語資料のトレーニング限定要素を取得する。

【0042】

本出願の実施例において、創作モデルの精度を保証するために、大量のトレーニング言語資料、及びトレーニング言語資料に対応するトレーニング創作テキストを取得することができ、ここで、１つのトレーニング言語資料は複数のトレーニング創作テキストに対応することができ、例えば、文Ａに対応するトレーニング創作テキストは、続書き推薦文１、文最適化提案２及び文修辞提案３などを含み、創作モデル応用の多様性をさらに向上させる。

【0043】

本出願の１つの実施例において、トレーニング限定要素は、長さ、文型（陳述、疑問、感嘆など）、語気（陳述、分析、煽情など）などを含む文面制御パラメータや、普通、活発、学術、積極、マイナスなどを含むスタイル制御パラメータや、科学技術、スポーツ、社会、文化などを含む領域制御パラメータや、導入、背景、陳述、分析、移行、終了などを含む機能制御パラメータなど、１つまたは複数の制御パラメータを含む。

【0044】

本出願の１つの実施例において、トレーニング言語資料をマークし、なお、上記で説明された一部の制御パラメータが直接表記可能（例えば長さ）であり、他の制御パラメータはそれぞれ分類器を構築し、ルール分類またはトレーニングされたテキスト分類モデルによって自動マークを完成する必要がある。

【0045】

ここで、ルール分類は文面特徴によって分類することであり、例えば文型（陳述、疑問、感嘆）は文の句読点と標識語によって直接判断でき、簡単に文面特徴によって制御パラメータを判断できない場合、まず分類器を構築し、テキスト分類モデルをトレーニングした後、テキスト分類モデルの予測結果に基づいて表記する必要がある。

【0046】

なお、テキスト分類モデルは、テキストサンプル及び対応する分類結果をトレーニングすることにより、例えばトレーニングテキストサンプルＸに対応する情緒１８などをニューラルネットワークモデルによってトレーニングしてテキスト分類モデルを生成し、テキストＡをテキスト分類モデルに入力して対応する情緒１８（例えば積極的、マイナスなど）分類を直接取得することができ、具体的にはシーンを用いてサンプルを選択し、分類アルゴリズムを用いてトレーニングしてテキスト分類モデルを取得することができる。

【0047】

ステップ２０３、トレーニング言語資料、トレーニング限定要素及びトレーニング創作テキストをトレーニングサンプルとして、初期の創作モデルに入力してトレーニングし、トレーニングされた創作モデルを生成する。

【0048】

本出願の実施例において、生成されたトレーニングされた創作モデルは１つであってもよいし、トレーニング言語資料をマークして複数のトレーニング限定要素を取得し、例えば「これは短い文ですか」は、トレーニング限定要素として「長さ－短い」と「文型－疑問」の２つの制御パラメータを同時に有する。

【0049】

なお、具体的なタスクに対して、通常、個別のトレーニングモデルが必要であり、生成されたトレーニングされた創作モデルは、要綱生成サブモデル、テキスト要素（タイトル、序言及び要約のまとめなど）生成サブモデル、テキスト生成サブモデル、創作テーマ生成サブモデル（インスピレーション激発など）、テキスト続書きサブモデル、テキスト潤色サブモデル、テキスト修辞サブモデル及びテキスト多重化サブモデルなどの複数であってもよい。

【0050】

本出願の実施例において、異なる創作サブモデルに対して、トレーニングの方式は同じでも異なる場合もあり、以下のように例を挙げて説明する。

【0051】

１つ目の例は、要綱生成サブモデルを例として、要綱生成シーンニーズに基づいて、１つまたは複数の制御パラメータ、及びその値の範囲（例えば長さ８－バイトなど）をトレーニング限定要素として決定し、トレーニング限定要素がマークされたトレーニング言語資料とトレーニング創作テキストを単語シーケンスまたは文字シーケンスなどの形式で初期の創作モデルに入力してトレーニングし、要綱生成サブモデルを生成し、これによって入力テキストＡを要綱生成サブモデルに入力した後、ニューラルネットワークエンコードとニューラルネットワークデコード処理を行った後、出力テキストＢを取得する。ここで、ニューラルネットワークエンコードとニューラルネットワークデコードは、ＬＳＴＭ（Ｌｏｎｇ Ｓｈｏｒｔ－Ｔｅｒｍ Ｍｅｍｏｒ１８、長期記憶ネットワーク）に基づくシーケンス生成モデル、Ｔｒａｎｓｆｏｒｍｅｒ（機械翻訳）に基づくシーケンス生成モデルなど、汎用的なニューラルネットワークシーケンス生成モデルであってもよい。

【0052】

なお、テキスト要素生成サブモデルも上記トレーニング方式によって取得でき、ここでは詳述しない。

【0053】

２つ目の例は、テキスト続書きサブモデルを例として、トレーニング言語資料をスライドウィンドウスキャンして、いくつかのトレーニング言語資料データを取得し、各トレーニング言語資料データはいくつかの入力テキストといくつかの理想的な出力テキストを含み、要綱生成シーンニーズに基づいて、１つまたは複数の制御パラメータ、及びその値の範囲をトレーニング限定要素として決定し、そしてトレーニング言語資料に対して、各トレーニング言語資料データのトレーニング限定要素を補完計算し、トレーニング限定要素を含むトレーニングデータは、テキスト続書きサブモデルが既存のテキストとトレーニング限定要素によって次の単語の確率分布を予測する能力をトレーニングするために使用されており、これによって、生成されたテキスト続書きサブモデルは、入力された創作済みのテキストに対して次の単語の確率分布を出力することができる。

【0054】

なお、創作テーマ生成サブモデルも上記トレーニング方式によって取得でき、ここでは詳述しない。

【0055】

３つ目の例は、テキスト潤色サブモデルを例として、すべてのトレーニング言語資料に対して、平行言語資料トレーニングの方式に従って、ノイズ低減オートエンコーダモデルを取得する必要があり、例えばテキストＣは、いくつかのランダム破壊（ランダム削除、追加、いくつかの単語を交換）を経て、元のテキストＤを生成した後、ノイズ低減オートエンコーダモデルに基づいて、トレーニングを継続し、タイプ１のテキストを入力し、出力テキストのタイプが２であるか否かを判断し、トレーニング損失を計算し（例えば損失関数で計算）、モデルに、生成時にタイプを変換する方法を学習させ、トレーニング損失を計算するプロセスでトレーニング限定要素の設定を重ね、これによって、生成されたテキスト潤色サブモデルは、入力テキスト１を処理して、意味が変わらないが、入力と出力のタイプが異なる出力テキスト２を取得することができる。

【0056】

なお、テキスト修辞サブモデルも上記トレーニング方式によって取得でき、ここでは詳述しない。

【0057】

なお、上記テキスト潤色サブモデルのトレーニング言語資料は、平行言語資料が不足し、ノイズ低減オートエンコーダなどのモデルを用いて擬似平行言語資料を生成してトレーニングに用いることができ、トレーニング限定要素を分類損失によってモデルに導入することはトレーニング限定要素を追加として導入する方式であり、例えばスタイル変換の創作目標において、スタイルＡをスタイルＢに変換する必要がある場合、１つのスタイルＡ／Ｂの分類器を介して、非平行言語資料で生成された創作モデルに対して損失を計算する必要があり、つまり、創作モデルはトレーニング時に、異なるトレーニング限定要素に基づいて創作モデルの確率に影響を与える方法を学んだ。タイトル生成という具体的なタスクにおいて、平行言語資料は、全文－＞（構造体またはオブジェクトへのポインタを使用して、内部メンバーにアクセスする）タイトルの生成をトレーニングすることに用いられ、創作モデルで学習したトレーニング限定要素は、依然として使用できる。

【0058】

４つ目の例は、テキスト生成サブモデルを例として、テキスト生成シーンニーズに基づいて、１つまたは複数の制御パラメータ、及びその値の範囲をトレーニング限定要素として決定し、トレーニング限定要素がマークされたトレーニング言語資料とトレーニング創作テキストをエンコーダによってエンコード（具体的なタイプに基づいてエンコードを行い、デジタルクラスはそのまま使用し、テキストクラスは先にエンコードが行われる）した後、初期の創作モデルに入力してトレーニングし、テキスト生成サブモデルを生成し、これによって構造化データをテキスト生成サブモデルに入力した後、ニューラルネットワークエンコードとニューラルネットワークデコード処理を行った後、出力テキストを取得する。

【0059】

つまり、平行言語資料ａ－＞ｂを有する創作目標は、平行言語資料を用いてトレーニングすることができ、トレーニング目標は具体的な創作目標を基準とし、創作目標の創作モデルを取得した後、Ｗを入力し、エンコード、デコードのステップに従って出力Ｚを取得することができ、入力シーケンスは単語シーケンスまたは文字シーケンスである可能性があり、中国語タスクに対して、文字シーケンスが好ましく、単語分割が必要とされず、具体的にはニーズに基づいて選択して設定する。

【0060】

例を挙げて言えば、図３に示すように、具体的な創作目標において、「タイトル生成」という創作目標を例とし、入力が創作内容であり、出力がタイトルであり、それぞれ図３における「入力テキスト」と「出力テキスト」に対応し、このようなトレーニング言語資料を使用することで、創作モデルのトレーニングを行うことができ、ここで、点線のボックスでマークされた部分はトレーニング段階でトレーニング限定要素によって初期化されるため、タイトル生成機能は、所要なトレーニング限定要素によって限定して結果を生成することもできる。例えば、「陳述」、「感嘆」、「疑問」の３つの文型を文型トレーニング限定要素としてトレーニングされた創作モデルに従って、実際の使用時に、ある文型を指定して、新しい入力テキストに対して、指定された文型のタイトルを生成することができる。

【0061】

なお、応用ニーズに基づいてトレーニング言語資料及びに対応するトレーニング創作テキストを選択して、上記１つまたは複数の方式によって対応する創作モデルを取得することができる。

【0062】

要約すると、本出願のテキストの創作方法は、複数のトレーニング言語資料、及びトレーニング言語資料に対応するトレーニング創作テキストを取得し、トレーニング言語資料をマークして、トレーニング言語資料のトレーニング限定要素を取得し、トレーニング言語資料、トレーニング限定要素及びトレーニング創作テキストをトレーニングサンプルとして、初期の創作モデルに入力してトレーニングし、トレーニングされた創作モデルを生成する。これにより、創作モデルの精度を保証し、創作モデル応用の多様性さらに向上させ、これによって関連性の高いテキスト、及び異なる目標のテキストを創作することができ、創作の多様性を実現し、異なる創作ニーズを満たし、創作品質と効率を向上させる。

【0063】

上記実施例の説明に基づいて、第１の創作テキストを生成した後、再度創作することができ、したがって、図４は本出願の第３の実施例により提供されるテキストの創作方法のフローチャートであり、図４に示すように、ステップ１０４の後、以下のステップをさらに含む。

【0064】

ステップ３０１、第１の創作サブモデルに関連する第２の創作サブモデルを取得し、ここで、第２の創作サブモデルの言語資料データは第１の創作テキストである。

【0065】

ステップ３０２、第１の創作テキストをマークして、第２の創作サブモデルに対応する第２の創作限定要素を取得する。

【0066】

ステップ３０３、第１の創作テキストと第２の創作限定要素を第２の創作サブモデルに入力して、第２の創作テキストを生成する。

【0067】

本出願の実施例において、第１の創作サブモデルと第２の創作サブモデルは同じでも異なっていてもよい、例えば要綱生成サブモデルとテキスト生成サブモデルであってもよいし、いずれもテキスト潤色サブモデルであってもよい。具体的には創作シーンニーズに基づいて第１の創作サブモデルと第２の創作サブモデルの関連を行う。

【0068】

本出願の実施例において、第１の創作テキストを生成した後、第１の創作テキストを言語資料データすなわち入力とし、第１の創作テキストをマークして、第２の創作サブモデルに対応する第２の創作限定要素を取得することができ、具体的な表記方式は上記実施例の説明を参照することができ、ここでは詳述しない。

【0069】

さらに、第１の創作テキストと第２の創作限定要素を第２の創作サブモデルに入力して、第２の創作テキストを生成し、なお、予め創作目標に基づいて対応する第２の創作サブモデルを関連し、これによって直接第２の創作サブモデルによって第１の創作テキストと第２の創作限定要素を処理して第２の創作テキストを取得する。

【0070】

要約すると、本出願の実施例のテキストの創作方法は、第１の創作サブモデルに関連する第２の創作サブモデルを取得し、ここで、第２の創作サブモデルの言語資料データが第１の創作テキストであり、第１の創作テキストをマークして、第２の創作サブモデルに対応する第２の創作限定要素を取得し、第１の創作テキストと第２の創作限定要素を第２の創作サブモデルに入力して、第２の創作テキストを生成する。これにより、第１の創作テキストに基づいて創作を継続することができ、関連性の高いテキストを創作することができ、創作効率と品質を向上させる。

【0071】

上記実施例の説明に基づいて、応用シーンニーズに基づいて、１つまたは複数の創作目標を有する創作テキストを生成することができ、すなわち第１の創作目標に基づいて、創作モデルから第１の創作目標とマッチングする第１の創作サブモデルを取得することができ、トレーニング言語資料と第１の創作限定要素を第１の創作サブモデルに入力し、第１の創作サブモデルによって第１の創作テキストを生成し、具体的に、言語資料データに基づいて、第１の創作サブモデルの第１の創作素材と第１の創作限定要素を取得して第１の創作テキストを生成し、すなわち異なる第１の創作サブモデルが異なる第１の創作テキストを生成し、創作の多様性ニーズを満たし、具体的には以下の図面５～１２と組み合わせて詳細に説明する。

【0072】

図５は本出願の第４の実施例により提供されるテキストの創作方法のフローチャートである。

【0073】

図５に示すように、第１の創作サブモデルが要綱生成サブモデルであり、言語資料データが第１のテキストであり、ステップ１０４は、以下のステップを含む。

【0074】

ステップ４０１、第１の創作目標に基づいて、創作モデルから第１の創作目標とマッチングする要綱生成サブモデルを取得する。

【0075】

ステップ４０２、第１のテキストと第１の創作限定要素を要綱生成サブモデルに入力して、第１のテキストにおける各段落に対して、段落のコンテンツのタイプを認識し、段落のタイプ特徴を取得する。

【0076】

ステップ４０３、段落のタイプ特徴に基づいて段落を分類して、段落集合を取得し、段落集合と段落集合に対応するタイプ特徴を第１の創作素材とし、第１の創作素材と第１の創作限定要素に基づいて、第１の創作テキストを生成する。

【0077】

本出願の実施例において、第１の創作目標は要綱生成であり、創作モデルから生成要綱に対応する要綱生成サブモデルを取得し、第１のテキストはニーズに基づいて選択された文章、例えば「評論型文章」であってもよいし、第１のテキストの段落をマークし統計することで、「イベントレビュー」、「関連エンティティ」及び「コメント観点」などの段落のタイプ特徴を生成することができ、実際の応用分野に基づいて選択して設定することができる。

【0078】

本出願の実施例において、応用分野内の文章段落に分類体系を構築し、段落に機能マークを付与することに基づいて、各文章が機能マークのシーケンスと見なすことができ、テキスト分類モデルを使用することにより自動的な段落機能マークを完成することができ、その後に統計することでよく使われる創作要綱を取得することができる。

【0079】

つまり、段落のコンテンツに対してタイプ認識を行って、「イベントレビュー」、「関連エンティティ」及び「コメント観点」などの段落のタイプ特徴を取得し、そしてデータ表記とテキスト分類モデルによって、段落を分類して段落集合に対応するタイプ特徴を第１の創作素材として取得し、提供された第１の創作限定要素（テーマまたはタイトルなど）に基づいて、第１の創作素材を加えて、異なるタイプの段落を生成し、自動生成された要綱に組み合わせる。

【0080】

要約すると、本出願の実施例のテキストの創作方法は、第１の創作目標に基づいて、創作モデルから第１の創作目標とマッチングする要綱生成サブモデルを取得し、第１のテキストと第１の創作限定要素を要綱生成サブモデルに入力して、第１のテキストにおける各段落に対して、段落のコンテンツのタイプを認識し、段落のタイプ特徴を取得し、段落のタイプ特徴に基づいて段落を分類して、段落集合を取得し、段落集合と段落集合に対応するタイプ特徴を第１の創作素材とし、第１の創作素材と第１の創作限定要素に基づいて、第１の創作テキストを生成する。これにより、正確な要綱を迅速に生成し、ユーザの創作ニーズを満たし、創作効率と品質を向上させることができる。

【0081】

図６は本出願の第５の実施例により提供されるテキストの創作方法のフローチャートである。

【0082】

図６に示すように、第１の創作サブモデルはテキスト要素生成サブモデルであり、言語資料データは第２のテキストであり、ステップ１０４は、以下のステップを含む。

【0083】

ステップ５０１、第１の創作目標に基づいて、創作モデルから第１の創作目標とマッチングするテキスト要素生成サブモデルを取得する。

【0084】

ステップ５０２、第２のテキストと第１の創作限定要素をテキスト要素生成サブモデルに入力して、第２のテキストのテキストテーマと主幹文を取得し、テキストテーマと主幹文を第１の創作素材とする。

【0085】

ステップ５０３、第１の創作素材と第１の創作限定要素に基づいて、第１の創作テキストを生成する。本出願の実施例において、生成された第１の創作テキストは、「タイトル」、「要約」、「序言」及び「タグ」などのテキスト要素である。

【0086】

本出願の実施例において、第１の創作目標は生成テキスト要素であり、創作モデルから生成テキスト要素に対応するテキスト要素生成サブモデルを取得し、第２のテキストはニーズに基づいて選択された文章であってもよい。

【0087】

つまり、第２のテキストのテーマを取得し、及び第２のテキストテーマを表すことができる主幹文は、１つまたは複数の文であってもよい、そのため、テキストテーマと主幹文を第１の創作素材として第１の創作限定要素と組み合わせて、第１の創作テキストを生成する。

【0088】

要約すると、本出願の実施例のテキストの創作方法は、第１の創作目標に基づいて、創作モデルから第１の創作目標とマッチングするテキスト要素生成サブモデルを取得し、第１のテキストと第１の創作限定要素をテキスト要素生成サブモデルに入力して、第２のテキストのテキストテーマと主幹文を取得し、テキストテーマと主幹文を第１の創作素材として、第１の創作素材と第１の創作限定要素に基づいて、第１の創作テキストを生成する。これにより、正確なテキスト要素を迅速に生成し、ユーザの創作ニーズを満たし、創作効率と品質を向上させることができる。

【0089】

図７は本出願の第６の実施例により提供されるテキストの創作方法のフローチャートである。

【0090】

図７に示すように、第１の創作サブモデルはテキスト生成サブモデルであり、言語資料データはキーワードであり、ステップ１０４は、以下のステップを含む。

【0091】

ステップ６０１、第１の創作目標に基づいて、創作モデルから第１の創作目標とマッチングするテキスト生成サブモデルを取得する。

【0092】

ステップ６０２、キーワードと第１の創作限定要素をテキスト要素生成サブモデルに入力して、キーワードに基づいて検索ルールを生成し、検索ルールに基づいてキーワードに対して素材検索を行って、第１の創作素材を取得する。

【0093】

ステップ６０３、第１の創作素材と第１の創作限定要素に基づいて、第１の創作テキストを生成する。

【0094】

本出願の実施例において、検索ルールは、検索時間、検索回数及び検索データなどの創作シーンに基づいて設定できる。

【0095】

本出願の実施例において、第１の創作目標は生成テキストであり、創作モデルから生成テキストに対応するテキスト生成サブモデルを取得し、キーワードはニーズに基づいて選択されたフレーズなどであってもよい。

【0096】

本出願の実施例において、キーワードが「毎日の財経の重要なニュースレビュー」であるような、形式が比較的固定的である創作の可能性があり、特定の固定的な方式に基づいて第１の創作素材を取得する必要があり、（「毎日の財経の重要なニュースレビュー」というキーワードを例として、１つの可能な第１の創作素材の取得方式は毎日午後５時で、データソースから「財経」系ニュース、及び今日の各財経指数の変動状況を取得する。）章節クラスタリング、自動要約、構造化データ生成テキストなどの技術により、素材を段落に変換し、第１の創作テキストを生成する。ここで、よく使われる技術的手段は、既存の章節を段落に変換する自動要約、またはデータを段落に変換する構造化データ生成テキストを含む。

【0097】

一例として、自動要約アルゴリズムは、章節を入力し及び段落を出力し、「毎日の財経の重要なニュースレビュー」というキーワードを例として、複数の素材文章をそれぞれ段落抽出する必要があり、この「段落抽出」のステップは、自動要約アルゴリズムによって完成され、第１の創作限定要素は、例えば「完全モデル生成／モデル生成と原文抽出の組み合わせ／完全原文抽出」などである。

【0098】

別の例として、構造化データ生成テキストは、データを入力し及び段落を出力し、「すべてのデータを表現する／一部のデータを表現する」や「正式なデータ記述／口語化されたデータ記述」などの第１の創作限定要素を制御する。

【0099】

なお、「完全モデル生成／モデル生成と原文抽出の組み合わせ／完全原文抽出」と「すべてのデータを表現する／一部のデータを表現する」は、簡単なルールによって、トレーニング言語資料に直接補足してテキスト生成サブモデルを生成することができ、「正式なデータ記述／口語化されたデータ記述」は、追加のデータ表記及びテキスト分類モデルのトレーニングを行ってトレーニング言語資料に補足してテキスト生成サブモデルを生成する必要がある。

【0100】

要約すると、本出願の実施例のテキストの創作方法は、第１の創作目標に基づいて、創作モデルから第１の創作目標とマッチングするテキスト生成サブモデルを取得し、キーワードと第１の創作限定要素をテキスト要素生成サブモデルに入力して、キーワードに基づいて検索ルールを生成し、検索ルールに基づいてキーワードに対して素材検索を行って、第１の創作素材を取得し、第１の創作素材と第１の創作限定要素に基づいて、第１の創作テキストを生成する。これにより、正確なテキストを迅速に生成し、ユーザの創作ニーズを満たし、創作効率と品質を向上させることができる。

【0101】

図８は本出願の第７の実施例により提供されるテキストの創作方法のフローチャートである。

【0102】

図８に示すように、第１の創作サブモデルは創作テーマ生成サブモデルであり、言語資料データはシードワードであり、ステップ１０４は、以下のステップを含む。

【0103】

ステップ７０１、第１の創作目標に基づいて、創作モデルから第１の創作目標とマッチングする創作テーマ生成サブモデルを取得する。

【0104】

ステップ７０２、シードワードと第１の創作限定要素を創作テーマ生成サブモデルに入力し、シードワードから第１のエンティティを抽出し、第１のエンティティに基づいて、予め構築された知識グラフから、第１のエンティティに関連する第２のエンティティを取得する。

【0105】

ステップ７０３、第１のエンティティと第２のエンティティとの間の関連関係を取得し、第２のエンティティと関連関係を第１の創作素材とし、第１の創作素材と第１の創作限定要素に基づいて、第１の創作テキストを生成する。

【0106】

本出願の実施例において、第１の創作目標は生成創作テーマであり、創作モデルから生成創作テーマに対応する創作テーマ生成サブモデルを取得する。

【0107】

本出願の実施例において、創作者で指定されたシードワード（例えばフレーズ、イベントなど）に基づいて始まり、予め構築された知識グラフによって「関連する概念」を推薦し、創作テーマ生成サブモデルによって「文章断片」を推薦し、創作者は、期待通りの推薦コンテンツを保留し、創作インスピレーションの準備が完成するまで、推薦コンテンツを取得し続けることができ、選択されたコンテンツを実際の創作の参考とする。

【0108】

例を挙げて言えば、ユーザの入力シードワード、娯楽ニュース（タイプ）、小明（人物）、小花が小明についてコメントすること（イベント）なども、熱に基づいて推薦することができる。

【0109】

本出願の実施例において、知識グラフは、エンティティ関連に基づいて構築されたエンティティ関係とエンティティの属性であり、入力シードワードに対応するエンティティから、関連するエンティティを推薦することができ、シードワードから断片を直接生成するもできる（創作テーマ生成サブモデルは、現在のコンテンツに基づいて、次の文字／単語の確率を予測し、このように循環する）。

【0110】

これにより、キーワード／フレーズ／イベントなどのシードワードをコアとして、関連コンテンツを拡張し、創作構想を構築し、創作効率を向上させることを実現する。

【0111】

要約すると、本出願の実施例のテキストの創作方法は、第１の創作目標に基づいて、創作モデルから第１の創作目標とマッチングする創作テーマ生成サブモデルを取得し、シードワードと第１の創作限定要素を創作テーマ生成サブモデルに入力し、シードワードから第１のエンティティを抽出し、第１のエンティティに基づいて、予め構築された知識グラフから、第１のエンティティに関連する第２のエンティティを取得し、第１のエンティティと第２のエンティティとの間の関連関係を取得し、第２のエンティティと関連関係を第１の創作素材とし、第１の創作素材と第１の創作限定要素に基づいて、第１の創作テキストを生成する。これにより、推薦テキストを迅速に生成し、ユーザの創作ニーズを満たし、創作効率と品質を向上させることができる。

【0112】

図９は本出願の第８の実施例により提供されるテキストの創作方法のフローチャートである。

【0113】

図９に示すように、第１の創作サブモデルはテキスト続書きサブモデルであり、言語資料データは創作済みのテキストであり、ステップ１０４は、以下のステップを含む。

【0114】

ステップ８０１、第１の創作目標に基づいて、創作モデルから第１の創作目標とマッチングするテキスト続書きサブモデルを取得する。

【0115】

ステップ８０２、創作済みのテキストと第１の創作限定要素をテキスト続書きサブモデルに入力し、創作済みのテキストを分割して、分割言語資料を第１の創作素材として形成する。

【0116】

ステップ８０３、第１の創作素材と第１の創作限定要素に基づいて、第１の創作テキストを生成する。

【0117】

本出願の実施例において、第１の創作目標はテキスト続書きであり、創作モデルからテキスト続書きに対応するテキスト続書きサブモデルを取得し、創作済みのテキストはニーズに基づいて選択できる。

【0118】

本出願の実施例において、分割言語資料は、文、段落、章節などの１つまたは複数であってもよい、文、段落または章節などを第１の創作素材とし、第１の創作限定要素を入力として、第１の創作テキストを生成する。

【0119】

本出願の実施例において、続書きは、完成した段落に基づいて、後続の段落のサンプルを推薦するという全文続書き推薦であってもよいし、完成した段落の局部に基づいて、本段落に関連するサンプルを推薦し、文体などを推薦するという段落続書き推薦であってもよいし、完成した文の局部に基づいて、本文後続の執筆方式などを推薦するという文内続書き推薦であってもよい。

【0120】

なお、実用性を高めるために、テキスト続書きサブモデルは、ユーザがインスピレーション激発段階で準備したコンテンツを受けたり、創作限定条件としてキーワードを追加指定したりする可能性がある。

【0121】

要約すると、本出願の実施例のテキストの創作方法は、第１の創作目標に基づいて、創作モデルから第１の創作目標とマッチングするテキスト続書きサブモデルを取得し、創作済みのテキストと第１の創作限定要素をテキスト続書きサブモデルに入力し、創作済みのテキストを分割して、分割言語資料を第１の創作素材として形成し、第１の創作素材と第１の創作限定要素に基づいて、第１の創作テキストを生成する。これにより、続書き推薦テキストを迅速に生成し、ユーザの創作ニーズを満たし、創作効率と品質を向上させることができる。

【0122】

図１０は本出願の第９の実施例により提供されるテキストの創作方法のフローチャートである。

【0123】

図１０に示すように、第１の創作サブモデルはテキスト潤色サブモデルであり、言語資料データは創作済みのテキストであり、ステップ１０４は、以下のステップを含む。

【0124】

ステップ９０１、第１の創作目標に基づいて、創作モデルから第１の創作目標とマッチングするテキスト潤色サブモデルを取得する。

【0125】

ステップ９０２、創作済みのテキストと第１の創作限定要素をテキスト潤色サブモデルに入力し、創作済みのテキストコンテンツに対して単語分割を行い、単語分割された性質を認識し、性質に基づいて単語分割から目標の分割された単語を第１の創作素材としてフィルタリングする。

【0126】

ステップ９０３、第１の創作素材と第１の創作限定要素に基づいて、第１の創作テキストを生成する。

【0127】

本出願の実施例において、第１の創作目標はテキスト潤色であり、創作モデルからテキスト潤色に対応するテキスト潤色サブモデルを取得し、創作済みのテキストはニーズに基づいて選択できる。

【0128】

本出願の実施例において、すべての単語について置換処理を行うのではなく、性質（例えば積極的、消極的など）に基づいて、分割された単語の中から目標の分割された単語を第１の創作素材としてフィルタリングし、創作効率を向上させることができる。

【0129】

本出願の実施例において、作成者が参考するように、高品質なテキスト言語資料に基づいて、テキスト潤色サブモデルは、１つの文に対して複数の潤色改作結果（例えばスタイル変換）を生成して、主に単語レベルの変更、すなわち単語レベルの最適化に注目することができる。

【0130】

例を挙げて言えば、例えば文内潤色推薦は、完成した文の局部に基づいて、単語粒度潤色方案を推薦する。

【0131】

要約すると、本出願の実施例のテキストの創作方法は、第１の創作目標に基づいて、創作モデルから第１の創作目標とマッチングするテキスト潤色サブモデルを取得し、創作済みのテキストと第１の創作限定要素をテキスト潤色サブモデルに入力し、創作済みのテキストコンテンツに対して単語分割を行い、分割された単語の性質を認識し、性質に基づいて単語分割から目標の分割された単語を第１の創作素材としてフィルタリングし、第１の創作素材と第１の創作限定要素に基づいて、第１の創作テキストを生成する。これにより、創作済みのテキストに対して潤色処理を行い、ユーザの創作ニーズを満たし、創作効率と品質を向上させることができる。

【0132】

図１１は本出願の第１０の実施例により提供されるテキストの創作方法のフローチャートである。

【0133】

図１１に示すように、第１の創作サブモデルはテキスト修辞サブモデルであり、言語資料データは創作済みのテキストであり、ステップ１０４は、以下のステップを含む。

【0134】

ステップ１００１、第１の創作目標に基づいて、創作モデルから第１の創作目標とマッチングするテキスト修辞サブモデルを取得する。

【0135】

ステップ１００２、創作済みのテキストと第１の創作限定要素をテキスト修辞サブモデルに入力し、創作済みのテキストから文を抽出し、抽出された文からエンティティと概念を第１の創作素材として認識する。

【0136】

ステップ１００３、第１の創作素材と第１の創作限定要素に基づいて、第１の創作テキストを生成する。

【0137】

本出願の実施例において、第１の創作目標はテキスト修辞であり、創作モデルからテキスト修辞に対応するテキスト修辞サブモデルを取得し、創作済みのテキストはニーズに基づいて選択できる。

【0138】

本出願の実施例において、比喩、引用などの修辞の使用は、創作結果の品質を向上させ、創作済みのテキストに基づいて、エンティティと概念（例えば「太陽」はエンティティであり、「天気」は概念である）などを第１の創作素材として認識し、第１の創作限定要素と組み合わせて、対応する修辞コンテンツである第１の創作テキストを生成し、創作者が参考にすることができる。

【0139】

例を挙げて言えば、文内修辞提案は、完成した文の局部に比喩、引用などの修辞提案を提供する。

【0140】

要約すると、本出願の実施例のテキストの創作方法は、第１の創作目標に基づいて、創作モデルから第１の創作目標とマッチングするテキスト修辞サブモデルを取得し、創作済みのテキストと第１の創作限定要素をテキスト修辞サブモデルに入力し、創作済みのテキストから文を抽出し、抽出された文からエンティティと概念を第１の創作素材として認識し、第１の創作素材と第１の創作限定要素に基づいて、第１の創作テキストを生成する。これにより、創作済みのテキストに対して修辞処理を行い、ユーザの創作ニーズを満たし、創作効率と品質を向上させることができる。

【0141】

図１２は本出願の第１１の実施例により提供されるテキストの創作方法のフローチャートである。

【0142】

図１２に示すように、第１の創作サブモデルはテキスト多重化サブモデルであり、言語資料データは創作済みのテキストであり、ステップ１０４は、以下のステップを含む。

【0143】

ステップ１１０１、第１の創作目標に基づいて、創作モデルから第１の創作目標とマッチングするテキスト多重化サブモデルを取得する。

【0144】

ステップ１１０２、創作済みのテキストと第１の創作限定要素をテキスト多重化サブモデルに入力し、創作済みのテキストを取得して、段落を抽出する。

【0145】

ステップ１１０３、創作済みのテキストの要約情報を取得し、要約情報に基づいて、要約情報に類似している第１の段落を取得し、及び／又は、段落におけるデータコンテンツを認識し、段落からデータコンテンツが予め設定された量を超えた第２の段落を選択する。

【0146】

ステップ１１０４、第１の段落と第２の段落を第１の創作素材として、第１の創作素材と第１の創作限定要素に基づいて、第１の創作テキストを生成する。

【0147】

本出願の実施例において、第１の創作目標はテキスト多重化であり、創作モデルからテキスト多重化に対応するテキスト多重化サブモデルを取得し、創作済みのテキストはニーズに基づいて選択できる。

【0148】

本出願の実施例において、創作が完成した後、創作済みのテキストに対する分析に基づいて、創作済みのテキストにおけるデータが密集している段落、または創作済みのテキストの要約と高度に類似しているコンテンツを認識し、創作者が自動作成方式を使用して後続の類似段落の作成を試みることを推薦し、ここで、予め設定された量は応用ニーズに基づいて選択して設定する。

【0149】

例を挙げて言えば、ある段落に大量のデータ型コンテンツが存在することを認識した場合（予め設定されたルールで判断する、例えば単語の繰り返し回数の統計など）、創作者が自動作成方式を使用して後続の類似段落の作成を試みることを推薦する。

【0150】

要約すると、本出願の実施例のテキストの創作方法は、第１の創作目標に基づいて、創作モデルから第１の創作目標とマッチングするテキスト多重化サブモデルを取得し、創作済みのテキストと第１の創作限定要素をテキスト多重化サブモデルに入力し、創作済みのテキストを取得して、段落を抽出し、創作済みのテキストの要約情報を取得し、要約情報に基づいて、要約情報に類似している第１の段落を取得し、及び／又は、段落におけるデータコンテンツを認識し、段落からデータコンテンツが予め設定された量を超えた第２の段落を選択し、第１の段落と第２の段落を第１の創作素材として、第１の創作素材と第１の創作限定要素に基づいて、第１の創作テキストを生成する。これにより、創作済みのテキストに対して多重化処理を行い、ユーザの創作ニーズを満たし、創作効率と品質を向上させることができる。

【0151】

上記実施例の説明に基づいて、使用シーン、ユーザ及び応用分野の異なるに基づいて、創作サブモデルを追加、削除、修正することができ、例えば、文、段落、章節などの言語資料データの各レベルの予め定義された問題に対する人工知能サブモデルによる認識に基づいて、段落の長さ、段落文間の受け入れと文法の最適化、文の長さ、句読点誤用、分段、図面密度などのレビューと修正の提案を与えることができる。

【0152】

上記実施例の説明に基づいて、本出願のテキストの創作方法は、創作プロセスの初めから終わりまで、いずれか環節においても人工知能の補助推薦と情報を得られるのを実現することができ、実際のニーズに基づいて人工知能の提案を参考にしたり、採用したりすることができ、良好な人間と機械との協同性を有し、創作の各環節で提供される推薦情報は完成した創作内容、創作中のコンテンツと強い関連性を有し、創作者が創作内容と参考コンテンツとの間で思考を転換することを回避し、創作者が自分の創作に集中でき、生成された創作テキストの制御可能性と多様性が一層高い。

【0153】

上記実施例を実現するために、本出願は、テキストの創作装置を提供する。

【0154】

図１３は本出願の第１２の実施例により提供されるテキストの創作装置の概略構成図である。

【0155】

図１３に示すように、当該テキストの創作装置１２は、第１の取得モジュール１２０と、第１のマークモジュール１２１と、第２の取得モジュール１２３と、第１の処理モジュール１２４と、を含むことができる。

【0156】

ここで、第１の取得モジュール１２０は、言語資料データを取得することに用いられる。

【0157】

第１のマークモジュール１２１は、前記言語資料データをマークして、第１の創作限定要素を取得することに用いられる。

【0158】

第２の取得モジュール１２３は、第１の創作目標を取得することに用いられる。

【0159】

第１の処理モジュール１２４は、前記言語資料データと前記第１の創作限定要素を創作モデルに入力して、前記第１の創作目標とマッチングする第１の創作テキストを生成することに用いられる。

【0160】

本出願の１つの実施例において、図１４に示すように、図１３に基づいて、第３の取得モジュール１２５と、第２のマークモジュール１２６と、トレーニングモジュール１２７と、をさらに含む。

【0161】

ここで、第３の取得モジュール１２５は、複数のトレーニング言語資料、及び前記トレーニング言語資料に対応するトレーニング創作テキストを取得することに用いられる。

【0162】

第２のマークモジュール１２６は、前記トレーニング言語資料をマークして、前記トレーニング言語資料のトレーニング限定要素を取得することに用いられる。

【0163】

トレーニングモジュール１２７は、前記トレーニング言語資料、前記トレーニング限定要素及び前記トレーニング創作テキストをトレーニングサンプルとし、初期の前記創作モデルに入力してトレーニングし、トレーニングされた前記創作モデルを生成することに用いられる。

【0164】

本出願の１つの実施例において、図１５に示すように、図１４に基づいて、第１の処理モジュール１２４は、取得ユニット１２４１と、処理ユニット１２４２と、を含む。

【0165】

取得ユニット１２４１は、前記第１の創作目標に基づいて、前記創作モデルから前記第１の創作目標とマッチングする第１の創作サブモデルを取得することに用いられる。

【0166】

処理ユニット１２４２は、前記トレーニング言語資料と前記第１の創作限定要素を第１の創作サブモデルに入力し、前記第１の創作サブモデルによって前記第１の創作テキストを生成することに用いられる。

【0167】

本出願の１つの実施例において、図１６に示すように、図１５に基づいて、前記装置は、第４の取得モジュール１２８と、第３のマークモジュール１２９と、第２の処理モジュール１２１０と、をさらに含む。

【0168】

ここで、第４の取得モジュール１２８は、前記第１の創作サブモデルに関連する第２の創作サブモデルを取得することに用いられ、ここで、前記第２の創作サブモデルの言語資料データは前記第１の創作テキストである。

【0169】

第３のマークモジュール１２９は、前記第１の創作テキストをマークして、前記第２の創作サブモデルに対応する第２の創作限定要素を取得することに用いられる。

【0170】

第２の処理モジュール１２１０は、前記第１の創作テキストと前記第２の創作限定要素を前記第２の創作サブモデルに入力して、第２の創作テキストを生成することに用いられる。

【0171】

本出願の１つの実施例において、図１７に示すように、図１５に基づいて、処理ユニット１２４２は、取得サブユニット１２４２１と、生成サブユニット１２４２２と、を含む。

【0172】

取得サブユニット１２４２１は、前記言語資料データに基づいて、前記第１の創作サブモデルの第１の創作素材を取得することに用いられる。

【0173】

生成サブユニット１２４２２は、前記第１の創作素材と前記第１の創作限定要素に基づいて、前記第１の創作テキストを生成することに用いられる。

【0174】

本出願の１つの実施例において、前記第１の創作サブモデルは要綱生成サブモデルであり、前記言語資料データは第１のテキストであり、ここで、前記取得サブユニット１２４２１は、具体的に、前記第１のテキストにおける各段落に対して、前記段落のコンテンツのタイプを認識して、前記段落のタイプ特徴を取得し、前記段落のタイプ特徴に基づいて前記段落を分類して、段落集合を取得し、前記段落集合と前記段落集合に対応するタイプ特徴を前記第１の創作素材とすることに用いられる。

【0175】

本出願の１つの実施例において、前記第１の創作サブモデルはテキスト要素生成サブモデルであり、前記言語資料データは第２のテキストであり、ここで、前記取得サブユニット１２４２１は、具体的に、前記第２のテキストのテキストテーマと主幹文を取得し、前記テキストテーマと前記主幹文を前記第１の創作素材とすることに用いられる。

【0176】

本出願の１つの実施例において、前記第１の創作サブモデルはテキスト生成サブモデルであり、前記言語資料データがキーワードであり、ここで、前記取得サブユニット１２４２１は、具体的に、前記キーワードに基づいて検索ルールを生成し、前記検索ルールに基づいて前記キーワードに対して素材検索を行って、第１の創作素材を取得することに用いられる。

【0177】

本出願の１つの実施例において、前記第１の創作サブモデルは創作テーマ生成サブモデルであり、前記言語資料データがシードワードであり、ここで、前記取得サブユニット１２４２１は、具体的に、前記シードワードから第１のエンティティを抽出し、前記第１のエンティティに基づいて、予め構築された知識グラフから、前記第１のエンティティに関連する第２のエンティティを取得し、前記第１のエンティティと前記第２のエンティティとの間の関連関係を取得し、前記第２のエンティティと前記関連関係を前記第１の創作素材とすることに用いられる。

【0178】

本出願の１つの実施例において、前記第１の創作サブモデルはテキスト続書きサブモデルであり、前記言語資料データは創作済みのテキストであり、ここで、前記取得サブユニット１２４２１は、具体的に、前記創作済みのテキストを分割して、分割言語資料を前記第１の創作素材として形成することに用いられる。

【0179】

本出願の１つの実施例において、前記第１の創作サブモデルはテキスト潤色サブモデルであり、前記言語資料データは創作済みのテキストであり、ここで、前記取得サブユニット１２４２１は、具体的に、前記創作済みのテキストコンテンツに対して単語分割を行い、前記分割された単語の性質を認識し、前記性質に基づいて前記分割された単語から目標の分割された単語を前記第１の創作素材としてフィルタリングすることに用いられる。

【0180】

本出願の１つの実施例において、前記第１の創作サブモデルはテキスト修辞サブモデルであり、前記言語資料データが創作済みのテキストであり、ここで、前記取得サブユニット１２４２１は、具体的に、前記創作済みのテキストから文を抽出し、抽出された前記文からエンティティと概念を前記第１の創作素材として認識することに用いられる。

【0181】

本出願の１つの実施例において、前記第１の創作サブモデルはテキスト多重化サブモデルであり、前記言語資料データが創作済みのテキストであり、ここで、前記取得サブユニットは、具体的に、前記創作済みのテキストを取得して段落を抽出し、前記創作済みのテキストの要約情報を取得し、前記要約情報に基づいて、前記要約情報に類似している第１の段落を取得し、及び／又は、前記段落におけるデータコンテンツを認識し、前記段落からデータコンテンツが予め設定された量を超えた第２の段落を選択し、前記第１の段落と前記第２の段落を前記第１の創作素材とすることに用いられる。

【0182】

要約すると、本出願のテキストの創作装置は、言語資料データを取得し、言語資料データをマークして、第１の創作限定要素を取得し、第１の創作目標を取得し、言語資料データと第１の創作限定要素を創作モデルに入力して、第１の創作目標とマッチングする第１の創作テキストを生成する。これにより、関連性の高いテキストを創作し、異なる目標のテキストを創作し、創作の多様性を実現し、異なる創作ニーズを満たし、創作品質と効率を向上させることができる。

【0183】

本出願の実施例によれば、本出願は、電子機器及び読み取り可能な記憶媒体をさらに提供する。

【0184】

図１８に示すように、それは本出願の実施例に係るテキストの創作方法の電子機器のブロック図である。電子機器は、ラップトップコンピュータ、デスクトップコンピュータ、ワークステーション、パーソナルデジタルアシスタント、サーバ、ブレードサーバ、メインフレーム、及び他の適切なコンピュータなどの様々な形式のデジタルコンピュータを表すことを目的とする。電子機器は、パーソナルデジタル処理、携帯電話、スマートフォン、ウェアラブルデバイス、他の同様のコンピューティングデバイスなどの様々な形式のモバイルデバイスを表すこともできる。本明細書で示されるコンポーネント、それらの接続と関係、及びそれらの機能は単なる例であり、本明細書の説明及び／又は要求される本出願の実現を制限することを意図したものではない。

【0185】

図１８に示すように、当該電子機器は、１つ又は複数のプロセッサ１８０１と、メモリ１８０２と、高速インターフェース及び低速インターフェースを含む各コンポーネントを接続するためのインターフェースと、を含む。各コンポーネントは、異なるバスで相互に接続され、共通のマザーボードに取り付けられるか、又は必要に応じて他の方式で取り付けることができる。プロセッサは、外部入力／出力装置（インターフェースに結合されたディスプレイデバイスなど）にＧＵＩの図形情報をディスプレイするためにメモリに記憶されている命令を含む、電子機器内に実行される命令を処理することができる。他の実施形態では、必要であれば、複数のプロセッサ及び／又は複数のバスを、複数のメモリとともに使用することができる。同様に、複数の電子機器を接続することができ、各電子機器は、部分的な必要な操作（例えば、サーバアレイ、ブレードサーバ、又はマルチプロセッサシステムとする）を提供することができる。図１８では、１つのプロセッサ１８０１を例とする。

【0186】

メモリ１８０２は、本出願により提供される非一時的なコンピュータ読み取り可能な記憶媒体である。ここで、前記メモリには、前記少なくとも１つのプロセッサが本出願により提供されるテキストの創作方法を実行できるように、少なくとも１つのプロセッサによって実行可能な命令が記憶されている。本出願の非一時的なコンピュータ読み取り可能な記憶媒体は、コンピュータが本出願により提供されるテキストの創作方法を実行するためのコンピュータ命令を記憶する。

【0187】

メモリ１８０２は、非一時的なコンピュータ読み取り可能な記憶媒体として、本出願の実施例におけるテキストの創作方法に対応するプログラム命令／モジュール（例えば、図１３に示す第１の取得モジュール１２０、第１のマークモジュール１２１、第２の取得モジュール１２３及び第１の処理モジュール１２４）ような、非一時的なソフトウェアプログラム、非一時的なコンピュータ実行可能なプログラム及びモジュールを記憶するために用いられる。プロセッサ１８０１は、メモリ１８０２に記憶されている非一時的なソフトウェアプログラム、命令及びモジュールを実行することによって、サーバの様々な機能アプリケーション及びデータ処理を実行し、すなわち上記方法の実施例におけるテキストの創作方法を実現する。

【0188】

メモリ１８０２は、プログラム記憶領域とデータ記憶領域とを含むことができ、ここで、プログラム記憶領域は、オペレーティングシステム、少なくとも１つの機能に必要なアプリケーションプログラムを記憶することができ、データ記憶領域は、テキストの創作方法に基づく電子機器の使用によって作成されたデータなどを記憶することができる。また、メモリ１８０２は、高速ランダムアクセスメモリを含むことができ、非一時的なメモリをさらに含むことができ、例えば、少なくとも１つのディスクストレージデバイス、フラッシュメモリデバイス、又は他の非一時的なソリッドステートストレージデバイスである。いくつかの実施例では、メモリ１８０２は、プロセッサ１８０１に対して遠隔に設置されたメモリを選択的に含むことができ、これらの遠隔メモリは、ネットワークを介してテキストの創作方法の電子機器に接続されることができる。上記ネットワークの例は、インターネット、イントラネット、ローカルエリアネットワーク、モバイル通信ネットワーク、及びその組み合わせを含むが、これらに限定されない。

【0189】

テキストの創作方法の電子機器は、入力装置１８０３と出力装置１８０４とをさらに含むことができる。プロセッサ１８０１、メモリ１８０２、入力装置１８０３、及び出力装置１８０４は、バス又は他の方式を介して接続することができ、図１８では、バスを介して接続することを例とする。

【0190】

入力装置１８０３は、入力された数字又は文字情報を受信することができ、及びテキストの創作方法の電子機器のユーザ設定及び機能制御に関するキー信号入力を生成することができ、例えば、タッチスクリーン、キーパッド、マウス、トラックパッド、タッチパッド、ポイディングデバイス、１つ又は複数のマウスボタン、トラックボール、ジョイスティックなどの入力装置である。出力装置１８０４は、ディスプレイデバイス、補助照明デバイス（例えば、ＬＥＤ）、及び触覚フィードバックデバイス（例えば、振動モータ）などを含むことができる。当該ディスプレイデバイスは、液晶ディスプレイ（ＬＣＤ）、発光ダイオード（ＬＥＤ）ディスプレイ、及びプラズマディスプレイを含むことができるが、これらに限定されない。いくつかの実施形態では、ディスプレイデバイスは、タッチスクリーンであってもよい。
本出願の実施例によれば、コンピュータプログラムが提供される。当該コンピュータプログラムにおける命令が実行された場合に、本出願の実施例のテキストの創作方法が実行される。

【0191】

本明細書で説明されるシステムと技術の様々な実施形態は、デジタル電子回路システム、集積回路システム、特定用途向けＡＳＩＣ（特定用途向け集積回路）、コンピュータハードウェア、ファームウェア、ソフトウェア、及び／又はそれらの組み合わせで実現することができる。これらの様々な実施形態は、１つ又は複数のコンピュータプログラムで実施されることを含むことができ、当該１つ又は複数のコンピュータプログラムは、少なくとも１つのプログラマブルプロセッサを含むプログラム可能なシステムで実行及び／又は解釈されることができ、当該プログラマブルプロセッサは、特定用途向け又は汎用プログラマブルプロセッサであってもよく、ストレージシステム、少なくとも１つの入力装置、及び少なくとも１つの出力装置からデータ及び命令を受信し、データ及び命令を当該ストレージシステム、当該少なくとも１つの入力装置、及び当該少なくとも１つの出力装置に伝送することができる。

【0192】

これらのコンピューティングプログラム（プログラム、ソフトウェア、ソフトウェアアプリケーション、又はコードとも呼ばれる）は、プログラマブルプロセッサの機械命令を含むことができ、高レベルのプロセス及び／又はオブジェクト指向プログラミング言語、及び／又はアセンブリ／機械言語でこれらのコンピューティングプログラムを実施することができる。本明細書で使用されるように、「機械読み取り可能な媒体」及び「コンピュータ読み取り可能な媒体」という用語は、機械命令及び／又はデータをプログラマブルプロセッサに提供するために使用される任意のコンピュータプログラム製品、機器、及び／又は装置（例えば、磁気ディスク、光ディスク、メモリ、プログラマブルロジックデバイス（ＰＬＤ））を指し、機械読み取り可能な信号である機械命令を受信する機械読み取り可能な媒体を含む。「機械読み取り可能な信号」という用語は、機械命令及び／又はデータをプログラマブルプロセッサに提供するための任意の信号を指す。

【0193】

ユーザとのインタラクションを提供するために、ここで説明されているシステム及び技術をコンピュータ上で実施することができ、当該コンピュータは、ユーザに情報を表示するためのディスプレイ装置（例えば、ＣＲＴ（陰極線管）又はＬＣＤ（液晶ディスプレイ）モニタ）と、キーボード及びポインティングデバイス（例えば、マウス又はトラックボール）とを有し、ユーザは、当該キーボード及び当該ポインティングデバイスによって入力をコンピュータに提供することができる。他の種類の装置は、ユーザとのインタラクションを提供するために用いられることもでき、例えば、ユーザに提供されるフィードバックは、任意の形式のセンシングフィードバック（例えば、視覚フィードバック、聴覚フィードバック、又は触覚フィードバック）であってもよく、任意の形式（音響入力と、音声入力と、触覚入力とを含む）でユーザからの入力を受信することができる。

【0194】

ここで説明されるシステム及び技術は、バックエンドコンポーネントを含むコンピューティングシステム（例えば、データサーバとする）、又はミドルウェアコンポーネントを含むコンピューティングシステム（例えば、アプリケーションサーバー）、又はフロントエンドコンポーネントを含むコンピューティングシステム（例えば、グラフィカルユーザインタフェース又はウェブブラウザを有するユーザコンピュータ、ユーザは、当該グラフィカルユーザインタフェース又は当該ウェブブラウザによってここで説明されるシステム及び技術の実施形態とインタラクションする）、又はこのようなバックエンドコンポーネントと、ミドルウェアコンポーネントと、フロントエンドコンポーネントの任意の組み合わせを含むコンピューティングシステムで実施することができる。任意の形式又は媒体のデジタルデータ通信（例えば、通信ネットワーク）によってシステムのコンポーネントを相互に接続することができる。通信ネットワークの例は、ローカルエリアネットワーク（ＬＡＮ）と、ワイドエリアネットワーク（ＷＡＮ）と、インターネットとを含む。

【0195】

コンピュータシステムは、クライアントとサーバとを含むことができる。クライアントとサーバは、一般的に、互いに離れており、通常に通信ネットワークを介してインタラクションする。対応するコンピュータ上で実行され、互いにクライアント－サーバ関係を有するコンピュータプログラムによってクライアントとサーバとの関係が生成される。

【0196】

本出願の実施例の技術案によれば、言語資料データを取得し、言語資料データをマークして、第１の創作限定要素を取得し、第１の創作目標を取得し、言語資料データと第１の創作限定要素を創作モデルに入力して、第１の創作目標とマッチングする第１の創作テキストを生成する。これにより、関連性の高いテキストを創作し、異なる目標のテキストを創作し、創作の多様性を実現し、異なる創作ニーズを満たし、創作品質と効率を向上させることができる。

【0197】

上記に示される様々な形式のフローを使用して、ステップを並べ替え、追加、又は削除することができることを理解されたい。例えば、本出願に記載されている各ステップは、並列に実行されてもよいし、順次的に実行されてもよいし、異なる順序で実行されてもよいが、本出願で開示されている技術案の所望の結果を実現することができれば、本明細書では限定されない。

【0198】

上記具体的な実施形態は、本出願に対する保護範囲の制限を構成するものではない。当業者は、設計要件と他の要因に応じて、様々な修正、組み合わせ、サブコンビネーション、及び代替を行うことができる。本出願の精神と原則内で行われる任意の修正、同等の置換、及び改善などは、いずれも本出願の保護範囲内に含まれなければならない。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】

【図15】

【図16】

【図17】

【図18】