(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210194040.9 (22)申请日 2022.03.01 (71)申请人 腾讯科技 （深圳） 有限公司 地址 518057 广东省深圳市南 山区高新区 科技中一路腾讯大厦3 5层 (72)发明人 邓文超　 (74)专利代理 机构 广州三环 专利商标代理有限 公司 44202 专利代理师 贾允 (51)Int.Cl. G06F 16/34(2019.01) G06F 16/35(2019.01) G06F 16/36(2019.01) G06F 16/338(2019.01) G06F 40/30(2020.01)G06F 40/258(2020.01) (54)发明名称 标签描述信息的生成方法、 装置、 电子设备 及存储介质 (57)摘要 本申请公开了一种标签描述信息的生成方 法、 装置、 电子设备及存储介质， 该生成方法包 括： 获取待描述标签对应的对象集合和对象集合 中各对象关于待描述标签的关联程度值； 对象集 合包括多个不同的对象； 各对象均通过待描述标 签进行表征； 基于关联程度值， 对对象集合中各 对象进行排序， 得到排序结果； 将排序结果中前 预设数量个对象的标题进行拼接处理， 得到拼接 后的标题； 根据已训练的描述信息生成模型， 对 拼接后的标题进行语义理解， 得到待描述标签对 应的描述信息； 描述信息包括待描述标签的中文 语义信息。 本申请可以解决现有技术中人工生成 标签描述信息存在耗费人力和效果差的问题， 可 以提高标签描述信息的生成效率和准确度。 权利要求书3页 说明书12页 附图5页 CN 114610867 A 2022.06.10 CN 114610867 A 1.一种标签描述信息的生成方法， 其特 征在于， 包括： 获取待描述标签对应的对象集合和所述对象集合中各对象关于所述待描述标签的关 联程度值； 所述对 象集合包括多个不同的对 象； 所述各对 象均通过所述待描述标签进行表 征； 所述待 描述标签为预设字符形式； 基于所述关联程度值， 对所述对象集 合中各对象进行排序， 得到排序结果； 将所述排序结果中前 预设数量个对象的标题进行拼接处 理， 得到拼接后的标题； 根据已训练的描述信息生成模型， 对所述拼接后的标题进行语义理解， 得到所述待描 述标签对应的描述信息； 所述描述信息包括所述待 描述标签的中文语义信息 。 2.根据权利要求1所述的标签描述信 息的生成方法， 其特征在于， 所述描述信 息生成模 型的生成方式， 包括： 获取预训练好的语言模型； 获取训练标签对应的训练对象集合和所述训练对象集合中各训练对象关于所述训练 标签的关联程度值； 所述训练对 象集合包括多个不同的训练对 象； 所述训练对 象集合中各 训练对象均通过 所述训练标签进行表征； 所述训练标签为预设字符形式； 基于所述各训练对象关于所述训练标签的关联程度值， 对所述各训练对象进行排序， 得到排序结果； 将所述排序结果中前预设数量个训练对象的标题进行拼接处理， 得到拼接后的训练标 题； 根据获取的所述训练标签对应的目标描述信 息和所述训练标题， 对所述预训练好的语 言模型进行微调训练， 在达 到预设的微调结束条件时， 得到所述描述信息生成模型。 3.根据权利要求2所述的标签描述信 息的生成方法， 其特征在于， 所述根据获取的所述 训练标签对应的目标描述信息和所述训练标题， 对所述预训练好的语言模型进行微调训 练， 在达到预设的微调结束条件时， 得到所述描述信息生成模型， 包括： 将所述训练标题输入所述预训练好的语言模型， 得到预测描述信息； 根据所述目标描述信息和所述预测描述信息确定损失值； 基于所述损失值调 整所述预训练好的语言模型的模型参数进行训练， 在达到所述预设 的微调结束条件时， 得到所述描述信息生成模型。 4.根据权利要求1所述的标签描述信 息的生成方法， 其特征在于， 所述描述信 息生成模 型的生成方式， 包括： 获取预训练好的语言模型； 获取训练标签对应的训练对象集合和所述对象集合和所述训练对象集合中各训练对 象关于所述训练标签的关联程度值； 所述训练对 象集合包括多个不同的训练对 象； 所述训 练对象集 合中各对象均通过 所述训练标签进行表征； 所述训练标签为预设字符形式； 基于所述各训练对象关于所述训练标签的关联程度值， 对所述各训练对象进行排序， 得到排序结果； 将所述排序结果中前预设数量个训练对象的标题进行拼接处理， 得到拼接后的训练标 题； 根据预设特征提取算法对所述训练标题进行特征提取， 得到所述训练标题的特征信 息； 所述特 征信息包括分类信息和/或关键词信息；权　利　要　求　书 1/3 页 2 CN 114610867 A 2根据获取的所述训练标签对应的目标描述信息、 所述训练标题和所述特征信息， 对所 述预训练好的语言模型进行微调训练， 在达到预设的微调结束条件时， 得到所述描述信息 生成模型。 5.根据权利要求2或4所述的标签描述信息的生成方法， 其特征在于， 所述获取预训练 好的语言模型， 包括： 获取预训练文本语料和未训练的语言模型； 通过至少一种处理方式， 对所述预训练文本语料进行处理； 所述处理方式包括： 随机对 所述预训练文本语料中部分连续或非连续文本进 行替换处理、 随机删除所述预训练文本语 料中的部分文本、 对所述预训练文本语料进行乱序处 理； 将处理后的预训练文本语料作为所述未训练 的语言模型的输入， 得到所述未训练的语 言模型输出的预测文本； 根据所述预测文本和 原始预训练文本语料确定损失值， 基于所述损失值对所述未训练 的语言模型 的模型参数进行训练， 在达到预设的预训练结束条件时， 得到所述预训练好的 语言模型。 6.根据权利要求1所述的标签描述信 息的生成方法， 其特征在于， 所述将所述排序 结果 中前预设数量个对象的标题进行拼接处 理， 得到拼接后的标题， 包括： 将所述排序结果中前预设数量个对象的标题以预设分隔符进行拼接， 得到拼接后的标 题。 7.根据权利要求1 ‑6任一项所述的标签描述信 息的生成方法， 其特征在于， 所述对象包 括文本形式的文章； 所述标题为表征 所述文章 正文内容的文章标题； 所述标签是根据标签识别模型对所述文章正文内容和/或所述文章标题进行识别得到 的。 8.一种标签描述信息的生成装置， 其特 征在于， 包括： 获取模块， 用于获取待描述标签对应的对象集合和所述对象集合中各对象关于所述待 描述标签的关联程度值； 所述对 象集合包括多个不同的对 象； 所述各对 象均通过所述待描 述标签进行表征； 所述待 描述标签为预设字符形式； 排序模块， 用于基于所述关联程度值， 对所述对象集合中各对象进行排序， 得到排序 结 果； 处理模块， 用于将所述排序结果中前预设数量个对象的标题进行拼接处理， 得到拼接 后的标题； 生成模块， 用于根据已训练的描述信 息生成模型， 对所述拼接后的标题进行语义理解， 得到所述待描述标签对应的描述信息； 所述描述信息包括所述待描述标签的中文语义信 息。 9.一种电子设备， 其特征在于， 所述电子设备包括处理器和存储器， 所述存储器中存储 有至少一条指 令或至少一段程序， 所述至少一条指 令或所述至少一段程序由所述处理器加 载并执行以实现如权利要求1 ‑7任一项所述的标签描述信息的生成方法。 10.一种计算机存储介质， 其特征在于， 所述存储介质中存储有至少一条指令或至少一 段程序， 所述至少一条指令或至少一段程序由处理器加载并执行以实现如权利要求1 ‑7任权　利　要　求　书 2/3 页 3 CN 114610867 A 3