本技術(shù)涉及自然語(yǔ)言處理，尤其涉及一種應(yīng)用于對(duì)話的摘要生成方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、目前，隨著電子設(shè)備錄制音頻或錄制視頻來(lái)記錄事件的普及，記錄會(huì)議的方式又變得多種多樣，除了文字記錄的方式，音頻和視頻也越來(lái)越多的被使用。例如：對(duì)大型內(nèi)容進(jìn)行速記形式的文字記錄，方便文字直播或發(fā)表新聞稿；或者，對(duì)每周例會(huì)進(jìn)行音視頻錄制，方便日后查檔調(diào)閱等等。

2、現(xiàn)有一種會(huì)議摘要生成方法，即使用人工智能模型生成對(duì)話摘要，例如會(huì)議摘要，會(huì)對(duì)會(huì)議內(nèi)容整體的重點(diǎn)部分進(jìn)行摘要生成。

3、然而，申請(qǐng)人發(fā)現(xiàn)傳統(tǒng)的會(huì)議摘要生成方法并不會(huì)區(qū)分會(huì)議上說(shuō)話人的不同。因?yàn)榇祟?lèi)對(duì)話類(lèi)型的數(shù)據(jù)有不同的說(shuō)話人，每個(gè)說(shuō)話人的對(duì)對(duì)話內(nèi)容的關(guān)注點(diǎn)是不一致的，特別是在多人對(duì)話中，說(shuō)話人a的關(guān)注點(diǎn)會(huì)更多的放在自己說(shuō)話內(nèi)容的上下文中，對(duì)其他人之間互動(dòng)內(nèi)容關(guān)注較少。

4、由此可見(jiàn)，傳統(tǒng)的會(huì)議摘要生成方法無(wú)法生成與不同角色對(duì)應(yīng)的會(huì)議摘要。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)實(shí)施例的目的在于提出一種應(yīng)用于對(duì)話的摘要生成方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，傳統(tǒng)的會(huì)議摘要生成方法無(wú)法生成與不同角色對(duì)應(yīng)的會(huì)議摘要的問(wèn)題。

2、為了解決上述技術(shù)問(wèn)題，本技術(shù)實(shí)施例提供一種應(yīng)用于對(duì)話的摘要生成方法，采用了如下所述的技術(shù)方案：

3、獲取待處理的原始對(duì)話數(shù)據(jù)；

4、對(duì)所述原始對(duì)話數(shù)據(jù)進(jìn)行標(biāo)注操作，得到標(biāo)注對(duì)話數(shù)據(jù)；

5、根據(jù)所述標(biāo)注對(duì)話數(shù)據(jù)構(gòu)建levi?graph圖，并根據(jù)所述levi?graph圖對(duì)所述標(biāo)注對(duì)話數(shù)據(jù)進(jìn)行圖編碼操作，得到圖編碼數(shù)據(jù)；

6、對(duì)所述圖編碼數(shù)據(jù)進(jìn)行第一特征加權(quán)操作，得到第一加權(quán)特征向量；

7、根據(jù)bart模型的編碼器對(duì)所述標(biāo)注對(duì)話數(shù)據(jù)進(jìn)行文本編碼操作，得到文本編碼數(shù)據(jù)；

8、對(duì)所述文本編碼數(shù)據(jù)進(jìn)行第二特征加權(quán)操作，得到第二加權(quán)特征向量；

9、根據(jù)otk融合模型對(duì)所述第一加權(quán)特征向量以及所述第二加權(quán)特征向量進(jìn)行拼接操作，得到拼接特征向量；

10、根據(jù)bart模型的解碼器對(duì)所述拼接特征向量進(jìn)行解碼操作，得到會(huì)議摘要生成文本。

11、進(jìn)一步的，所述對(duì)所述圖編碼數(shù)據(jù)進(jìn)行第一特征加權(quán)操作，得到第一加權(quán)特征向量的步驟，具體包括下述步驟：

12、將所述圖編碼數(shù)據(jù)輸入至rgcn層進(jìn)行最大池化操作，得到最大池化數(shù)據(jù)；

13、將所述最大池化數(shù)據(jù)輸入至第一密度層進(jìn)行第一線性變換操作，得到第一線性變化數(shù)據(jù)；

14、根據(jù)自注意力機(jī)制對(duì)所述第一線性變化數(shù)據(jù)進(jìn)行第一特征加權(quán)操作，得到所述第一加權(quán)特征向量。

15、進(jìn)一步的，所述對(duì)所述文本編碼數(shù)據(jù)進(jìn)行第二特征加權(quán)操作，得到第二加權(quán)特征向量的步驟，具體包括下述步驟：

16、將所述文本編碼數(shù)據(jù)輸入至第二密度層進(jìn)行第二線性變化操作，得到第二線性變化數(shù)據(jù)；

17、根據(jù)自注意力機(jī)制對(duì)所述第二線性變化數(shù)據(jù)進(jìn)行第二特征加權(quán)操作，得到第二加權(quán)特征向量。

18、進(jìn)一步的，在所述根據(jù)otk融合模型對(duì)所述第一加權(quán)特征向量以及所述第二加權(quán)特征向量進(jìn)行拼接操作，得到拼接特征向量的步驟之后，還包括下述步驟：

19、將所述拼接特征向量分別輸入兩個(gè)多層感知機(jī)層，得到兩個(gè)多層感知特征；

20、分別將所述兩個(gè)多層感知特征映射到特征向量維度的一般特征上，得到加強(qiáng)拼接特征向量；

21、所述根據(jù)bart模型的解碼器對(duì)所述拼接特征向量進(jìn)行解碼操作，得到會(huì)議摘要生成文本的步驟，具體包括下述步驟：

22、根據(jù)bart模型的解碼器對(duì)所述加強(qiáng)拼接特征向量進(jìn)行解碼操作，得到所述會(huì)議摘要生成文本。

23、進(jìn)一步的，所述根據(jù)bart模型的解碼器對(duì)所述拼接特征向量進(jìn)行解碼操作，得到會(huì)議摘要生成文本的步驟，具體包括下述步驟：

24、將所述拼接特征向量輸入至第三密度層進(jìn)行第三線性變化操作，得到第三線性變化數(shù)據(jù)；

25、根據(jù)自注意力機(jī)制對(duì)所述第三線性變化數(shù)據(jù)進(jìn)行第三特征加權(quán)操作，得到第三加權(quán)特征向量；

26、將所述第三加權(quán)特征向量輸入至bart模型的解碼器進(jìn)行解碼操作，得到會(huì)議摘要生成結(jié)果。

27、為了解決上述技術(shù)問(wèn)題，本技術(shù)實(shí)施例還提供一種應(yīng)用于對(duì)話的摘要生成裝置，采用了如下所述的技術(shù)方案：

28、原始數(shù)據(jù)獲取模塊，用于獲取待處理的原始對(duì)話數(shù)據(jù)；

29、標(biāo)注模塊，用于對(duì)所述原始對(duì)話數(shù)據(jù)進(jìn)行標(biāo)注操作，得到標(biāo)注對(duì)話數(shù)據(jù)；

30、圖編碼模塊，用于根據(jù)所述標(biāo)注對(duì)話數(shù)據(jù)構(gòu)建levi?graph圖，并根據(jù)所述levigraph圖對(duì)所述標(biāo)注對(duì)話數(shù)據(jù)進(jìn)行圖編碼操作，得到圖編碼數(shù)據(jù)；

31、第一特征加權(quán)模塊，用于對(duì)所述圖編碼數(shù)據(jù)進(jìn)行第一特征加權(quán)操作，得到第一加權(quán)特征向量；

32、文本編碼模塊，用于根據(jù)bart模型的編碼器對(duì)所述標(biāo)注對(duì)話數(shù)據(jù)進(jìn)行文本編碼操作，得到文本編碼數(shù)據(jù)；

33、第二特征加權(quán)模塊，用于對(duì)所述文本編碼數(shù)據(jù)進(jìn)行第二特征加權(quán)操作，得到第二加權(quán)特征向量；

34、特征拼接模塊，用于根據(jù)otk融合模型對(duì)所述第一加權(quán)特征向量以及所述第二加權(quán)特征向量進(jìn)行拼接操作，得到拼接特征向量；

35、解碼模塊，用于根據(jù)bart模型的解碼器對(duì)所述拼接特征向量進(jìn)行解碼操作，得到會(huì)議摘要生成文本。

36、進(jìn)一步的，所述第一特征加權(quán)模塊包括：

37、最大池化子模塊，用于將所述圖編碼數(shù)據(jù)輸入至rgcn層進(jìn)行最大池化操作，得到最大池化數(shù)據(jù)；

38、第一線性變換子模塊，用于將所述最大池化數(shù)據(jù)輸入至第一密度層進(jìn)行第一線性變換操作，得到第一線性變化數(shù)據(jù)；

39、第一特征加權(quán)子模塊，用于根據(jù)自注意力機(jī)制對(duì)所述第一線性變化數(shù)據(jù)進(jìn)行第一特征加權(quán)操作，得到所述第一加權(quán)特征向量。

40、進(jìn)一步的，所述第二特征加權(quán)模塊包括：

41、第二線性變化子模塊，用于將所述文本編碼數(shù)據(jù)輸入至第二密度層進(jìn)行第二線性變化操作，得到第二線性變化數(shù)據(jù)；

42、第二特征加權(quán)子模塊，用于根據(jù)自注意力機(jī)制對(duì)所述第二線性變化數(shù)據(jù)進(jìn)行第二特征加權(quán)操作，得到第二加權(quán)特征向量。

43、為了解決上述技術(shù)問(wèn)題，本技術(shù)實(shí)施例還提供一種計(jì)算機(jī)設(shè)備，采用了如下所述的技術(shù)方案：

44、包括存儲(chǔ)器和處理器，所述存儲(chǔ)器中存儲(chǔ)有計(jì)算機(jī)可讀指令，所述處理器執(zhí)行所述計(jì)算機(jī)可讀指令時(shí)實(shí)現(xiàn)如上所述的應(yīng)用于對(duì)話的摘要生成方法的步驟。

45、為了解決上述技術(shù)問(wèn)題，本技術(shù)實(shí)施例還提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，采用了如下所述的技術(shù)方案：

46、所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)上存儲(chǔ)有計(jì)算機(jī)可讀指令，所述計(jì)算機(jī)可讀指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上所述的應(yīng)用于對(duì)話的摘要生成方法的步驟。

47、本技術(shù)提供了一種應(yīng)用于對(duì)話的摘要生成方法，包括：獲取待處理的原始對(duì)話數(shù)據(jù)；對(duì)所述原始對(duì)話數(shù)據(jù)進(jìn)行標(biāo)注操作，得到標(biāo)注對(duì)話數(shù)據(jù)；根據(jù)所述標(biāo)注對(duì)話數(shù)據(jù)構(gòu)建levi?graph圖，并根據(jù)所述levi?graph圖對(duì)所述標(biāo)注對(duì)話數(shù)據(jù)進(jìn)行圖編碼操作，得到圖編碼數(shù)據(jù)；對(duì)所述圖編碼數(shù)據(jù)進(jìn)行第一特征加權(quán)操作，得到第一加權(quán)特征向量；根據(jù)bart模型的編碼器對(duì)所述標(biāo)注對(duì)話數(shù)據(jù)進(jìn)行文本編碼操作，得到文本編碼數(shù)據(jù)；對(duì)所述文本編碼數(shù)據(jù)進(jìn)行第二特征加權(quán)操作，得到第二加權(quán)特征向量；根據(jù)otk融合模型對(duì)所述第一加權(quán)特征向量以及所述第二加權(quán)特征向量進(jìn)行拼接操作，得到拼接特征向量；根據(jù)bart模型的解碼器對(duì)所述拼接特征向量進(jìn)行解碼操作，得到會(huì)議摘要生成文本。與現(xiàn)有技術(shù)相比，本技術(shù)通過(guò)對(duì)不同視角的說(shuō)話人進(jìn)行l(wèi)evi?graph圖編碼，將視角編碼特征作為輸入控制解碼器對(duì)不同角色看待相同會(huì)議內(nèi)容的摘要生成。