实时数据驱动的营销文案生成方法及系统与流程

本发明涉及大数据处理，具体为实时数据驱动的营销文案生成方法及系统。

背景技术：

1、在基于大数据处理的营销文案生成技术领域中，利用实时数据流驱动内容生成已成为信息分发环节的重要技术方向。现有的常规技术方案通常采用数据截断拼接与端到端生成的处理架构。在这种架构下，大数据处理平台接收来自不同数据源的异构实时数据流，按照固定的时间窗口截取数据片段，将数据片段进行文本化展平操作，把结构化数据、图像标签以及文本信息拼接为连续的字符串序列。随后，将拼接后的字符串序列直接作为上下文提示词输入至预训练的生成模型中。生成模型基于自注意力机制对输入的字符串序列进行编码，并通过自回归方式逐个预测词元，输出与输入序列相对应的营销文案。这种端到端的生成方式依赖生成模型内部的特征提取能力来捕捉实时数据中的关联信息。

2、为了增强生成内容中实体关联的准确性，部分现有技术引入了静态知识图谱作为外部知识库进行辅助。这类方案在离线阶段预先构建包含实体与实体关系的知识图谱，在接收到实时数据流时，从实时数据中提取关键实体词，并在静态知识图谱中检索与关键实体词相邻的节点和边。检索到的子图结构被转换为线性化的文本序列，与实时数据片段拼接后共同输入生成模型。然而，静态知识图谱的拓扑结构在构建完成后即固化，无法随实时数据流的变化而发生改变。当实时数据流中出现离线图谱未收录的新增实体节点或实体间的新增关联时，静态图谱无法提供相应的拓扑结构支持。生成模型只能依赖自身的参数化知识进行补全，导致输出的文本结构受限于固化的图谱约束。

3、上述现有技术方案在处理高并发实时数据流时存在严重的语义逻辑冲突与实体幻觉问题。直接将展平拼接的实时数据序列输入生成模型，破坏了多源异构数据之间固有的时序与因果拓扑结构，生成模型的自注意力机制在处理缺乏显性结构约束的扁平化序列时，容易建立错误的长距离依赖，产生与当前实时语境相悖的实体关联，引发语义逻辑冲突。引入静态知识图谱的方案虽然提供了外部拓扑约束，但其固化结构无法反映实时数据流中实体关系的瞬态演变，陈旧与矛盾的实体关联被强行注入生成过程，当数据分布突变时，生成模型在缺乏正确结构引导的情况下，倾向于基于局部统计概率生成不存在于当前实时数据中的虚假实体或错误关系，导致实体幻觉现象。

技术实现思路

1、本发明的目的在于提供实时数据驱动的营销文案生成方法及系统，可以解决上述背景技术中的问题。

2、为实现上述目的，本发明采取的技术方案为：

3、实时数据驱动的营销文案生成方法，包括：基于大数据处理平台接收多模态实时数据流，按时间切片对所述多模态实时数据流进行实体关系联合抽取以生成时序子图；

4、对相邻所述时序子图中的重叠节点进行边权时间衰减与冲突消解，生成反映当前时刻实体关联状态的动态知识图谱；

5、对所述动态知识图谱进行图卷积聚合，得到实体拓扑结构向量化表示；

6、将所述实体拓扑结构向量化表示作为注意力偏置矩阵叠加至生成模型transformer架构的自注意力层，约束解码过程中实体词元的生成概率分布以生成营销文案。

7、优选的，所述按时间切片对所述多模态实时数据流进行实体关系联合抽取以生成时序子图包括：将所述多模态实时数据流按固定时间窗口切分为多个数据片段，提取各所述数据片段中文本数据的文本语义特征以及图像数据的视觉区域特征；

8、对所述文本语义特征与所述视觉区域特征进行跨模态特征对齐，识别出所述数据片段中的共享实体节点；

9、基于所述共享实体节点在所述多模态实时数据流中的共现频率与依存句法关系，构建所述共享实体节点之间的边连接，以形成所述时间切片对应的所述时序子图。

10、优选的，所述对相邻所述时序子图中的重叠节点进行边权时间衰减与冲突消解，生成反映当前时刻实体关联状态的动态知识图谱包括：在相邻所述时序子图的叠加过程中，识别出同时存在于前后所述时间切片的重叠实体节点；

11、针对所述重叠实体节点所关联的历史边，按照所述历史边的生成时间戳与当前时间戳的时间差执行边权时间衰减操作；

12、当所述重叠实体节点在相邻所述时序子图中存在属性取值相反的冲突边时，保留生成时间戳距离当前时间戳最近的所述冲突边并删除其余所述冲突边，将衰减后保留的边与新增边合并生成所述动态知识图谱。

13、优选的，对所述动态知识图谱进行图卷积聚合，得到实体拓扑结构向量化表示包括：在所述动态知识图谱中，针对目标节点，聚合与所述目标节点具有边连接关系的邻居节点的初始特征向量，并结合所述目标节点与所述邻居节点之间的边类型编码，计算所述邻居节点对所述目标节点的消息传递权重；

14、按照所述消息传递权重对所述邻居节点的初始特征向量进行加权求和，将加权求和结果与所述目标节点的原始特征向量进行残差连接与非线性映射，生成所述目标节点的更新特征向量；

15、遍历所述动态知识图谱中的所有节点以获取所述实体拓扑结构向量化表示。

16、优选的，将所述实体拓扑结构向量化表示作为注意力偏置矩阵叠加至生成模型transformer架构的自注意力层，约束解码过程中实体词元的生成概率分布以生成营销文案包括：将所述实体拓扑结构向量化表示中实体节点对之间的拓扑关联度映射为偏置标量，构建与自注意力矩阵维度匹配的所述注意力偏置矩阵；

17、在所述生成模型transformer架构的自注意力层计算查询向量与键向量的点积注意力分数时，将所述注意力偏置矩阵中的所述偏置标量叠加至对应的所述点积注意力分数上；

18、基于叠加所述偏置标量后的注意力分数执行归一化操作与加权求和，改变与所述动态知识图谱中实体相关联的词元在解码词表上的概率分布权重，输出所述营销文案。

19、优选的，在执行所述冲突消解的过程中，针对所述重叠实体节点在相邻所述时序子图中存在语义方向相反但字面属性非直接对立的隐式冲突边时，提取所述隐式冲突边所连接的邻居节点的上下文语境向量；

20、计算所述上下文语境向量与所述重叠实体节点的当前基准语义向量之间的余弦相似度，将所述余弦相似度低于预设判定阈值的所述隐式冲突边判定为语义矛盾边；

21、将所述语义矛盾边的边权置为零并切断所述语义矛盾边与所述重叠实体节点的连接关系，同时基于所述重叠实体节点的当前基准语义向量重新初始化与所述重叠实体节点相邻的局部拓扑结构。

22、优选的，在聚合所述邻居节点的初始特征向量时，引入基于时序新鲜度的自适应特征筛选机制；

23、获取所述邻居节点对应的所述边连接在所述动态知识图谱中的最新更新时间戳，计算所述最新更新时间戳与当前图谱演化周期的时间间隔；

24、根据所述时间间隔为所述邻居节点分配特征保留系数，所述特征保留系数与所述时间间隔呈反比关系；

25、滤除所述特征保留系数低于活跃度阈值的所述邻居节点的初始特征向量，仅将保留的所述邻居节点的初始特征向量参与所述加权求和计算，以排除陈旧实体关系对所述目标节点的更新特征向量的干扰。

26、优选的，在生成所述营销文案后，引入文案实体回溯校验机制；

27、提取所生成的所述营销文案中包含的目标实体词元以及所述目标实体词元之间的生成关联关系；

28、将所述目标实体词元与所述生成关联关系映射回所述动态知识图谱中进行子图匹配校验；

29、若所述生成关联关系在所述动态知识图谱中不存在对应的连通路径，则定位出所述营销文案中的幻觉片段，并将所述幻觉片段对应的查询向量在所述自注意力层中的偏置标量进行反向放大修正，基于修正后的注意力偏置矩阵重新对所述幻觉片段执行自回归解码，直至生成的所述营销文案中的实体关联关系与所述动态知识图谱的拓扑结构完全一致。

30、优选的，在提取各所述数据片段中文本数据的文本语义特征以及图像数据的视觉区域特征时，若检测到当前所述时间切片内所述图像数据缺失，则触发跨模态特征补偿机制；

31、基于当前所述时间切片内存在的所述文本数据提取文本实体描述信息，并在历史时序子图库中检索与所述文本实体描述信息语义相似度最高的历史图像特征向量；

32、将所述历史图像特征向量作为所述当前时间切片的视觉区域特征代理，与所述文本语义特征执行所述跨模态特征对齐，以维持所述时序子图在模态缺失状态下的结构完整性。

33、实时数据驱动的营销文案生成系统，包括：用于基于大数据处理平台接收多模态实时数据流，按时间切片对所述多模态实时数据流进行实体关系联合抽取以生成时序子图的装置；

34、用于对相邻所述时序子图中的重叠节点进行边权时间衰减与冲突消解，生成反映当前时刻实体关联状态的动态知识图谱的装置；

35、用于对所述动态知识图谱进行图卷积聚合，得到实体拓扑结构向量化表示的装置；

36、用于将所述实体拓扑结构向量化表示作为注意力偏置矩阵叠加至生成模型transformer架构的自注意力层，约束解码过程中实体词元的生成概率分布以生成营销文案的装置。

37、与现有技术相比，本发明的有益效果在于：

38、1.通过将实时多模态数据流按时间切片抽取实体关系生成时序子图，并对相邻时序子图中的重叠节点进行边权时间衰减与冲突消解以生成动态知识图谱，再将其图卷积聚合得到的实体拓扑结构向量化表示作为注意力偏置矩阵叠加至生成模型变换器架构的自注意力层，解决了实时数据流直接输入导致语义逻辑冲突与实体幻觉的技术问题。动态知识图谱通过边权时间衰减机制降低了陈旧实体关系对当前图谱拓扑结构的影响，通过冲突消解机制剔除了相邻时序子图中存在矛盾的实体关联，使得动态知识图谱能够准确反映当前时刻实体间的瞬态关联状态。将反映瞬态关联状态的实体拓扑结构向量化表示作为注意力偏置矩阵叠加至自注意力层，在计算查询向量与键向量的点积注意力分数时引入了显性的结构约束，改变了实体词元在解码词表上的概率分布权重，避免了生成模型基于局部统计概率建立错误的长距离依赖，抑制了与当前实时语境相悖的虚假实体生成，克服了高并发数据流下的语义漂移现象。

39、2.针对隐式冲突边引入上下文语境向量计算余弦相似度以识别语义矛盾边并切断连接关系，排除了字面属性非直接对立但语义方向相反的实体关联对图谱拓扑结构的干扰，维持了动态知识图谱内部逻辑的一致性。在聚合邻居节点特征时，基于最新更新时间戳计算时间间隔并分配特征保留系数，滤除低于活跃度阈值的邻居节点特征，排除了陈旧实体关系对目标节点更新特征向量的干扰，降低了冗余计算资源的消耗。在生成营销文案后，将目标实体词元与生成关联关系映射回动态知识图谱进行子图匹配校验，定位幻觉片段并对偏置标量进行反向放大修正，形成了闭环纠错机制，确保了最终输出的文本中实体关联关系与动态知识图谱的拓扑结构完全一致。当图像数据缺失时，基于文本实体描述信息检索历史图像特征向量作为代理进行跨模态特征对齐，维持了时序子图在模态缺失状态下的结构完整性，避免了特征提取链路的断裂。