本申请涉及数据处理，尤其涉及一种文案生成方法、装置及电子设备。
背景技术：
1、目前，产品推荐中，针对一个对象群体，例如，用户群体，物流快递员等人员可以选择待推荐的产品，并结合该产品的相关信息，确定该产品的推荐文案；将推荐文案推送至对象群体中，实现对产品的推荐处理。
2、上述方案中，需要人员结合产品的相关信息，手动生成对应的推荐文案，人工成本高，且效率差。
技术实现思路
1、本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
2、本申请提出一种文案生成方法、装置及电子设备，以实现避免人工确定待推荐的产品的推荐文案，能够自动确定产品的推荐文案，降低人工成本，且提高文案生成效率。
3、本申请第一方面实施例提出了一种文案生成方法，所述方法包括：获取目标产品的产品相关内容以及对象群体相关内容；对所述产品相关内容进行向量化以及特征提取处理，得到所述目标产品的产品相关特征向量；对所述对象群体相关内容进行向量化以及特征提取处理，得到所述目标产品的对象群体相关特征向量；根据所述产品相关特征向量以及所述对象群体相关特征向量，进行特征预测以及文本生成处理，得到所述目标产品的目标文案。
4、本申请实施例的文案生成方法，通过获取目标产品的产品相关内容以及对象群体相关内容；对产品相关内容进行向量化以及特征提取处理，得到目标产品的产品相关特征向量；对对象群体相关内容进行向量化以及特征提取处理，得到目标产品的对象群体相关特征向量；根据产品相关特征向量以及对象群体相关特征向量，进行特征预测以及文本生成处理，得到目标产品的目标文案，从而能够根据目标产品的产品相关内容以及对象群体相关内容，自动生成目标文案，以进行推荐处理，提高了文案生成效率，降低了文案生成成本。
5、本申请第二方面实施例提出了一种文案生成模型的训练方法，所述方法包括：获取训练数据；所述训练数据包括，样本产品的产品相关内容、对象群体相关内容、以及样本文案；获取初始的文案生成模型；所述文案生成模型包括，依次连接的向量化模块、特征提取模块、特征预测模块以及文本生成模块，用于对样本产品的产品相关内容以及对象群体相关内容，依次进行向量化、特征提取、特征预测以及文本生成处理，得到所述样本产品的预测文案；根据所述样本产品的样本文案、预测文案以及损失函数，确定损失函数数值，并根据所述损失函数数值对所述文案生成模型的系数进行调整，实现训练。
6、本申请实施例的文案生成模型的训练方法，通过获取训练数据；训练数据包括，样本产品的产品相关内容、对象群体相关内容、以及样本文案；获取初始的文案生成模型；文案生成模型包括，依次连接的向量化模块、特征提取模块、特征预测模块以及文本生成模块，用于对样本产品的产品相关内容以及对象群体相关内容，依次进行向量化、特征提取、特征预测以及文本生成处理，得到样本产品的预测文案；根据样本产品的样本文案、预测文案以及损失函数，确定损失函数数值，并根据损失函数数值对文案生成模型的系数进行调整，实现训练，从而能够结合文案生成模型，自动生成目标产品的目标文案，提高了文案生成效率，降低了文案生成成本。
7、本申请第三方面实施例提出了一种文案生成装置，所述装置包括：第一获取模块，用于获取目标产品的产品相关内容以及对象群体相关内容；第一处理模块，用于对所述产品相关内容进行向量化以及特征提取处理，得到所述目标产品的产品相关特征向量；第二处理模块，用于对所述对象群体相关内容进行向量化以及特征提取处理，得到所述目标产品的对象群体相关特征向量；第三处理模块，用于根据所述产品相关特征向量以及所述对象群体相关特征向量，进行特征预测以及文本生成处理，得到所述目标产品的目标文案。
8、本申请实施例的文案生成装置，通过获取目标产品的产品相关内容以及对象群体相关内容；对产品相关内容进行向量化以及特征提取处理，得到目标产品的产品相关特征向量；对对象群体相关内容进行向量化以及特征提取处理，得到目标产品的对象群体相关特征向量；根据产品相关特征向量以及对象群体相关特征向量，进行特征预测以及文本生成处理，得到目标产品的目标文案，从而能够根据目标产品的产品相关内容以及对象群体相关内容，自动生成目标文案，以进行推荐处理，提高了文案生成效率，降低了文案生成成本。
9、本申请第四方面实施例提出了一种文案生成模型的训练装置，所述装置包括：第一获取模块，用于获取训练数据；所述训练数据包括，样本产品的产品相关内容、对象群体相关内容、以及样本文案；第二获取模块，用于获取初始的文案生成模型；所述文案生成模型包括，依次连接的向量化模块、特征提取模块、特征预测模块以及文本生成模块，用于对样本产品的产品相关内容以及对象群体相关内容，依次进行向量化、特征提取、特征预测以及文本生成处理，得到所述样本产品的预测文案；训练模块，用于根据所述样本产品的样本文案、预测文案以及损失函数，确定损失函数数值，并根据所述损失函数数值对所述文案生成模型的系数进行调整，实现训练。
10、本申请实施例的文案生成模型的训练装置，通过获取训练数据；训练数据包括，样本产品的产品相关内容、对象群体相关内容、以及样本文案；获取初始的文案生成模型；文案生成模型包括，依次连接的向量化模块、特征提取模块、特征预测模块以及文本生成模块，用于对样本产品的产品相关内容以及对象群体相关内容，依次进行向量化、特征提取、特征预测以及文本生成处理，得到样本产品的预测文案；根据样本产品的样本文案、预测文案以及损失函数，确定损失函数数值，并根据损失函数数值对文案生成模型的系数进行调整，实现训练，从而能够结合文案生成模型，自动生成目标产品的目标文案，提高了文案生成效率，降低了文案生成成本。
11、本申请第五方面实施例提出了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本申请第一方面实施例提出的文案生成方法，或者，执行本申请第二方面实施例提出的文案生成模型的训练方法。
12、本申请第六方面实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本申请第一方面实施例提出的文案生成方法；或者，执行本申请第二方面实施例提出的文案生成模型的训练方法。
13、本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
1.一种文案生成方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述产品相关内容包括以下至少一项：产品描述文本、产品图像、产品属性内容；
3.根据权利要求1或2所述的方法，其特征在于，所述根据所述产品相关特征向量以及所述对象群体相关特征向量，进行特征预测以及文本生成处理，得到所述目标产品的目标文案，包括：
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：获取所述目标产品的关键属性内容，以及所述关键属性内容的内容表示向量；
5.根据权利要求3所述的方法，其特征在于，所述方法还包括：获取所述目标产品的对象群体偏好，以及所述对象群体偏好的偏好表示向量；
6.根据权利要求3所述的方法，其特征在于，所述方法还包括：获取所述目标产品的对象群体情感倾向；
7.根据权利要求6所述的方法，其特征在于，所述获取所述目标产品的对象群体情感倾向，包括：
8.根据权利要求1所述的方法，其特征在于，所述方法还包括：
9.根据权利要求1所述的方法，其特征在于，所述方法还包括：
10.一种文案生成模型的训练方法，其特征在于，所述方法包括：
11.根据权利要求10所述的方法，其特征在于，所述损失函数，由第一子损失函数和第二子损失函数加和得到；
12.一种文案生成装置，其特征在于，所述装置包括：
13.根据权利要求12所述的装置，其特征在于，所述产品相关内容包括以下至少一项：产品描述文本、产品图像、产品属性内容；
14.根据权利要求12或13所述的装置，其特征在于，所述第三处理模块，包括：第一处理单元、第二处理单元和第三处理单元；
15.根据权利要求14所述的装置，其特征在于，所述装置还包括：第二获取模块，用于获取所述目标产品的关键属性内容，以及所述关键属性内容的内容表示向量；
16.根据权利要求14所述的装置，其特征在于，所述装置还包括：第三获取模块，用于获取所述目标产品的对象群体偏好，以及所述对象群体偏好的偏好表示向量；
17.根据权利要求14所述的装置，其特征在于，所述装置还包括：第四获取模块，用于获取所述目标产品的对象群体情感倾向；
18.根据权利要求17所述的装置，其特征在于，所述第四获取模块具体用于，
19.根据权利要求12所述的装置，其特征在于，所述装置还包括：语音转换模块，用于对所述目标文案进行语音转换处理，得到所述目标文案对应的语音内容。
20.根据权利要求12所述的装置，其特征在于，所述装置还包括：更新模块，用于将所述目标产品的目标文案、产品相关内容以及对象群体相关内容，更新到产品文案库中。
21.一种文案生成模型的训练装置，其特征在于，所述装置包括：
22.根据权利要求21所述的装置，其特征在于，所述损失函数，由第一子损失函数和第二子损失函数加和得到；
23.一种电子设备，其特征在于，包括：
24.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-9中任一项所述的方法，或者，执行权利要求10-11中任一项所述的方法。
