1.一种长文本生成方法，所述方法包括：获取预设结构的长文本框架；所述长文本框架包括：长句结构和关键词结构；构建长文本对应的背景知识图谱；所述背景知识图谱包括：实体集合以及实体之间实体关系构成的边集合；判断所述背景知识图谱中第一实体是否与第二实体的邻居实体相关；若是，则在所述第一实体与所述第二实体的邻居实体之间生成实体关系对应的边，并加入所述背景知识图谱中；对长文本给定的标题文本，对所述标题文本进行实体提取，得到所述标题文本对应的多个标题实体，根据所述标题实体，在所述背景知识图谱中进行检索，得到多个相关实体；根据所述相关实体以及预先设置的语言模型，输出所述长句结构中对应的长句文本；根据所述相关实体，生成所述关键词结构对应的内容；根据所述长句结构中对应的长句文本以及所述关键词结构对应的内容，输出长文本；其中，构建长文本对应的背景知识图谱的步骤包括：从长文本对应的学科领域获取学科文本内容，以及从所述长文本的交叉学科领域获取交叉文本内容；分别提取所述学科文本内容中的实体和实体关系，以及提取所述交叉文本内容的实体和实体关系；根据预先设置的权值，将所述学科文本内容中的实体和实体关系与所述交叉文本内容的实体和实体关系进行融合，得到长文本对应的背景知识图谱；其中，判断所述背景知识图谱中第一实体是否与第二实体的邻居实体相关的步骤包括：根据所述第一实体的邻居实体以及所述第二实体的邻居实体，采用自注意力机制计算所述第一实体和所述第二实体对应的第一上下文表示和第二上下文表示；选择多个包含所述第一实体的第一句子，以及选择多个包含所述第二实体的第二句子，根据预先设置的Bi-LSTM模型，分别得到所述第一句子的第一隐藏层以及所述第二句子对应的第二隐藏层；根据所述第一隐藏层，得到第一句子中包含双线性注意力权重的加权第一上下文表示，根据所述第二隐藏层，得到所述第二句子中包含双线性注意力权重的加权第二上下文表示；采用门函数分别表示所述加权第一上下文表示和所述加权第二上下文表示，得到第一门函数表示和第二门函数表示；根据所述第一门函数表示以及所述第二门函数表示，建立三元组，将所述三元组输入预先训练的预测模型，得到第一门函数表示和第二门函数表示成立的概率，根据所述概率确定背景知识图谱中第一实体是否与第二实体的邻居实体相关。
2.根据权利要求1所述的方法，其特征在于，根据所述相关实体以及预先设置的语言模型，输出所述长句结构中对应的长句文本，包括：将所述标题实体和所述相关实体进行嵌入，分别得到所述标题实体的第一随机向量和所述相关实体的第二随机向量；将所述第一随机向量输入预先设置的双向的GRU编码器，输出所述随机向量对应的隐藏状态；采用编码器和解码器，将所述隐藏状态作为查询向量，基于所述第二随机向量的注意力分布进行编解码迭代计算，得到每个标题实体对应的参考注意力分布以及每个相关实体的记忆力注意力分布；分别设置所述参考注意力分布、所述记忆力注意力分布以及预先设置词汇表进行单词生成的概率；根据生成的单词，通过预先设置的语言模型，输出所述长句结构中对应的长句文本。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：根据所述参考注意力分布和所述记忆力注意力分布的覆盖损失，构建所述语言模型训练的损失函数。
4.根据权利要求2或3所述的方法，其特征在于，根据所述相关实体，生成所述关键词结构对应的内容，包括：选择所述相关实体中置信分数靠前的多个相关实体生成长文本对应的关键词结构中的关键词；从所述关键词结构中多次提取n个关键词，得到多个不同的关键词组合；每个关键词组合中的关键词数量相同；n小于关键词结构中的关键词总数量；根据所述关键词组合，检索得到相关文献；对所述关键词组合对应的相关文献进行相关值计算，根据所述相关值，确定参考关键词组合；根据预先设置的参考文献信息模板，从所述参考关键词组合对应的相关文献中提取得到参考文献文本。
5.一种长文本生成装置，其特征在于，所述装置包括：框架构建模块，用于获取预设结构的长文本框架；所述长文本框架包括：长句结构和关键词结构；图谱构建模块，用于构建长文本对应的背景知识图谱；所述背景知识图谱包括：实体集合以及实体之间实体关系构成的边集合；判断所述背景知识图谱中第一实体是否与第二实体的邻居实体相关；若是，则在所述第一实体与所述第二实体的邻居实体之间生成实体关系对应的边，并加入所述背景知识图谱中；其中，构建长文本对应的背景知识图谱的步骤包括：从长文本对应的学科领域获取学科文本内容，以及从所述长文本的交叉学科领域获取交叉文本内容；分别提取所述学科文本内容中的实体和实体关系，以及提取所述交叉文本内容的实体和实体关系；根据预先设置的权值，将所述学科文本内容中的实体和实体关系与所述交叉文本内容的实体和实体关系进行融合，得到长文本对应的背景知识图谱；其中，判断所述背景知识图谱中第一实体是否与第二实体的邻居实体相关的步骤包括：根据所述第一实体的邻居实体以及所述第二实体的邻居实体，采用自注意力机制计算所述第一实体和所述第二实体对应的第一上下文表示和第二上下文表示；选择多个包含所述第一实体的第一句子，以及选择多个包含所述第二实体的第二句子，根据预先设置的Bi-LSTM模型，分别得到所述第一句子的第一隐藏层以及所述第二句子对应的第二隐藏层；根据所述第一隐藏层，得到第一句子中包含双线性注意力权重的加权第一上下文表示，根据所述第二隐藏层，得到所述第二句子中包含双线性注意力权重的加权第二上下文表示；采用门函数分别表示所述加权第一上下文表示和所述加权第二上下文表示，得到第一门函数表示和第二门函数表示；根据所述第一门函数表示以及所述第二门函数表示，建立三元组，将所述三元组输入预先训练的预测模型，得到第一门函数表示和第二门函数表示成立的概率，根据所述概率确定背景知识图谱中第一实体是否与第二实体的邻居实体相关；长句生成模块，用于对长文本给定的标题文本，对所述标题文本进行实体提取，得到所述标题文本对应的多个标题实体，根据所述标题实体，在所述背景知识图谱中进行检索，得到多个相关实体；根据所述相关实体以及预先设置的语言模型，输出所述长句结构中对应的长句文本；关键词生成模块，用于根据所述相关实体，生成所述关键词结构对应的内容；长文本输出模块，用于根据所述长句结构中对应的长句文本以及所述关键词结构对应的内容，输出长文本。
6.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述方法的步骤。
7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至4中任一项所述的方法的步骤。
