1.一种文本摘要生成方法，其特征在于，所述方法包括：对文本进行分词处理得到目标关键词，获取所述目标关键词的词向量；

根据所述词向量生成所述文本中语句的语句向量，及根据所述词向量生成所述文本中文本片段的段向量；

根据所述语句向量计算所述语句在所述文本中的语句权重；

对所述段向量进行编码，得到所述文本片段的隐状态；

根据所述文本片段的隐状态及每个时刻的隐状态向量得到所述文本片段中的目标关键词的注意力权重；

根据所述目标关键词的注意力权重及对应的代理权重计算得到t时刻的词汇概率分布，所述词汇概率分布表示文本摘要的第k个位置出现的目标关键词，所述代理权重为所述文本片段中语句的语句权重之和；

根据所述词汇概率分布生成文本摘要。

2.如权利要求1所述的文本摘要生成方法，其特征在于，所述根据所述语句向量计算所述语句在所述文本中的语句权重包括：获取所述语句的第一最大边界相关度；

获取所述文本中除所述语句之外的其余语句的第二最大边界相关度；

根据所述第一最大边界相关度及所述第二最大边界相关度得到所述语句的语句权重。

3.如权利要求2所述的文本摘要生成方法，其特征在于，所述第一最大边界相关度的计算过程包括：

根据所述语句的语句向量计算所述语句与所述文本的第一相似度；

根据所述语句的语句向量与所述其余语句的语句向量计算所述语句与所述其余语句的第二相似度；

根据所述第一相似度及所述第二相似度计算得到所述第一最大边界相关度。

4.如权利要求3所述的文本摘要生成方法，其特征在于，根据所述语句的语句向量计算所述语句与所述文本的第一相似度包括：根据所述语句中的词向量计算所述语句的第一特征表示；根据所述文本中的词向量计算所述文本的第二特征表示；采用相似度计算模型根据所述第一特征表示和所述第二特征表示计算得到第一相似度；

所述根据所述语句的语句向量与所述其余语句的语句向量计算所述语句与所述其余语句的第二相似度包括：根据所述其余语句中的词向量计算所述其余语句的第三特征表示；采用所述相似度计算模型根据所述第一特征表示和所述第三特征表示计算得到第二相似度。

5.如权利要求4所述的文本摘要生成方法，其特征在于，所述根据所述第一相似度及所述第二相似度计算得到所述第一最大边界相关度包括：根据预设的超参数及所述第一相似度得到第一值；

确定所述第二相似度中的最大值；

根据所述预设的超参数及所述最大值得到第二值；

根据所述第一值与所述第二值得到第一最大边界相关度。

6.如权利要求4所述的文本摘要生成方法，其特征在于，所述根据所述语句向量计算所述语句在所述文本中的语句权重包括：计算所述第二最大边界相关度的和值；

计算所述第一最大边界相关度与所述和值的占比；

使用预设函数对所述占比进行映射得到所述语句的语句权重。

7.如权利要求1至6中任意一项所述的文本摘要生成方法，其特征在于，所述对所述段向量进行编码，得到所述文本片段的隐状态包括：通过第一阶段双向LSTM模型对所述段向量进行编码，得到所述文本片段中的目标关键词的隐状态；

通过第二阶段双向LSTM模型对所述目标关键词的隐状态进行编码，得到所述文本片段的隐状态。

8.如权利要求7所述的文本摘要生成方法，其特征在于，所述根据所述词汇概率分布生成文本摘要包括：

对于任意时刻，获取所述概率分布中所述任意时刻下的最大概率；

确定所述最大概率对应的目标关键词为文本摘要中的目标关键词；

将所述文本摘要中的目标关键词按照时间顺序进行组合，得到文本摘要。

9.一种计算机设备，其特征在于，所述计算机设备包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1至8中任意一项所述的文本摘要生成方法。

10.一种计算机可读存储介质，所述计算机可读存储介质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如权利要求1至8中任意一项所述的文本摘要生成方法。