基于生成对抗网络的带关键词约束的情感文本生成

发布时间：2021-03-03 12:04

　　使用神经网络生成流畅的自然语言已成为文本生成的常用方法。根据用户偏好生成丰富多样的文本,具有广泛的应用价值。早期文本生成技术主要关注于多文档向单文档或对齐文本的生成,例如摘要生成和翻译生成。目前基于少量信息约束（如关键词和情感）的文本生成已成为文本生成技术的研究热点。在基于关键词和情感的文本生成的研究中,目前主要存在两个问题:关键词约束信息不足问题和情感生成语义表达问题。1.针对关键词约束信息不足问题,本文提出了基于强化学习的对抗生成模型来生成高质量的文本,并在对抗学习中通过关键词反馈机制来围绕关键词补充句子成分从而强化模型对关键词的学习,生成含有指定关键词的文本。基于强化学习全局最优解对整个文本空间搜索得到最佳的排列组合策略,从而生成多样化合理的句子。该方法可以与其它生成任务结合,提高文本生成质量以及解决特定需求文本语料不足的问题。2.针对情感语义生成的表达问题,本文提出使用门控机制的方法对情感进行学习,通过情感标签和不同程度的情感词,对情感进行不同程度的添加,生成带有指定情感的文本。本文提出的模型具有更好的泛化和学习能力,不仅能很好的捕捉到高层抽象的情感特征,而且能最小程度上影响句... 

【文章来源】：厦门大学福建省 211工程院校 985工程院校 教育部直属院校

【文章页数】：75 页

【学位级别】：硕士

【部分图文】：

图２．１Ｓｅｑ２ｓｅｑ－Ａｔｔｅｎｔｉｏｎ网络结构示意图??

Transformer网络结构示意图

对执神经网络结构示惫图

【参考文献】：
期刊论文
[1]微博语言中标点符号的使用分析——以新浪热门微博为例[J]. 程爱侠,李全星.  皖西学院学报. 2015(06)
[2]基于词典与机器学习的中文微博情感分析研究[J]. 孙建旺,吕学强,张雷瀚.  计算机应用与软件. 2014(07)
[3]基于情绪因子的中文微博情绪识别与分类[J]. 张晶,朱波,梁琳琳,侯敏,滕永林.  北京大学学报(自然科学版). 2014(01)



本文编号：3061232