故事模型训练及生成方法、系统、机器人及存储设备技术方案

本申请公开了一种故事模型训练及生成方法、系统、机器人及存储设备，该训练方法包括：利用第一编码器将训练集中的故事描述转换为向量表示，其中训练集包括绘本Ii及其对应的故事描述Oi，Ii＝{Ii1,Ii2,…,Iim},Oi＝{Oi1,Oi2,…,Oim}；Iij为绘本Ii第j页的图片，Oij为绘本Ii第j页的故事描述，故事描述Oi转换为向量表示Vi＝{Vi1,Vi2,…,Vim}，Vij为Oij对应的向量表示；1≤j≤m，m为绘本Ii的总页数，1≤i≤k，k为训练集中绘本的总数量；根据Vi以及Oi训练第一解码器；利用第二编码器提取Ii的特征Fi；根据该Fi以及Vi训练第三编解码器；根据第二编码器、第三编解码器、以及第一解码器组成故事模型。本申请可以根据绘本自动生成故事描述，提高了绘本故事制作的效率。

Story model training and generation method, system, robot and storage device

This application discloses a story model training and generation method, system, robot and storage device. The training method includes: transforming the story description in the training set into a vector representation by using the first encoder, in which the training set includes picture book Ii and its corresponding story description Oi, Ii={Ii1, Ii2,... Iim}, Oi = {Oi1, Oi2,... Ii J is the picture on page J of the picture book Ii, Oi J is the story description on page J of the picture book Ii, and Oi J is the story description on page J of the picture book Ii. Vi m}, Vi J is the vector representation corresponding to Oi j; 1 < J < m, m is the total number of pages of picture book Ii, 1 < I < k, K is the total number of picture books in training set; the first decoder is trained according to Vi and Oi; the feature Fi of Ii is extracted by the second encoder; the third codec is trained according to Fi and Vi; and the second coder and the third codec are trained according to the second coder and the third codec. The device and the first decoder constitute a story model. This application can automatically generate storytelling based on picture books and improve the efficiency of picture book production.

【技术实现步骤摘要】
故事模型训练及生成方法、系统、机器人及存储设备
本申请涉及，尤其涉及一种故事模型训练及生成方法、系统、机器人及存储设备。
技术介绍
图1为计算机组成结构框图，其中示出了计算机的主要部件。图1中，处理器110、内部存储器105、总线桥120以及网络接口115接入系统总线140，总线桥120用于桥接系统总线140和I/O总线145，I/O接口接入I/O总线145，USB接口以及外部存储器与I/O接口连接。图1中，处理器110可以为一个或多个处理器，每个处理可以具有一个或者多个处理器内核；内部存储器105为易失性存储器，例如寄存器、缓存器、各种类型的随机存取存储器等；在计算机开机运行的时候，内部存储器105中的数据包括操作系统和应用程序；网络接口115可以为以太网接口、光纤接口等；系统总线140可以用来传送数据信息、地址信息、以及控制信息；总线桥120可以用来进行协议转换，将系统总线协议转换为I/O协议或者将I/O协议转换为系统总线协议以实现数据传输；I/O总线145用来数据信息和控制信息，还可以总线终结电阻或电路来降低信号反射干扰；I/O接口130主要与各种外部设备连接，例如键盘、鼠标、本文档来自技高网...

【技术保护点】
1.一种故事模型训练方法，其特征在于，包括：利用第一编码器将训练集中的故事描述转换为向量表示，其中训练集包括绘本Ii及其对应的故事描述Oi，Ii＝{Ii1,Ii2,…,Iim},Oi＝{Oi1,Oi2,…,Oim}；Iij为绘本Ii第j页的图片，Oij为绘本Ii第j页的故事描述，故事描述Oi转换为向量表示Vi＝{Vi1,Vi2,…,Vim}，Vij为Oij对应的向量表示；1≤j≤m，m为绘本Ii的总页数，1≤i≤k，k为训练集中绘本的总数量；根据Vi以及Oi训练第一解码器；利用第二编码器提取Ii的特征Fi，Fi＝{Fi1,Fi2,…,Fim}，Fij为绘本Ii第j页的图片的特征；根据该Fi以及...

【技术特征摘要】
1.一种故事模型训练方法，其特征在于，包括：利用第一编码器将训练集中的故事描述转换为向量表示，其中训练集包括绘本Ii及其对应的故事描述Oi，Ii＝{Ii1,Ii2,…,Iim},Oi＝{Oi1,Oi2,…,Oim}；Iij为绘本Ii第j页的图片，Oij为绘本Ii第j页的故事描述，故事描述Oi转换为向量表示Vi＝{Vi1,Vi2,…,Vim}，Vij为Oij对应的向量表示；1≤j≤m，m为绘本Ii的总页数，1≤i≤k，k为训练集中绘本的总数量；根据Vi以及Oi训练第一解码器；利用第二编码器提取Ii的特征Fi，Fi＝{Fi1,Fi2,…,Fim}，Fij为绘本Ii第j页的图片的特征；根据该Fi以及Vi训练第三编解码器；根据第二编码器、第三编解码器、以及第一解码器组成故事模型。2.根据权利要求1所述的方法，其特征在于，所述第一编码器为句子向量编码器。3.根据权利要求1所述的方法，其特征在于，所述第一解码器为基于循环神经网络、长短期记忆网络或门控循环单元神经网络的解码器。4.根据权利要求1所述的方法，其特征在于，所述第二编码器为基于卷积神经网络的编码器。5.根据权利要求1所述的方法...

【专利技术属性】
技术研发人员：程璞，顾嘉唯，
申请(专利权)人：北京物灵智能科技有限公司，
类型：发明
国别省市：北京,11