【技术实现步骤摘要】
基于GAN网络的文字校对和情感分析方法、设备及介质
本专利技术涉及文字处理
，特别涉及基于GAN网络的文字校对和情感分析方法、设备及介质。
技术介绍
近年来，人工智能技术发展迅速，其商业化速度超出预期，人工智能将会给整个社会带来颠覆性的变化，已经成为未来各国重要的发展战略。特别是以深度学习为核心的算法演进，其超强的进化能力，在大数据的支持下，通过训练构建得到类似人脑结构的大规模神经网络，已经可以解决各类问题。各种复杂的因素往往以非线性的方式结合在一起，特征的学习尤其重要，而海量训练数据的出现在很大程度上缓解了训练过拟合的问题，从大数据中进行深度学习，通过神经网络已经在计算机视觉、声音处理、自然语言处理中达到了很好的应用实践效果，这也打破了传统的模式识别方式，对各个领域产生了颠覆性的变革。
技术实现思路
本专利技术实施例提供了基于GAN网络的文字校对和情感分析方法、设备及介质，旨在至少在一定程度上解决以下技术问题：如何通过对文本的情感分析，更加高效准确的校对文字，形成客观公正的文档。本...
【技术保护点】
1.一种基于GAN网络的文字校对和情感分析的方法，其特征在于，包括：/n接收用户发送的文档，并将所述文档送至产生词向量模块处理，以生成第一词向量序列；/n将所述第一词向量序列送至语义分析模块，输出是否需要校对所述第一词向量序列的判断结果；/n根据所述判断结果，确定是否将所述第一词向量序列发送至GAN网络；/n所述GAN网络对所述第一词向量序列进行处理，以确定高于预设感情强烈度的所述第一词向量序列，并生成低于预设感情强烈度的第二词向量序列，所述第一词向量序列与所述第二词向量序列的语义相同。/n
【技术特征摘要】 【专利技术属性】
1.一种基于GAN网络的文字校对和情感分析的方法，其特征在于，包括：
接收用户发送的文档，并将所述文档送至产生词向量模块处理，以生成第一词向量序列；
将所述第一词向量序列送至语义分析模块，输出是否需要校对所述第一词向量序列的判断结果；
根据所述判断结果，确定是否将所述第一词向量序列发送至GAN网络；
所述GAN网络对所述第一词向量序列进行处理，以确定高于预设感情强烈度的所述第一词向量序列，并生成低于预设感情强烈度的第二词向量序列，所述第一词向量序列与所述第二词向量序列的语义相同。
2.根据权利要求1所述的方法，其特征在于，所述GAN网络对所述第一词向量序列进行处理，包括：
将所述第一词向量序列送至情感分析判别器中，确定所述第一词向量序列是否高于所述预设感情强烈度，所述情感分析判别器是所述GAN网络中的对抗网络；
若所述第一词向量序列高于所述预设感情强烈度，则将高于所述预设感情强度的第一词向量序列送至校对文字生成器中，生成所述低于预设感情强烈度的第二词向量序列，所述校对文字生成器是所述GAN网络中的生成网络。
3.根据权利要求2所述的方法，其特征在于，所述生成所述低于预设感情强烈度的第二词向量序列，包括：
根据所述第一词向量序列的语义，在词典向量数据库中选择与所述第一词向量序列的语义相同的所述第二词向量序列，所述词典向量数据库由所述产生词向量模块生成。
4.根据权利要求2所述的方法，其特征在于，所述情感分析判别器包括LSTM网络和注意力机制，所述注意力机制包括评价函数、归一化函数和注意力加权计算函数。
5.根据权利要求1所述的方法，其特征在于，还包括：
将所述第二词向量序列转化为所述文档中的文字，并发送给所述用户；
接收用户反馈的校对结果，对所述产生词向量模块，所述语义分析模块和所述GAN网络进行训练和/或优化。
6.根据权利要求4所述的方法，其特征在于，所述对所述GAN网络进行训练，包括：
通过所述词向量序列训练情感分析判别器和语义判别器，所述情感分析判别器和语义判别器是所述GAN网络中的对抗网络；
技术研发人员：孙善宝，罗清彩，金长新，徐驰，于玲，谭强，张鑫，
申请(专利权)人：济南浪潮高新科技投资发展有限公司，
类型：发明
国别省市：山东;37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。