自适应主题的故事结尾生成方法、存储介质技术

本发明专利技术提供自适应主题的故事结尾生成方法、存储介质，方法包括以下步骤：初始化故事结尾生成模型；随机采样一主题特定主题的数据，并将数据划分成训练集和测试集；通过参数生成器生成所述一主题特定主题对应的主题特征参数；通过主题适配器将所述主题特征参数与从故事结尾生成模型中提取出的主题共享参数结合，生成对应所述一主题特定主题的故事结尾生成模型参数；生成每个主题特定主题的故事结尾生成模型参数。本发明专利技术通过生成主题相关的统一模型偏移参数，作用于统一模型中的主题共享参数部分，使的统一模型在保留主题共享知识的同时，也能融入元学习框架生成的主题特定指导，加快统一模型对目标主题的适应，最终实现对低资源主题的自适应故事结尾生成。资源主题的自适应故事结尾生成。资源主题的自适应故事结尾生成。

【技术实现步骤摘要】
自适应主题的故事结尾生成方法、存储介质


[0001]本专利技术涉及任务导向性故事结尾生成领域，特别涉及自适应主题的故事结尾生成方法、存储介质。

技术介绍

[0002]在任务导向型的故事生成任务中，故事结尾生成是其中的一项热门任务。其目的在于给出一个故事文本，为其完成一个结尾。如何为故事前文产生连贯且合乎逻辑的结尾是研究的关键。对于该任务，现有的标注完好的数据集十分有限且代价昂贵，因此如何利用高资源主题故事的丰富数据来增强系统在低资源主题上的表现，联动不同主题的故事，是学术界和工业界都十分关注的研究问题。
[0003]相关技术中，先前研究尝试引入外部知识，来指导系统编码文本，发现文本表面下的隐藏信息。后来，更细粒度的情感标签被加入来丰富系统知识。尽管这些做法都尝试通过引入额外的知识来增强系统能力，但都忽视了模型在低资源主题上的表现。元学习框架的引入，正是为了让高资源主题的知识能够对模型在低资源主题上的表现起到促进作用。在元训练阶段通过元学习器来寻找主题共享的初始化参数，可以使得模型在测试阶段对目标主题能够有效适应。但元学习框架和故事结尾生本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自适应主题的故事结尾生成方法，其特征在于，包括以下步骤：S1：初始化故事结尾生成模型；S2：随机采样一特定主题的数据，并将数据划分成训练集和测试集；S3：通过参数生成器生成所述一特定主题对应的主题特征参数；S4：通过主题适配器将所述主题特征参数与从故事结尾生成模型中提取出的主题共享参数结合，然后在所述训练集上进行训练，生成对应所述一特定主题的故事结尾生成模型参数；S5：重复执行上述S2至S4，生成每个特定主题的故事结尾生成模型参数；S6：在每个主题的训练集上更新对应的故事结尾生成模型参数，在每个主题的测试集上更新对应的故事结尾生成模型参数和主题特征参数；S7：重复执行上述S5至S6，直至训练结束。2.如权利要求1所述的一种自适应主题的故事结尾生成方法，其特征在于，所述S3，具体包括以下步骤：S31：提取所述一特定主题的主题向量特征；S32：输入所提取的主题向量特征至参数生成器，生成所述一特定主题对应的主题特征参数。3.如权利要求1所述的一种自适应主题的故事结尾生成方法，其特征在于，所述S31中具体通过一个前馈神经网络搭配ReLU激活函数来提取所述主题向量特征。4.如权利要求1所述的一种自适应主题的故事结尾生成方法，其特征在于，所述S32中，所述参数生成器具体通过一层神经网络和tanh激活函数来生成所述主题特征参数。5.如权利要求1所述的一种自适应主题的故事结尾生成...

【专利技术属性】
技术研发人员：苏劲松，康立言，曾嘉莉，
申请(专利权)人：厦门大学，
类型：发明
国别省市：