本发明专利技术公开了一种基于生成对抗网络的文本风格迁移方法，将原始语句通过文本卷积网络得到预测的属性风格概率；在原始语句中删除属性词，将删除后的语句再次输入文本卷积网络，直至得到删除每个属性词后的预测的属性风格概率；将预测的属性风格概进行概率差值运算，根据结果将每个属性词按照降序排列得到排序结果；并按照从大到小的顺序在原始语句中将第一属性词删除，得到第一语句；在第一语句的属性风格概率和长度均不符合预设条件时，继续在第一语句上删除第二属性词，直至删除后的语句的属性风格概率和长度符合预设条件时，得到语义内容；将语义内容经编码器和解码器得到目标风格语句。本发明专利技术提高了语句风格判断准确率、文本生成质量和真实性。
【技术实现步骤摘要】
本专利技术涉及文本风格迁移研究领域，涉及但不限定于一种基于生成对抗网络的文本风格迁移方法。
技术介绍
1、风格是有效沟通的一个重要组成部分，通过改变它，我们可以传达更多或更少的信息，而不是单词的字面意思。因此，对语言的推理风格是构建成功的自然语言系统所需的基本能力。例如，儿童陪伴机器人回复幼年化、老年人陪护机器人回复符合老年口吻等。此外，在专业领域产品中，用户希望产品具有特定风格，如语气偏向陕西方言、包含积极或消极情绪等。文本风格迁移的目标是保留原始文本中与风格无关的内容文本的同时，通过编辑或生成的方式改变文本的风格或者属性，如情感、性别等。
2、相关技术中，通过在推理过程中利用梯度在连续空间中修改句子，以实现文本风格迁移，或者动态地利用每个输出词语与目标风格的相关性进行无监督风格迁移。但是上述方法对于某个特定风格的表示过于固定，无法产生多样化的输出，并且对平行语料库的依赖过高，对风格表达隐晦语句的判别能力较弱等问题。
3、因此，如何提高语句风格判断准确率、文本生成质量和真实性成为一个亟待解决的问题。
r/>技本文档来自技高网...
【技术保护点】
1.一种基于生成对抗网络的文本风格迁移方法，其特征在于，所述生成对抗网络包括文本卷积网络、生成器和判别器；所述生成器包括编码器和解码器；所述编码器和所述解码器包括门控循环单元模型和双向自注意力机制，包括：
2.根据权利要求1所述的方法，其特征在于，所述将原始语句输入到所述文本卷积网络中，得到预测的属性风格概率，包括：
3.根据权利要求1所述的方法，其特征在于，所述判别器包含双向编码器表示网络和所述文本卷积网络，所述生成器和所述判别器是通过以下训练过程得到的：
4.根据权利要求3所述的方法，其特征在于，所述基于所述第一语义内容、所述第一目标属性风格和所述...
【技术特征摘要】
1.一种基于生成对抗网络的文本风格迁移方法，其特征在于，所述生成对抗网络包括文本卷积网络、生成器和判别器；所述生成器包括编码器和解码器；所述编码器和所述解码器包括门控循环单元模型和双向自注意力机制，包括：
2.根据权利要求1所述的方法，其特征在于，所述将原始语句输入到所述文本卷积网络中，得到预测的属性风格概率，包括：
3.根据权利要求1所述的方法，其特征在于，所述判别器包含双向编码器表示网络和所述文本卷积网络...
【专利技术属性】
技术研发人员：慕志颖，王之泰，郭森森，李晓宇，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：
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。