使用神經(jīng)網(wǎng)絡(luò)生成流暢的自然語言已成為文本生成的常用方法。根據(jù)用戶偏好生成豐富多樣的文本,具有廣泛的應用價值。早期文本生成技術(shù)主要關(guān)注于多文檔向單文檔或?qū)R文本的生成,例如摘要生成和翻譯生成。目前基于少量信息約束（如關(guān)鍵詞和情感）的文本生成已成為文本生成技術(shù)的研究熱點。在基于關(guān)鍵詞和情感的文本生成的研究中,目前主要存在兩個問題:關(guān)鍵詞約束信息不足問題和情感生成語義表達問題。1.針對關(guān)鍵詞約束信息不足問題,本文提出了基于強化學習的對抗生成模型來生成高質(zhì)量的文本,并在對抗學習中通過關(guān)鍵詞反饋機制來圍繞關(guān)鍵詞補充句子成分從而強化模型對關(guān)鍵詞的學習,生成含有指定關(guān)鍵詞的文本�；趶娀瘜W習全局最優(yōu)解對整個文本空間搜索得到最佳的排列組合策略,從而生成多樣化合理的句子。該方法可以與其它生成任務(wù)結(jié)合,提高文本生成質(zhì)量以及解決特定需求文本語料不足的問題。2.針對情感語義生成的表達問題,本文提出使用門控機制的方法對情感進行學習,通過情感標簽和不同程度的情感詞,對情感進行不同程度的添加,生成帶有指定情感的文本。本文提出的模型具有更好的泛化和學習能力,不僅能很好的捕捉到高層抽象的情感特征,而且能最小程度上影響句... 

【文章來源】：廈門大學福建省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：75 頁

【學位級別】：碩士

【部分圖文】：

圖２．１Ｓｅｑ２ｓｅｑ－Ａｔｔｅｎｔｉｏｎ網(wǎng)絡(luò)結(jié)構(gòu)示意圖??

Transformer網(wǎng)絡(luò)結(jié)構(gòu)示意圖

對執(zhí)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示憊圖

【參考文獻】：
期刊論文
[1]微博語言中標點符號的使用分析——以新浪熱門微博為例[J]. 程愛俠,李全星.  皖西學院學報. 2015(06)
[2]基于詞典與機器學習的中文微博情感分析研究[J]. 孫建旺,呂學強,張雷瀚.  計算機應用與軟件. 2014(07)
[3]基于情緒因子的中文微博情緒識別與分類[J]. 張晶,朱波,梁琳琳,侯敏,滕永林.  北京大學學報(自然科學版). 2014(01)



本文編號：3061232