创新构想话题生成

文章提出了创新构想话题的自动生成任务,主动生成具有新颖性、权威性的话题,能够激发群体讨论热情,有助于推动相关领域的发展。以Encoder-Decoder文本生成技术为基础,构建了一套创新构想话题生成框架。首先通过实时爬取相关网站的内容,作为信息获取的主要来源;然后利用数据分析工具提取文本的关键词和摘要,使用了TF-IDF算法和TextRank算法;最后利用训练好的话题生成模型得到话题表达。实验结果展示了生成的创新构想话题,说明基于该文提出的流程可以有效挖掘文档中潜在的话题。     

基于拓展关键词信息的对话生成模型

在对话过程中,人们通常根据对方上一句话的关键词做出相应的回复。为了生成与关键词含义相关的回复,提出了拓展关键词信息注意力机制的对话生成模型。首先从输入语句中提取关键词,然后根据关键词词向量余弦相似度找出与关键词相关的词语构成拓展关键词集合,将集合中词语的词向量通过注意力机制的方式加入解码过程来影响回复生成。在中文微博数据集及英文Twitter数据集上的实验表明,该模型在回复语句的相关性及多样性方面取得了优于其他模型的结果。