基于生成对抗网络的类别文本生成 |
| |
引用本文: | 蔡丽坤,吴运兵,陈甘霖,刘翀凌,廖祥文.基于生成对抗网络的类别文本生成[J].广西师范大学学报(自然科学版),2022(4):79-90. |
| |
作者姓名: | 蔡丽坤 吴运兵 陈甘霖 刘翀凌 廖祥文 |
| |
作者单位: | 1. 福州大学计算机与大数据学院;2. 福建省网络计算与智能信息处理重点实验室(福州大学);3. 福州大学数字福建金融大数据研究所 |
| |
基金项目: | 国家自然科学基金(61976054);;福建省科技计划项目引导性项目(2019H0040); |
| |
摘 要: | 类别文本生成旨在让机器生成人类可理解的文本,并且赋予生成文本特定的类别属性。现有工作主要采用基于生成对抗网络的文本生成框架,往往直接采用卷积神经网络进行文本特征提取,缺乏对文本全局语义的关注;此外,简单地在生成网络中引入注意力无法有效消除解码过程中的噪声。针对上述问题,本文提出一种将文本全局特征与局部特征联合建模的方法,通过将长短时记忆网络提取的全局语义信息与卷积神经网络提取的局部语义信息进行融合,增强生成过程中对文本全局语义信息的关注,并且引入双重注意力,进一步过滤掉序列生成中的无关信息。与基准模型相比,本文提出的方法分别在2个公开的真实数据集(Movie Review和Amazon Review)上取得了至少0.01和0.004的BLEU值的提升,表明了本文方法的有效性。
|
关 键 词: | 文本生成 生成对抗网络 双重注意力 特征融合 进化学习算法 |
|