公开(公告)号：CN114969342A

公开(公告)日：2022-08-30

申请号：CN202210623478.4

申请日：2022-06-02

Applicant: 大连理工大学

Inventor： 林鸿飞 ,  王晨光 ,  杨亮

IPC: G06F16/35 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出了基于风格表示与多任务学习的文本多风格迁移方法，包括以下步骤：(1)构建多语料文本图网络，(2)使用图网络技术与图嵌入算法获取图节点表示，(3)使用标签嵌入技术获取文本风格表示，(4)使用Transformer构建编码器获取融合文本风格信息的句子表示，(5)使用Transformer构建解码器对目标文本进行风格迁移，(6)使用多任务学习方法中的参数硬共享方法，构建文本多风格迁移模型。本发明使用图神经网络与标签嵌入技术获取了效果更优的文本风格表示；基于Transformer与风格表示相结合构建文本风格迁移模型，获得了更优的文本风格迁移效果；使用多任务技术构建文本多风格迁移模型，降低了不同风格之间的影响，获得了更优的文本多风格迁移效果。

公开(公告)号：CN114969342B

公开(公告)日：2025-04-29

申请号：CN202210623478.4

申请日：2022-06-02

Applicant: 大连理工大学

Inventor： 林鸿飞 ,  王晨光 ,  杨亮

IPC: G06F16/353 ,  G06N3/0442 ,  G06N3/0455 ,  G06N3/092

Abstract: 本发明提出了基于风格表示与多任务学习的文本多风格迁移方法，包括以下步骤：(1)构建多语料文本图网络，(2)使用图网络技术与图嵌入算法获取图节点表示，(3)使用标签嵌入技术获取文本风格表示，(4)使用Transformer构建编码器获取融合文本风格信息的句子表示，(5)使用Transformer构建解码器对目标文本进行风格迁移，(6)使用多任务学习方法中的参数硬共享方法，构建文本多风格迁移模型。本发明使用图神经网络与标签嵌入技术获取了效果更优的文本风格表示；基于Transformer与风格表示相结合构建文本风格迁移模型，获得了更优的文本风格迁移效果；使用多任务技术构建文本多风格迁移模型，降低了不同风格之间的影响，获得了更优的文本多风格迁移效果。