-
公开(公告)号：CN115495566B
公开(公告)日：2024-11-12
申请号：CN202211238085.8
申请日：2022-10-11
Applicant: 重庆邮电大学
IPC: G06F16/332 , G06F40/30 , G06N5/04 , G06N3/0442 , G06N3/0455 , G06N3/084
Abstract: 本发明涉及人机对话领域，具体涉及一种增强文本特征的对话生成方法和系统；该方法包括获取问题文本和回复文本，通过TextRank算法提取问题文本中的关键词，得到关键词序列；引入关键词编码器，关键词编码器通过注意力机制对每一个关键词进行编码得到对应的关键词向量；将关键词向量与语义向量拼接后输入第一多层感知机，得到包含丰富语义的关键词语义向量；将关键词语义向量与问题文本向量拼接后通过第二多层感知机，得到输入向量；根据输入向量训练对话生成模型，采用损失函数计算损失值并反向传播，调整对话生成模型的参数；本发明加强关键词的权重，增强对文本的特征表达，达到生成更高质量的对话文本的目的。
-
公开(公告)号：CN116932726A
公开(公告)日：2023-10-24
申请号：CN202310977148.X
申请日：2023-08-04
Applicant: 重庆邮电大学
IPC: G06F16/332 , G06F16/35 , G06F18/2415 , G06F18/214 , G06F18/21 , G06N3/0442 , G06N3/0455 , G06N3/09
Abstract: 本发明属于开放域聊天技术领域，具体涉及一种基于可控多空间特征解耦的开放域对话生成方法；M‑CVAE模型的预训练过程包括：获取问题文本序列和回复文本序列并将其嵌入到词空间中，将得到的词向量分别对应输入到输入编码器和输出编码器，得到问题文本特征表示和回复文本特征表示；将两种特征表示输入到识别网络和先验网络中进行计算，得到隐变量；采用解码器根据隐变量对参考回复进行处理，生成回复文本；将问题文本特征表示输入到分类器中，得到问题分类类别概率；预训练后进行再训练和测试，获得训练好的模型；将问题文本输入到训练好的M‑CVAE模型中，生成对应的回复文本；本发明能够生成高质量，可解释，一对多的可控对话文本。
-
公开(公告)号：CN116932726B
公开(公告)日：2024-05-10
申请号：CN202310977148.X
申请日：2023-08-04
Applicant: 重庆邮电大学
IPC: G06F16/332 , G06F16/35 , G06F18/2415 , G06F18/214 , G06F18/21 , G06N3/0442 , G06N3/0455 , G06N3/09
Abstract: 本发明属于开放域聊天技术领域，具体涉及一种基于可控多空间特征解耦的开放域对话生成方法；M‑CVAE模型的预训练过程包括：获取问题文本序列和回复文本序列并将其嵌入到词空间中，将得到的词向量分别对应输入到输入编码器和输出编码器，得到问题文本特征表示和回复文本特征表示；将两种特征表示输入到识别网络和先验网络中进行计算，得到隐变量；采用解码器根据隐变量对参考回复进行处理，生成回复文本；将问题文本特征表示输入到分类器中，得到问题分类类别概率；预训练后进行再训练和测试，获得训练好的模型；将问题文本输入到训练好的M‑CVAE模型中，生成对应的回复文本；本发明能够生成高质量，可解释，一对多的可控对话文本。
-
公开(公告)号：CN115495566A
公开(公告)日：2022-12-20
申请号：CN202211238085.8
申请日：2022-10-11
Applicant: 重庆邮电大学
IPC: G06F16/332 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明涉及人机对话领域，具体涉及一种增强文本特征的对话生成方法和系统；该方法包括获取问题文本和回复文本，通过TextRank算法提取问题文本中的关键词，得到关键词序列；引入关键词编码器，关键词编码器通过注意力机制对每一个关键词进行编码得到对应的关键词向量；将关键词向量与语义向量拼接后输入第一多层感知机，得到包含丰富语义的关键词语义向量；将关键词语义向量与问题文本向量拼接后通过第二多层感知机，得到输入向量；根据输入向量训练对话生成模型，采用损失函数计算损失值并反向传播，调整对话生成模型的参数；本发明加强关键词的权重，增强对文本的特征表达，达到生成更高质量的对话文本的目的。
-
-
-
Search Results
4
records
(took 0.016 seconds)
