-
公开(公告)号：CN109523014B
公开(公告)日：2021-02-02
申请号：CN201811228324.5
申请日：2018-10-22
Applicant: 广州大学
Abstract: 本发明公开了一种基于生成式对抗网络模型的新闻评论自动生成方法及系统，该方法包括：获取多组目标特征新闻标题数据；对新闻标题数据进行预处理来构造训练数据，将训练数据输入长短期记忆网络‑循环神经网络模型进行训练，得到样本数据；将长短期记忆网络‑循环神经网络模型作为生成器，并在模型中加入鉴别器，对生成器与鉴别器进行博弈对抗训练，达到纳什均衡，形成生成式对抗网络模型；通过不断训练样本数据，修正生成式对抗网络模型，将该模型作为预生成新闻评论模型；加载预生成新闻评论模型，并设置输出参数调整预生成新闻评论模型，输出得到新闻评论。本发明节约了人力物力资源，极大地提高了新闻评论与新闻的相关性，具有极大的实用价值。
-
公开(公告)号：CN109523014A
公开(公告)日：2019-03-26
申请号：CN201811228324.5
申请日：2018-10-22
Applicant: 广州大学
Abstract: 本发明公开了一种基于生成式对抗网络模型的新闻评论自动生成方法及系统，该方法包括：获取多组目标特征新闻标题数据；对新闻标题数据进行预处理来构造训练数据，将训练数据输入长短期记忆网络-循环神经网络模型进行训练，得到样本数据；将长短期记忆网络-循环神经网络模型作为生成器，并在模型中加入鉴别器，对生成器与鉴别器进行博弈对抗训练，达到纳什均衡，形成生成式对抗网络模型；通过不断训练样本数据，修正生成式对抗网络模型，将该模型作为预生成新闻评论模型；加载预生成新闻评论模型，并设置输出参数调整预生成新闻评论模型，输出得到新闻评论。本发明节约了人力物力资源，极大地提高了新闻评论与新闻的相关性，具有极大的实用价值。
-
Patent Agency Ranking
公开(公告)号：CN109670036A
公开(公告)日：2019-04-23
申请号：CN201811542145.9
申请日：2018-12-17
Applicant: 广州大学
Abstract: 本发明涉及本发明涉及一种新闻评论自动生成方法及其装置，其将新闻标题作为原始数据；对新闻标题数据进行预处理来构造训练数据，训练数据作为LSTM模型的输入进行模型的训练；通过训练样本数据得到预先训练的LSTM模型，在模型中加入鉴别器，形成GAN模型，将LSTM模型生成的评论用鉴别器区别真假评论，LSTM模型作为生成器与鉴别器相互博弈，直至输出结果达到阈值，为保证输出结果(模型生成的评论)与新闻的上下文相关性，运用门控注意力机制，有效处理上下文信息。
-
公开(公告)号：CN109299211A
公开(公告)日：2019-02-01
申请号：CN201811104442.5
申请日：2018-09-21
Applicant: 广州大学
Abstract: 本发明公开了一种基于Char-RNN模型的文本自动生成方法，包括下述步骤：S1、获取符合特征要求的文本数据；S2、对文本数据进行建模处理，并使用向量矩阵来表示字母或者汉字，得到训练数据；S3、将训练数据逐批输入Char-RNN模型中进行训练，得到每一个字符对应的下一个字符的概率，并随着训练次数的提升会不断修正这个概率，达到预设好的训练次数后会保存训练模型结果；S4、以输入的关键字词作为起始字符，使用训练好的模型结果来得到对应下一个字符的概率并输出，并以此作为下一步的字符输入，依次类推生成一段文本。相比普通的RNN模型，本发明解决了其在长序列数据处理时会产生的梯度消失或梯度爆炸问题。
-
公开(公告)号：CN108427665A
公开(公告)日：2018-08-21
申请号：CN201810212265.6
申请日：2018-03-15
Applicant: 广州大学
Abstract: 本发明公开了一种基于LSTM型RNN模型的文本自动生成方法，包括以下步骤：收集多组目标特征文本数据；对收集到的文本数据进行预处理来构造训练数据，将训练数据输入LSTM型RNN模型进行训练，获取样本数据，并调整样本参数；通过构造和测试样本数据微调训练获取LSTM型RNN模型参数，不断训练样本数据、修正模型参数来提高模型精度；将修正后的LSTM型RNN模型作为预生成文档模型，加载模型并设置主要输出参数，调整模型，最终模型输出，得到特征类型文本。该方法采用LSRM型RNN模型的特征类型文本生成方法，对于特征性和重复性强的文本，如新闻类的短讯稿，不必采用人工进行书写，节约了人力物力资源，所生成的文本具有较强的逻辑性。
-
公开(公告)号：CN109299211B
公开(公告)日：2021-06-29
申请号：CN201811104442.5
申请日：2018-09-21
Applicant: 广州大学
Abstract: 本发明公开了一种基于Char‑RNN模型的文本自动生成方法，包括下述步骤：S1、获取符合特征要求的文本数据；S2、对文本数据进行建模处理，并使用向量矩阵来表示字母或者汉字，得到训练数据；S3、将训练数据逐批输入Char‑RNN模型中进行训练，得到每一个字符对应的下一个字符的概率，并随着训练次数的提升会不断修正这个概率，达到预设好的训练次数后会保存训练模型结果；S4、以输入的关键字词作为起始字符，使用训练好的模型结果来得到对应下一个字符的概率并输出，并以此作为下一步的字符输入，依次类推生成一段文本。相比普通的RNN模型，本发明解决了其在长序列数据处理时会产生的梯度消失或梯度爆炸问题。
-
公开(公告)号：CN109670036B
公开(公告)日：2020-12-08
申请号：CN201811542145.9
申请日：2018-12-17
Applicant: 广州大学
IPC: G06F16/34 , G06F40/258 , G06N3/04 , G06N3/08
Abstract: 本发明涉及本发明涉及一种新闻评论自动生成方法及其装置，其将新闻标题作为原始数据；对新闻标题数据进行预处理来构造训练数据，训练数据作为LSTM模型的输入进行模型的训练；通过训练样本数据得到预先训练的LSTM模型，在模型中加入鉴别器，形成GAN模型，将LSTM模型生成的评论用鉴别器区别真假评论，LSTM模型作为生成器与鉴别器相互博弈，直至输出结果达到阈值，为保证输出结果(模型生成的评论)与新闻的上下文相关性，运用门控注意力机制，有效处理上下文信息。
-
-
-
-
-
-
Search Results
7
records
(took 0.016 seconds)
