-
公开(公告)号:CN118113833A
公开(公告)日:2024-05-31
申请号:CN202410191038.5
申请日:2024-02-21
Applicant: 重庆邮电大学
IPC: G06F16/332 , G06F16/36 , G06F40/126 , G06F40/30 , G06N5/04
Abstract: 本发明属于自然语言处理领域,具体涉及一种融合角色推理与自适应注意力的个性化回复生成方法;包括:构建句间概念图谱与句内概念图谱;对上下文对话数据和其中的概念进行编码,得到上下文语义表示和概念表示;对上下文语义表示进行解码,得到解码输出;根据解码输出、句间和句内概念图谱对概念表示进行概念扩展,得到角色语句子集;对角色语句子集和上下文对话数据进行处理,得到角色语句自注意力表示、交叉角色表示和交叉上下文表示;根据角色语句自注意力表示、交叉角色表示和交叉上下文表示计算得到角色一致性的个性化回复;本发明充分利用角色信息与上下文内容,提高生成回复的角色一致性和对话连贯性。
-
公开(公告)号:CN116089588A
公开(公告)日:2023-05-09
申请号:CN202310154123.X
申请日:2023-02-23
Applicant: 重庆邮电大学
IPC: G06F16/332 , G06F16/35 , G06F16/33 , G06N3/0442 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种融合情感原因和情感意图的共情对话生成方法,包括获取目标共情对话文本,目标共情对话文本包括speaker和Listener的文本;将目标共情对话文本按句子进行划分,在第一个句子的首位添加CLS特殊标记,在每个句子之后加入SEP标记,生成第一目标对话文本序列,并利用Word2Vec工具将第一目标对话文本序列嵌入向量表示生成第一目标对话向量;将Listener的回复文本按句子进行划分,并利用Word2Vec工具将每个句子中的词嵌入向量表示生成第二目标对话向量;将第一目标对话向量和第二目标对话向量输入训练好的共情对话生成模型生成目标共情回复。
-
公开(公告)号:CN116049384A
公开(公告)日:2023-05-02
申请号:CN202310174928.0
申请日:2023-02-28
Applicant: 重庆邮电大学
IPC: G06F16/34 , G06F40/289 , G06N3/047 , G06N3/0464 , G06N3/0499
Abstract: 本发明涉及自然语言处理、深度学习、文本摘要生成领域,特别涉及一种基于RNN与稀疏自注意力机制的长文档摘要生成方法,包括将文本数据进行数据切段或者padding的方式将数据填充到固定长度L,分别对L长度的片段进行词嵌入转换为词向量表示;将词向量片段作为编码器的输入,编码器编码得到词向量片段对应的上下文表示;解码阶段将词向量表示以及对应的上下文表示输入解码器得到最终的隐藏特征;隐藏特征经过一层Softmax层得到预测输出;本发明有效地利用层次框架模型对文本摘要相关因素进行建模,从而提升了模型生成摘要的可读性、相关性与准确性。
-
公开(公告)号:CN116029283A
公开(公告)日:2023-04-28
申请号:CN202310106218.4
申请日:2023-02-13
Applicant: 重庆邮电大学
IPC: G06F40/211 , G06F40/289 , G06F18/214 , G06N3/0499 , G06N3/084
Abstract: 本发明属于自然语言处理领域,具体涉及一种基于常识扩展的角色一致性对话生成方法;包括:获取常识扩展数据集并进行人物角色语句提取和对话历史语句的有效语句提取,得到第一对话数据集和第二对话数据集;组合第一对话数据集和第二对话数据集,对组合后的数据集和常识扩展数据集进行训练,直到两数据集相互收敛,对收敛后的组合数据集中的人物角色语句和对话历史语句进行嵌入编码;将编码后的结果输入到GPT‑2模型中进行训练,得到初始对话回复;将初始对话回复和编码后的人物角色语句输入到一致性理解解码器中进行训练,得到最终的一致性对话回复;本发明有效提高了对话生成模型的角色一致性和回复多样性。
-
-
-