[發明專利]基于FocalGAN的短文本自動生成方法、裝置、設備及存儲介質

在審

• 申請號: 202010374650.8
• 申請日: 2020-05-06
• 公開（公告）號: CN111563367A
• 公開（公告）日: 2020-08-21
• 發明（設計）人: 劉杰;張凱;冀俊宇;周建設;史金生;李嵐;張文彥;董蘇
• 申請（專利權）人: 首都師范大學
• 主分類號: G06F40/166
• 分類號: G06F40/166;G06N3/04;G06N3/08
• 代理公司: 南昌華成聯合知識產權代理事務所(普通合伙) 36126
• 代理人: 徐蒼

1.一種基于Focal GAN的短文本自動生成方法，其特征在于，所述方法包括：

構建基于端到端的生成器及基于焦點損失函數的判別器；

根據所述生成器和判別器生成對抗網絡；

將目標單詞作為所述對抗網絡的輸入序列，以使得根據所述對抗網絡輸出所述目標單詞對應的短文本。

2.如權利要求1所述的方法，其特征在于，所述構建基于端到端的生成器及基于焦點損失函數的判別器之前，所述方法還包括：

獲取語料集，所述語料集至少包括作文語料、頭條新聞語料；

對所述語料集進行預處理得到篩選后的語料集；

根據預設劃分比例將所述篩選后的語料集劃分為訓練集、測試集、驗證集。

3.如權利要求2所述的方法，其特征在于，在所述將目標單詞作為所述對抗網絡的輸入序列，以使得根據所述對抗網絡輸出所述目標單詞對應的短文本之前，所述方法還包括：

根據所述訓練集對所述對抗網絡進行訓練。

4.如權利要求2所述的方法，其特征在于，所述預設劃分比例為6：2:2。

5.如權利要求3所述的方法，其特征在于，所述根據所述訓練集對所述對抗網絡進行訓練，包括：

從所述訓練集采樣得到監督訓練所需要的正例；

根據所述監督訓練所需要的正例對所述對抗網絡進行訓練。

6.如權利要求1所述的方法，其特征在于，在所述根據所述生成器和判別器生成對抗網絡之后，所述將目標單詞作為所述對抗網絡的輸入序列，以使得根據所述對抗網絡輸出所述目標單詞對應的短文本之前，所述方法還包括：

基于注意力機制及所述判別器反饋給所述生成器的獎勵修正所述生成器的分配權重。

7.如權利要求1所述的方法，其特征在于，所述對所述語料集進行預處理得到篩選后的語料集，包括：

對所述語料集進行去除重復內容、分詞、去除噪聲、選取字數長度均勻中的至少一項操作。

8.一種基于FocalGAN的短文本自動生成裝置，其特征在于，所述裝置包括：

構建模塊，用于構建基于端到端的生成器及基于焦點損失函數的判別器；

生成模塊，用于根據所述生成器和判別器生成對抗網絡；

輸入模塊，用于將目標單詞作為所述對抗網絡的輸入序列，以使得根據所述對抗網絡輸出所述目標單詞對應的短文本。

9.一種基于FocalGAN的短文本自動生成設備，其特征在于，所述設備包括：

存儲有可執行程序代碼的存儲器；

與所述存儲器耦合的處理器；

所述處理器調用所述存儲器中存儲的所述可執行程序代碼，執行如權利要求1-7任一項所述的基于FocalGAN的短文本自動生成方法。

10.一種計算機存儲介質，其特征在于，所述計算機存儲介質存儲有計算機指令，所述計算機指令被調用時，用于執行如權利要求1-7任一項所述的基于FocalGAN的短文本自動生成方法。