申请/专利权人：江南大学

申请日：2023-12-27

公开（公告）日：2024-03-29

公开（公告）号：CN117787224A

主分类号：G06F40/166

分类号：G06F40/166;G06F16/31;G06F16/36;G06F40/126;G06F40/216;G06N5/046;G06N5/04;G06N5/022;G06N3/0455;G06N3/044;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.16#实质审查的生效;2024.03.29#公开

摘要：本发明涉及一种基于多源异构特征融合的可控故事生成方法，对于每个故事样本，获取引导文本、关键词序列与常识化知识，分别输入BART编码器中，获取文本特征、关键词特征与常识特征，输入多源异构特征融合模型中，两两融合获取三个融合特征，以便利用多阶段递归性训练方法，基于BART的公开checkpoints，获取异构融合特征；将故事样本对应的参考故事与异构融合特征，输入BART解码器中，利用预设采样策略，获取预测故事文本；构建模型总损失函数，利用故事样本集进行训练，直至模型总损失函数收敛，获取完成训练的多源异构特征融合模型后，将待生成故事的文本特征、关键词特征与常识特征输入，获取异构融合特征，输入BART解码器中，生成可控故事文本。

主权项：1.一种基于多源异构特征融合的可控故事生成方法，其特征在于，包括：获取故事样本集；对于每个故事样本，提取其首句作为引导文本，除首句外其余语句为参考故事；抽取参考故事中的动词性词组作为关键词序列；对每个故事样本进行共指消解，获取其故事主角；利用NTLK工具包，获取每个故事样本的主谓宾，利用配对机制，生成以对应故事主角为主语的核心情节并进行双向推理，获取对应的常识化知识；所有故事样本的常识化知识构成常识化知识库；对所述故事样本集中所有故事样本中的每个单词进行编码，获取词汇表；将任一故事样本的引导文本、关键词序列与常识化知识分别输入BART编码器中，获取对应的文本特征、关键词特征与常识特征，输入多源异构特征融合模型中，获取故事样本对应的异构融合特征，具体包括：将所述文本特征与所述常识特征输入所述多源异构特征融合模型的第一融合模块中，基于多头注意力机制，获取第一融合特征；将所述关键词特征与常识特征输入所述多源异构特征融合模型的第二融合模块经多头注意力机制处理后，与所述关键词特征进行残差连接，获取第二融合特征；将所述文本特征与关键词特征输入所述多源异构特征融合模型的第三融合模块经多头注意力机制处理后，与所述关键词特征进行残差连接，获取第三融合特征；利用多阶段递归性训练方法，基于所述第一融合特征与BART的公开checkpoints，获取第一checkpoints；基于所述第二融合特征与所述第一checkpoints，获取第二checkpoints；基于所述第三融合特征与所述第二checkpoints，获取故事样本对应的异构融合特征；将所述故事样本对应的参考故事与异构融合特征，输入BART解码器中进行解码，获取词汇表的概率分布；利用预设采样策略，从引导文本开始，不断选取概率最高的单词作为下一个单词，直至选取的下一个单词为预设结束标志，获取预测故事文本；基于预测故事文本与对应的参考故事的交叉熵损失函数，以及文本特征与关键词特征的负对数似然函数，构建模型总损失函数；利用故事样本集对所述多源异构特征融合模型进行训练，直至模型总损失函数收敛，获取完成训练的多源异构特征融合模型；获取待生成故事的引导文本与关键词序列，提取待生成故事的文本特征与关键词特征；获取所述常识化知识库中所有常识化知识的常识特征，构成待生成故事的常识特征；将所述待生成故事的文本特征、关键词特征与常识特征，输入所述完成训练的多源异构特征融合模型；生成待生成故事的异构融合特征，输入BART解码器中，获取待生成故事对应的可控故事文本。

全文数据：

权利要求：

百度查询： 江南大学 一种基于多源异构特征融合的可控故事生成方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD