申请/专利权人：南京理工大学

申请日：2023-12-27

公开（公告）日：2024-04-02

公开（公告）号：CN117807991A

主分类号：G06F40/284

分类号：G06F40/284;G06F16/335;G06N3/0455;G06N3/084

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.19#实质审查的生效;2024.04.02#公开

摘要：本发明公开了一种基于改进损失函数Transformer模型的情感可控的诗歌生成方法，采集公开数据集，对数据集筛选提炼，并预处理标签；将数据输入Transformer编码器，用Linear层神经网络进行解码，得到解码向量；在训练过程中，将解码向量经过字韵矩阵转化为韵律向量，梯度下降损失函数则结合两种向量加权学习；在推理过程中，使用剪枝搜索和启发式方法，以提高诗歌质量；向部署模型输入提示情感词并进行推理，获得对应于输入情感新的生成诗歌。本方法提出字韵矩阵，将解码向量转化到押韵向量求得押韵相关的损失函数；通过合并两种损失函数的梯度下降，模型生成的诗歌在保证质量的同时押韵率高；结合情感标签，在保证诗歌格式的情况下提高了诗歌的文学性。

主权项：1.一种基于改进损失函数Transformer模型的情感可控的诗歌生成方法，其特征在于，包括以下步骤：步骤1、采集公开数据集，对数据集进行筛选提炼，并处理得到所需标签；步骤2、将情感标签以及诗歌数据输入Transformer编码器，用Linear层神经网络进行解码，得到解码向量；步骤3、在模型训练过程中，将解码向量经过设计好的字韵矩阵转化为韵律向量，在梯度下降时，不仅对解码向量计算诗歌生成相关的损失函数，而且对韵律向量计算押韵相关的损失函数；步骤4、在模型推理过程中，使用beamsearch方法加上重复惩罚或背书惩罚启发式方法，计算可能性最高的生成诗歌以提高诗歌生成质量；步骤5、向部署模型输入提示情感词并进行推理，获得对应于输入情感的新生成的诗歌。

全文数据：

权利要求：

百度查询： 南京理工大学 一种基于改进损失函数Transformer模型的情感可控的诗歌生成方法

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