[发明专利]基于类标序列生成式对抗模型的文本自动生成方法

说明书

本发明公开了一种基于类标序列生成式对抗模型的文本自动生成方法，包括步骤：基于生成式对抗模型构建文本生成器；利用所述文本生成器生成基于真实文本的生成文本；调整所述生成文本的文本长度；对调整过文本长度的生成文本进行关键词替换，获得最终生成文本。该文本自动生成方法能够生成完善的文本内容，提高文本的针对性和多样化程度。

技术领域

本发明属于深度学习自然语言处理领域，具体涉及一种基于类标序列生成式对抗模型的文本自动生成方法。

背景技术

深度学习受神经科学启发而来，通过对大量数据进行学习，在自然语言处理领域获得了更好的效果。具体表现在语音识别、机器翻译、摘要生成、自然语言生成等各种自然语言相关的应用领域。为了能够真正应用到相关应用领域中，生成自然语言的准确性以及合理性越发不可忽视，人们对自然语言处理领域的其他发展抱有越来越高的期望，这要求对自然语言生成质量的更高要求。

文本自动生成是自然语言处理领域的一个重要技术体现，自动生成的文本质量的好坏也标志着人工智能是否成熟的。文本生成任务的最终目的是让计算机能写出像人类写出的高质量的自然语言作品，并且能在学习的过程中排查生成文本中的语法错误、情感不当等各种人类写作时会出现的问题。文本自动生成技术的发展，可以帮助我们实现更加智能和自然的人机交互；通过文本自动生成系统，实现新闻的自动编辑，大大减少了编辑的工作量。在给人类生活带来便利的同时，更高质量的自动生成文本，也可能被用于对人类认知进行欺骗，例如生成各类以假乱真的虚假政治新闻或评价文本，对大众的认知产生误导效果。

现有的自动文本生成技术已经有效提高了机器翻译、自动问答、图像描述生成等应用的效果，虽然将深度学习运用在自动文本生成任务中已经能完成一部分机器翻译任务，并且在生成诗句和文本摘要等方面有不错的表现，但传统的文本生成方法大多只能生成定长文本，且面临长文本生成任务时生成的文本质量较低，难以生成符合真实人类书写的文本。生成的文本往往没有具体的细节，难以应用于实际领域。

对于一些文本生成算法而言，往往需要输入一段确定的文本作为训练，多次训练后得到一个可以生成对应文本的模型。需要生成另一类文本则需要重新选择数据集进行训练，并且重新保存模型等待生成，训练的过程较为繁琐。

专利公布号为CN109299211A的专利申请公开了一种基于Char-RNN模型的文本自动生成方法，该方法使用向量矩阵来表示字母或者汉字，通过Char-RNN模型中训练，得到每一个字符对应的下一个字符的概率，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。该方法将关键词作为起始字符，很多情况下不合符人类的写作习惯。

发明内容

为了提高生成文本的质量，本发明提供了一种基于类标序列生成式对抗模型的文本自动生成方法，该文本自动生成方法能够生成完善的文本内容，提高文本的针对性和多样化程度。

本发明提供的技术方案为：

一种基于类标序列生成式对抗模型的文本自动生成方法，包括步骤：

基于生成式对抗模型构建文本生成器；

利用所述文本生成器生成基于真实文本的生成文本；

调整所述生成文本的文本长度；

对调整过文本长度的生成文本进行关键词替换，获得最终生成文本。

优选地，所述文本生成器的构建过程包括：

以LSeqGAN模型作为文本生成器的构建系统，LSeqGAN由生成器G和判别器D，其中，生成器G用于根据输入的真实文本输出指定类型的生成文本；判别器D用于判别真实文本和生成文本的真假；