[发明专利]一种基于深度学习的自然语言生成方法

摘要

本发明公开了一种基于深度学习的自然语言生成方法，包括使用已有的新闻和评论对评论生成装置进行训练，训练阶段包括以下步骤：S1，将已有的新闻和评论中的词进行向量化处理，获取新闻中各词对应的词向量和评论中各词对应的词向量；S2，获取新闻中各词的隐藏状态向量；S3，获取评论中各词的隐藏状态向量；S4，对于评论中的各词均进行处理，得到各词的新的隐藏状态向量；S5，根据步骤S4得到的评论中各词的新的隐藏状态向量预测各词对应的下一个词：根据当前词的隐藏状态向量得到词表内选中各个词的概率，取概率最大的词作为生成的评论中的当前词的下一个词。本发明可针对给定的新闻生成对应的新闻评论，且评论中取词的准确性较高。

主权项

1.一种基于深度学习的自然语言生成方法，其特征在于：包括使用已有的新闻和评论对评论生成装置进行训练，所述训练阶段包括以下步骤：S1，将已有的新闻和评论中的词进行向量化处理，获取新闻中各词对应的词向量和评论中各词对应的词向量；S2，将新闻中各词对应的词向量输入双向循环的神经网络结构中，获取新闻中各词的隐藏状态向量；S3，将评论中的各词对应的词向量输入单向循环的神经网络结构中，获取评论中各词的隐藏状态向量；S4，对于评论中的各词均进行如下处理，得到各词的新的隐藏状态向量：S41，分析当前词与新闻中各个词之间的相似程度，根据相似程度对新闻各个词的隐藏状态向量加权相加，得到的值作为新闻上下文向量；S42，根据当前词的隐藏状态向量通过门函数计算得到一个位于0到1之间的概率值；S43，以所述概率值将步骤S41计算得到的新闻上下文向量更新到当前词的隐藏状态向量中，得到当前词的新的隐藏状态向量；S5，根据步骤S4得到的评论中各词的新的隐藏状态向量预测各词对应的下一个词：根据当前词的隐藏状态向量得到词表内选中各个词的概率，取概率最大的词作为生成的评论中的当前词的下一个词。