抽取式自动文本生成算法

文本自动生成旨在实现机器像人一样写作,减少语言工作人员的工作量,为读者传送实时、简洁的新闻报道.它可被运用在智能问答和对话、新闻的自动撰写、突发事件报道等应用中,且一直是学术界和工业界想突破的研究问题.本文将文本自动生成建模成关键词集合覆盖问题,提出了一种无监督的抽取式文本自动生成算法.该算法优化了自动文本的结构,不再是一段式文本.实验表明,该算法在大规模语料库上可取得不错效果,生成的文本覆盖信息更全面,与人工生成的文本意思更接近.

基于知识元素模型的工程结构施工技术方案文本自动生成算法

当前接触网(OCS)工程施工现场管理存在信息化水平低、技术交底文件质量差的问题。文章提出基于知识元素模型的接触网工程技术交底文本生成方法,通过建模多来源技术知识,采用案例-规则混合推理模型重用工程案例知识,实现早期工程技术知识的挖掘和利用。最后,提出基于配置模板的新建筑项目文本自动生成技术,并通过实证研究和评估指标比较,证明该方法能生成性能良好的技术公开文本,满足现场管理要求,减轻技术管理人员工作量。

基于认知心理学模型的自动文本摘要生成技术

自动文本摘要生成(ATS)与计算机科学和认知心理学密切相关。提出了一个自动文本摘要生成系统(EI-ATS)。该系统借助句法和词法分析,将认知心理学中的事件-索引(Event-indexing)模型运用到自动文本摘要生成。评价结果表明:该系统在多文件摘要生成方面表现良好,成为整合两个相异但相关领域知识的研究范例。

气象落区文本自动生成研究

面向天气预报和气象服务的文本内容的计算机自动或者半自动生成方法,对文本生成质量要求较高,即要准确、高效、合理,还需要符合自然语言表达,存在较多技术问题。在深入分析中央气象台每日发布的"天气公报"文本内容的基础上,结合地理信息科学和自然语言处理科学方法提出了面向气象落区文本语言生成的基本原理与流程,重点从历史文本内容分析与特征提取、地理区域划分、气象要素空间分析、文本组织与生成等关键技术问题进行了深入讨论,并给出了相应的技术实现。计算机自动生成结果与预报员人工撰写的文本内容对比分析也较好地证明了面向特地领域的文本生成方法具有较好的应用前景。

气象服务文本产品的自动生成

目前气象信息文本的自动生成技术主要有 2种 :基于文字替换的CWF(Computer WordedForecasting)技术和基于知识库的KBTG(Knowledge BasedTextGeneration)技术。使用CWF技术进行文本的自动生成 ,技术较成熟、容易实现。文中阐述了使用CWF技术进行文本的自动生成过程中涉及的 3个关键技术 :①自动、定时生成预报文本 ;②定义预报文本的输出格式 ;③使预报文本的表达更接近自然语言。

多语种文本自动生成系统中句子规划部分知识表示模型的构造

提出了一种多语种文本自动生成系统中句子规划阶段的知识表示模型，它以句子结构类、句法规则和语义词典确定文本的具体形式，并详细介绍了该知识表示模型的结构及其匹配准则。

基于SOM的超文本自动生成算法

利用自组织映射网络(SOM)可以实现文本聚类,在此基础上进一步对索引词聚类,从而可以得到文本聚类图和索引词聚类图。利用这两个图,就可以对普通文本进行超文本自组织,即对普通文本的某些知识点做超链接,以链接到与之相关的Web文档上。

基于Sugeno积分语言量词模型的气象文本自动生成技术研究

气象文本中存在大量的模糊性用语。不同的预报员在选词习惯上的不同对用户理解气象文本会带来差异。本文提出了一种基于Sugeno积分语言量词模型的气象文本自动生成技术,并讨论了在降水实况描述文本和降水预报文本的自动生成中如何实现。

基于深度学习的文本自动生成技术研究综述

目前文本自动生成技术可分为基于规划的生成技术、基于规则的模板生成技术、基于深度学习的生成技术等.基于深度学习的生成技术和文本自动生成评测准则是综述的主要内容.通过研究文本自动生成技术优缺点和评测准则.发现利用深度学习实现文本自动生成应用前景更广.对指定主题和嵌入情感的文本自动生成研究有重要的意义.

考虑评级信息的音乐评论文本自动生成

近年来在线唱歌平台作为一种新型的娱乐方式吸引了大量用户。在在线唱歌平台上,评论发布的音乐作品是平台用户之间分享和交流的一种方式,对用户发布作品具有激励作用。但是新用户的作品或者新发布的作品往往缺乏评论,对音乐作品自动生成评论可以在一定程度上解决此问题。在在线唱歌平台上的评论文本与音乐作品的表现评级存在一定的关系。因此,研究考虑音乐作品评级信息的评论文本自动生成的方法。为此提出了一种基于生成式对抗网络的深度文本生成模型GradeGAN,包括生成器、文本判别器和等级判别器,利用文本判别器和等级判别器共同指导生成器生成准确的文本,同时使生成的文本与等级信息相符。在真实的数据集上的实验结果表明,与已有相关模型相比,所提模型在生成评论时不仅具有更高的准确性,同时具有较高的多样性。

面向严格对齐任务的文本自动生成:以招标技术范本为例

自动生成的严格对齐的文本,生活中更有常用,例如:自动生成对齐的招投标文件等。然而,自动生成对齐文本时,首先需要的是结构化数据。本文设计了基于历史招标文件的严格对齐文本自动生成模型。方法包括:基于正则匹配的数据清洗和结构化关键标签的抽取(例如:招标文件的技术参数等);基于k-means的结构化关键标签聚类;基于word2vec计算词向量之间余弦距离的结构化关键标签去重;最后,基于结构化关键标签,预测出最终的编制范本。实验以专家手工标记的100篇招标文件技术范本为参照,文中算法不仅可以达到与专家人工编制范本之间80%以上的重合度,同时参数覆盖更全面,鲁棒性高,可以满足生产需求。

基于深度学习的文本自动摘要方案

针对自然语言处理(NLP)生成式自动摘要领域的语义理解不充分、摘要语句不通顺和摘要准确度不够高的问题,提出了一种新的生成式自动摘要解决方案,包括一种改进的词向量生成技术和一个生成式自动摘要模型。改进的词向量生成技术以Skip-Gram方法生成的词向量为基础,结合摘要的特点,引入词性、词频和逆文本频率三个词特征,有效地提高了词语的理解;而提出的Bi-MulRnn+生成式自动摘要模型以序列映射(seq2seq)与自编码器结构为基础,引入注意力机制、门控循环单元(GRU)结构、双向循环神经网络(BiRnn)、多层循环神经网络(MultiRnn)和集束搜索,提高了生成式摘要准确性与语句流畅度。基于大规模中文短文本摘要(LCSTS)数据集的实验结果表明,该方案能够有效地解决短文本生成式摘要问题,并在Rouge标准评价体系中表现良好,提高了摘要准确性与语句流畅度。

ED-GAN:基于改进生成对抗网络的法律文本生成模型

法律文本的自动生成能缓解我国法律服务行业中的人力资源不足的问题,对抗生成网络模型的出现为法律文本的自动生成提供了新思路.本文提出一种基于对抗生成网络的文本自动生成模型——ED-GAN(Generative Adversarial Networks based on Encoder-Decoder).在该模型的生成器中,首先将案情要素的关键词序列输入至编码器Encoder阶段的LSTM中编码成一隐含层向量,再将这个隐含层向量输入到解码器Decoder的LSTM中,并结合其各时间步的输出生成下一时间步的隐含层向量,进而得到各时间步的输出,生成文本序列.模型最后采用CNN网络来鉴别生成文本和真实文本之间的差距.实验验证表明,采用所提模型能够生成较理想的法律文本.

基于主题约束的篇章级文本生成方法

针对计算机自动生成的文本缺乏主题思想这一问题,提出一种基于主题约束的篇章级文本自动生成方法。该方法围绕用户输入的主题描述语句提取若干主题词;然后对主题词进行扩展和主题聚类,形成文章主题规划;最后利用每个聚类中的关键词信息约束每个段落的文本生成。该模型从文本主题分布、注意力评分方法和主题覆盖生成3个方面对现有基于注意力机制的循环神经网络文本生成模型进行了改进。在3个真实数据集上分别与Char-RNN,SC-LSTM和MTA-LSTM基准模型进行对比,并对3个方面的改进进行独立验证。实验结果表明,所提方法在人工评判和BLEU自动评测上均优于基准模型,生成的文本能更好地贴合主题。

常见神经网络模型在古诗词自动生成中的应用与对比分析

文本自动生成技术可应用于机器问答对话、智能翻译、新闻稿件自动撰写等任务上,对包括机器人、新闻传媒、互联网企业等产业具有重要意义。选取以RNN循环神经网络、LSTM和GAN对抗生成网络等经典的文本生成模型为代表,对比各种算法生成古诗词,并研究它们之间的优缺点。同时探索了文本生成领域的质量评估方式,对中文古诗自动生成领域的研究有较大的参考意义和研究帮助。

基于空间分析的气象预报文本实时生成研究

旨在将专业且繁杂的原始气象数据转化成通俗易懂的气象预报文本,提高气象服务的时效性、科技含量和丰富性,重点对原始气象数据进行空间计算,另外利用特征提取相关算法处理海量历史气象文本,构建气象预报文本的模板库.在此基础上实现了一套面向气象大数据的气象预报文本实时生成系统.实验结果显示,该系统生成的气象文本准确性达到71%,通顺性达到85%,合格率可达84%.较为理想的实验结果也证明了该系统的可行性与准确性,具有良好而广阔的应用前景.

融合门控注意力机制的基于生成对抗网络模型的新闻评论自动生成方法研究

该文设计了一种基于生成对抗网络模型的新闻评论自动生成方法,融合关键信息的门控注意力机制,通过构建生成对抗网络模型来自动生成新闻评论。为保证输出结果(模型生成的评论)与新闻的上下文相关性,融合门控注意力机制提取关键词语,有效处理上下文信息。同时探索了新闻评论生成文稿的质量评估方式,对新闻评论稿自动生成领域的研究有较大的参考意义和研究帮助。

在线社交网络文本内容对抗技术

在线社交网络内容对抗技术是人工智能领域与网络空间安全领域的一个新兴研究方向.它是指人们基于特定任务,在社交网络受众广泛、内容数量庞大、内容质量参差、内容真伪难辨的环境下,利用新兴的大数据驱动的人工智能方法,自动完成在线社交网络中针对特定主题与群体的对抗内容发现、生成与投送,进而实现社交平台异常信息的检测与反制,以达到维护网络空间安全的目的.虽然在线社交网络对抗技术属于一个新概念,鲜有相关工作,但是已有的机器学习方法可以被应用到该领域,通过特征提取、文本模式解析、文本内容编码与重建、目标优化等技术对社交文本大数据进行解析与内容表示,解决网络空间中的文本内容安全问题,实现对社交网络文本环境的净化.此外,在社交网络文本内容对抗的过程中,对抗双方的策略可作为反馈信息,使对抗模型不断进行更新和优化,最终达到完善模型的目的.基于以上攻防对抗思想,本文着重从文本内容生成与检测两方面对在线社交网络对抗进行阐述.首先,本文介绍了有关在线社交网络文本对抗技术的相关基础知识.其次,针对社交网络文本内容检测方法,本文从基于零次分类器的模型、基于机器特征的模型、基于预训练语言模型的方法、基于人机协作的模型、基于能量基础的模型5个角度进行详细介绍.为了方便读者针对不同的应用场景选择合适的模型,本文对不同检测模型的适用场景以及模型优劣进行了对比总结.针对社交网络文本生成方法,本文对基于对抗生成网络的文本生成模型、可控文本生成模型、长文本生成、文本质量评价4方面进行了综述.此外,为了方便读者对模型的有效性进行验证,本文对相关数据进行了系统性总结.最后,本文总结了在线社交网络对抗技术未来的重要研究方向与挑战.

自然语言生成系统的实现技术分析

自然语言生成（NaturalLanguageGeneration）是自然语言处理两大域之一，国外许多学者都在致力于NLG技术的研究。本文主要介绍有关文本自动生成器的实现技术。首先简单的阐述文本自动生成的三大主要任务；其次，具体描述四种常用的生成器实现技术及其优缺点；最后，文章谈到了一个具体实例的实现模型。

自然语言生成技术及其应用实例

自然语言生成（NLG）是自然语言处理（NLP）的两大领域之一，国外许多学者都在致力于NLG技术的研究。本文主要介绍有关文本自动生成器的实现方法。首先简单地阐述文本自动生成的三大主要任务。其次。具体描述四种常用的生成器实现技术及其优缺点。最后，文章谈到了一个具体实例一天气预报自动生成系统的实现模型。