【成果推荐】一种基于深度学习的可控多人物心理导向故事生成方法

文本自动生成是自然语言处理领域的一个重要研究方向，实现文本自动生成也是人工智能走向成熟的一个重要标志。文本自动生成旨在让计算机能够像人类一样会写作，能够撰写出高质量的自然语言文本。文本自动生成技术极具应用前景。例如，文本自动生成技术可以应用于智能问答与对话、机器翻译等系统，实现更加智能和自然的人机交互；也可以通过文本自动生成系统替代编辑实现新闻的自动撰写与发布，最终将有可能颠覆新闻出版行业；该项技术甚至可以用来帮助学者进行学术论文撰写，进而改变科研创作模式。故事生成在过去的几年里引起了人们的广泛关注。与一般的文本生成不同， 故事生成要求文本与事件序列一致。故事生成除了要求连贯性外，还存在着主题一致性、内容一致性、词汇多样性和情感控制等诸多挑战。本科技成果针对情感控制方面进行进一步研究。传统的情感可控的故事生成只涉及了一些简单的情感，比如开心、难过等。 

本科技成果引入了马斯洛需求层次理论等多个心理学理论，能够更充分的描述人物的特征。传统的情感可控的故事生成模型只能考虑整个故事的情感，无法控制故事中每个人物的情感。本科技成果可以根据指定的每个人物的心理状态来生成情感丰富的故事。故事生成模型使用 Seq2Seq 框架。在编码部分，为了故事具有上下文连贯性引入上文信息，设计了两种文本编码的方法，一种是 Context-independent，该方法是将故事的输入的句子和故事的上文拼接起来一起放入 BiLSTM 中进行编码；另一种是 Context-merge，该方法将故事的输入的句子和故事的上文先分别 在 BiLSTM 编码后再拼接起来。在解码部分设计了两个辅助模块：人物选择器和心理状态控制器。人物选择器利用 softmax 激活函数的概率用来选择当前时刻应该描述哪一个人物；心理状态控制器利用 attention 机制用来控制当前时刻接收哪些以及接收多少程度的心理状态。

合作方式：技术转移，产学研合作等。

价格：面议

联系方式：长按扫描二维码，填写您的需求