[发明专利]文本生成方法、文本生成装置以及已学习模型在审
申请号: | 201911343811.0 | 申请日: | 2019-12-24 |
公开(公告)号: | CN111382251A | 公开(公告)日: | 2020-07-07 |
发明(设计)人: | 横手健一;岩山真 | 申请(专利权)人: | 株式会社日立制作所 |
主分类号: | G06F16/332 | 分类号: | G06F16/332;G06F16/33;G06F40/151 |
代理公司: | 中国国际贸易促进委员会专利商标事务所 11038 | 代理人: | 程晨 |
地址: | 日本*** | 国省代码: | 暂无信息 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 文本 生成 方法 装置 以及 学习 模型 | ||
1.一种文本生成方法,其中,
生成对将文本分割而得到的要素的配对进行了学习的辅助置换器,
生成在所述辅助置换器的结合后对复述前后的文本进行了学习的文本生成器,
使用所述文本生成器来生成文本。
2.根据权利要求1所述的文本生成方法,其中,
收集将所述文本分割而得到的要素的配对,
根据所述要素的配对,生成在所述辅助置换器的学习中使用的置换教师数据,
根据所述置换教师数据,生成所述辅助置换器,
结合所述辅助置换器和未学习的文本生成器,
收集在所述文本生成器的学习中使用的所述复述前后的文本,
根据所述复述前后的文本,生成在所述文本生成器的学习中使用的生成教师数据,
根据所述生成教师数据,生成能够执行所述文本的复述的所述文本生成器。
3.根据权利要求1所述的文本生成方法,其中,
在包括不同的要素的文本之间,将通过1个要素的置换不会成为要素相同的集合的文本彼此定义为表层相似度低时,
所述复述前后的文本的所述表层相似度低。
4.根据权利要求1所述的文本生成方法,其中,
所述文本生成器对由所述辅助置换器学习的所述要素的配对的组合进行学习。
5.根据权利要求1所述的文本生成方法,其中,
所述文本生成器是具有输入层、中间层以及输出层的神经网络,
所述辅助置换器设置于所述神经网络的输入层或者中间层。
6.根据权利要求1所述的文本生成方法,其中,
针对所述要素的配对表示的每个作用生成所述辅助置换器,
针对每个所述作用生成的多个辅助置换器被结合到所述文本生成器。
7.根据权利要求6所述的文本生成方法,其中,
所述作用是从以下中的至少任意1个选择的:从行为内容向行为对象、从愿望句向疑问句、反义词、略语、别名、从行为内容向行为主体、从行为内容向行为结果、从上位概念词向下位概念词以及比喻。
8.一种文本生成装置,具备:
辅助置换器生成部,生成对将文本分割而得到的要素的配对进行了学习的辅助置换器;以及
文本生成器生成部,生成在所述辅助置换器的结合后对复述前后的文本进行了学习的文本生成器。
9.一种已学习模型,具备:
第1神经网络;以及
第2神经网络,被结合到所述第1神经网络的一部分的节点。
10.根据权利要求9所述的已学习模型,其中,
所述第2神经网络设置于所述第1神经网络的输入层,
所述第1神经网络具备被输入来自所述第1神经网络的输入层的节点的输出和来自所述第2神经网络的输出这双方的节点。
11.根据权利要求9所述的已学习模型,其中,
所述第2神经网络设置于所述第1神经网络的中间层,
所述第1神经网络具备被输入来自所述第1神经网络的节点的输出和来自所述第2神经网络的输出这双方的节点。
12.根据权利要求9所述的已学习模型,其中,
所述第2神经网络对由所述第1神经网络学习的功能的一部分进行学习,
所述第1神经网络对由所述第2神经网络学习了的功能的组合进行学习。
13.根据权利要求11所述的已学习模型,其中,
所述第2神经网络针对每个作用对由所述第1神经网络学习的功能的一部分进行学习。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于株式会社日立制作所,未经株式会社日立制作所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911343811.0/1.html,转载请声明来源钻瓜专利网。
- 上一篇:旋转电机
- 下一篇:全固体电池及其制造方法