[发明专利]基于FocalGAN的短文本自动生成方法、装置、设备及存储介质

说明书

本申请涉及一种基于FocalGAN的短文本自动生成方法、装置、设备及存储介质，其中，所述基于FocalGAN的短文本自动生成方法包括步骤：构建基于端到端的生成器及基于焦点损失函数的判别器；根据所述生成器和判别器生成对抗网络；将目标单词作为所述对抗网络的输入序列，以使得根据所述对抗网络输出所述目标单词对应的短文本。本申请在对抗网络基础加入了注意力机制，且加入了基于焦点的损失函数，进而能够更容易注意到主题明确的单词，保证生成的语句更加贴近输入的中心词。

技术领域

本申请实施例涉及计算机技术领域，特别是涉及一种基于FocalGAN的短文本自动生成方法、装置、设备及存储介质。

背景技术

随着人工智能的飞速发展，深度学习越来越重视自然语言处理领域的相关问题，作文文本的自动生成是其中一个具有代表性的任务。机器对文本内容的理解和生成，在一定程度上象征着机器的智能化。如何生成表达流畅，主题明确，逻辑通顺的文本语句是研究的重点难点问题。针对这一问题。

发明内容

为了解决上述问题，本申请提供了一种基于FocalGAN的短文本自动生成方法、装置、设备及存储介质，本申请在对抗网络基础加入了注意力机制，且加入了基于焦点的损失函数，进而能够更容易注意到主题明确的单词，保证生成的语句更加贴近输入的中心词。

本申请第一方面公开一种基于FocalGAN的短文本自动生成方法，所述方法包括步骤：

构建基于端到端的生成器及基于焦点损失函数的判别器；

根据所述生成器和判别器生成对抗网络；

将目标单词作为所述对抗网络的输入序列，以使得根据所述对抗网络输出所述目标单词对应的短文本。

在本申请第一方面中，通过构建基于端到端的生成器及基于焦点损失函数的判别器，进而根据所述生成器和判别器生成对抗网络，进而将目标单词作为所述对抗网络的输入序列，以使得根据所述对抗网络输出所述目标单词对应的短文本，这样一来能够基于焦点的损失函数和注意力机制，能够更容易注意到主题明确的单词，保证生成的语句更加贴近输入的目标单词。

作为一种可选的实施方式，所述构建基于端到端的生成器及基于焦点损失函数的判别器之前，所述方法还包括：

获取语料集，所述语料集至少包括作文语料、头条新闻语料；

对所述语料集进行预处理得到筛选后的语料集；

根据预设划分比例将所述筛选后的语料集划分为训练集、测试集、验证集。

作为一种可选的实施方式，在所述将目标单词作为所述对抗网络的输入序列，以使得根据所述对抗网络输出所述目标单词对应的短文本之前，所述方法还包括：

根据所述训练集对所述对抗网络进行训练。

作为一种可选的实施方式，所述预设划分比例为6：2:2。

作为一种可选的实施方式，所述根据所述训练集对所述对抗网络进行训练，包括：

从所述训练集采样得到监督训练所需要的正例；

根据所述监督训练所需要的正例对所述对抗网络进行训练。

作为一种可选的实施方式，在所述根据所述生成器和判别器生成对抗网络之后，所述将目标单词作为所述对抗网络的输入序列，以使得根据所述对抗网络输出所述目标单词对应的短文本之前，所述方法还包括：

基于注意力机制及所述判别器反馈给所述生成器的奖励修正所述生成器的分配权重。

作为一种可选的实施方式，所述对所述语料集进行预处理得到筛选后的语料集，包括：