特定主题或特定情感下的文本生成

潜心修行的研究者

于 2019-05-24 11:06:28 发布

阅读量2k

点赞数 1

分类专栏： NLP with DL

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/h2026966427/article/details/90512970

版权

本文探讨了两种文本生成模型：Topic Aware Neural Response Generation和Affect-LM。TA-Seq2Seq模型利用TwitterLDA进行主题建模，并采用联合注意力机制生成上下文相关响应。Affect-LM模型则聚焦于定制化情感文本生成，为语言模型赋予情绪维度。

摘要由CSDN通过智能技术生成

特定主题或特定情感下的文本生成

1. Topic Aware Neural Response Generation(2017)

提出了TA-Seq2Seq模型。

其中TwitterLDA很有用，它是短文本最优的主题模型。TwitterLDA假设：每一条信息只于一个主题有关，信息中的每个词要么是背景词要么是这条信息下的主题词。

在这里插入图片描述

联合注意力机制：

Message attention：最后融合成上下文向量 $c_t$

最低0.47元/天解锁文章

潜心修行的研究者

关注

1
点赞
踩
7

收藏

觉得还不错? 一键收藏
0
评论
特定主题或特定情感下的文本生成

特定主题或特定情感下的文本生成1. Topic Aware Neural Response Generation(2017)提出了TA-Seq2Seq模型。其中TwitterLDA很有用，它是短文本最优的主题模型。TwitterLDA假设：每一条信息只于一个主题有关，信息中的每个词要么是背景词要么是这条信息下的主题词。联合注意力机制：Message attention：最后融合成上下...
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。