期刊文献+
共找到8篇文章
< 1 >
每页显示 20 50 100
基于编码-解码技术的图像标题生成方法分析
1
作者 王彬燕 《计算机应用文摘》 2024年第5期110-112,共3页
文章首先介绍了图像标题生成的常用方法,包括模板法、检索法、编码-解码法;其次,在互助双向LSTM模型的基础上,详细介绍了图像标题生成算法的实现步骤,即利用Inception-V4编码器将原始图像编码成图像特征,并使用互助双向LSTM解码器将这... 文章首先介绍了图像标题生成的常用方法,包括模板法、检索法、编码-解码法;其次,在互助双向LSTM模型的基础上,详细介绍了图像标题生成算法的实现步骤,即利用Inception-V4编码器将原始图像编码成图像特征,并使用互助双向LSTM解码器将这些特征解码成相应的句子,同时采用语音混沌保密通信技术确保信息安全;最后,进行了实验测试,并通过多模态注意力可视化分析验证了递进解码机制的作用。实验结果显示,在LSTM解码机制的支持下,能够生成优质、精确的图像标题。 展开更多
关键词 编码-解码技术 图像标题 生成技术 保密通信
下载PDF
面向课堂教学内容的知识点标题生成
2
作者 肖思羽 赵晖 《清华大学学报(自然科学版)》 EI CAS CSCD 北大核心 2024年第5期770-779,共10页
互联网时代信息量庞大,简洁的标题可以提高信息阅读效率。在课堂场景下,知识点标题生成便于用户整理和记忆课堂内容,提高课堂学习效率。该文将标题生成应用于课堂教学领域,制作了课堂知识点文本—标题数据集;提出了一种改进的TextRank... 互联网时代信息量庞大,简洁的标题可以提高信息阅读效率。在课堂场景下,知识点标题生成便于用户整理和记忆课堂内容,提高课堂学习效率。该文将标题生成应用于课堂教学领域,制作了课堂知识点文本—标题数据集;提出了一种改进的TextRank算法——考虑关键字和句子位置的文本排序(textranking considering keywords and sentence positions, TKSP)算法,该算法综合考虑了关键词和句子位置等因素对句子权重的影响,能够更准确地提取文本重点信息。使用以召回率为导向的摘要评价(recall-oriented understudy for gisting evaluation, ROUGE)方法,TKSP算法在ROUGE-1、 ROUGE-2和ROUGE-L指标上的得分率分别为51.20%、 33.42%和50.48%,将TKSP抽取式算法与统一语言模型(unified language model, UniLM)结合,并融合文本主题信息,提出统一语言模型结合考虑关键字和句子位置的文本排序算法的模型(unified language modeling combined textranking considering keywords and sentence positions, UniLM-TK), UniLM-TK在各指标上的得分率分别为73.29%、 58.12%和72.87%,与UniLM模型相比,UniLM-TK在各指标上分别提高了0.74%、 2.26%和0.87%,证明UniLM-TK模型生成的标题更准确、更有效。 展开更多
关键词 课堂教学 标题生成 主题信息 TextRank UniLM
原文传递
基于神经网络的文本标题生成原型系统设计 被引量:3
3
作者 张仕森 孙宪坤 +1 位作者 尹玲 李世玺 《电子科技》 2021年第5期35-41,共7页
针对传统人工总结、编写标题的方法在耗费大量人力、时间成本的同时难以应对互联网中大量不规范的文本的问题,文中设计了一种基于神经网络的文本标题生成原型系统。在文本标题生成原型系统中通过基于神经网络编码器-解码器模型对文本进... 针对传统人工总结、编写标题的方法在耗费大量人力、时间成本的同时难以应对互联网中大量不规范的文本的问题,文中设计了一种基于神经网络的文本标题生成原型系统。在文本标题生成原型系统中通过基于神经网络编码器-解码器模型对文本进行建模计算,从而经济、高效地生成一条准确、简洁、切合原文的标题。在编码器部分采用双向长短期记忆神经网络,充分利用上下文之间的语义联系。解码器部分则采用单向神经网络进行解码操作,并引入注意力机制来缓解信息丢失,提高标题生成效果。在LCSTS数据集上进行实验得到ROUGE-1、ROUGE-L评价指标分别为29.91和24.68,证明了该标题生成原型系统的有效性。 展开更多
关键词 人工智能 自然语言处理 神经网络 标题生成 原型系统 词向量 注意力机制 生成式技术
下载PDF
人工智能写作中小说标题生成的算法研究 被引量:1
4
作者 刘赛 《写作》 2019年第4期38-43,共6页
算法研究是人工智能写作领域研究的基础,目前小说创作算法研究还处于肇始阶段,非常不成熟。但是基于已有成果进行大小标题的人工智能创作,则是非常可能的,且可为未来小说创作算法研究提供经验。在小说标题生成的算法研究中,语义空间算... 算法研究是人工智能写作领域研究的基础,目前小说创作算法研究还处于肇始阶段,非常不成熟。但是基于已有成果进行大小标题的人工智能创作,则是非常可能的,且可为未来小说创作算法研究提供经验。在小说标题生成的算法研究中,语义空间算法、修辞算法和遗传算法具有内容生产的可推广性。标题生成的三种算法研究,可以打通人工智能写作中叙事语法层和语义算法层的深层逻辑关系,具有较大研究价值。 展开更多
关键词 人工智能 算法研究 标题生成
下载PDF
基于深度学习的标题生成方法综述
5
作者 蒋敏 《信息与电脑》 2018年第18期119-121,共3页
近年来,神经网络模型被广泛应用于解决根据给定的文档生成对应的标题任务,并取得了良好的结果。从基于深度学习的标题生成方法的基本框架、模型训练方法得出结论,将近年来在编码-解码框架下性能表现较好的部件和训练方法进行综合性描述... 近年来,神经网络模型被广泛应用于解决根据给定的文档生成对应的标题任务,并取得了良好的结果。从基于深度学习的标题生成方法的基本框架、模型训练方法得出结论,将近年来在编码-解码框架下性能表现较好的部件和训练方法进行综合性描述,为本领域的研究者提供参考。 展开更多
关键词 深度学习 自然语言处理 标题生成
下载PDF
基于长短期记忆网络的英语标题自动生成
6
作者 千颖利 《自动化技术与应用》 2024年第4期71-73,共3页
为实现英文文本标题的自动化生成,研究一套基于长短期记忆网络的句子级LSTM编码策略,并在标题生成模型中引入注意力机制来获取英文文本的上下文向量,保留文本中的重要信息。在此基础上,通过负对数似然函数来对模型加以训练。最后通过Byt... 为实现英文文本标题的自动化生成,研究一套基于长短期记忆网络的句子级LSTM编码策略,并在标题生成模型中引入注意力机制来获取英文文本的上下文向量,保留文本中的重要信息。在此基础上,通过负对数似然函数来对模型加以训练。最后通过Byte Cup 2018数据集对本文提出的英语标题自动生成算法进行实验,并通过过ROUGE-N指标对标题生成质量加以评价。实验研究发现,所提出的句子级LSTM编码方案在英文文本标题生成准确性方面相比于其他常规摘要生成模型来说具有显著优势。 展开更多
关键词 长短期记忆网络 英语文本 标题自动生成 句子级LSTM编码
下载PDF
中文科技论文标题自动生成系统的设计与实现 被引量:1
7
作者 王宇飞 张智雄 +2 位作者 赵旸 张梦婷 李雪思 《数据分析与知识发现》 CSCD 北大核心 2023年第2期61-71,共11页
【目的】设计中文科技论文标题自动生成系统,根据科技论文摘要自动生成论文标题,辅助研究人员进行科技论文标题的写作。【方法】重点解决系统构建过程中涉及的三个关键问题:基于中国科学引文数据库构建大规模训练数据集,为系统提供数据... 【目的】设计中文科技论文标题自动生成系统,根据科技论文摘要自动生成论文标题,辅助研究人员进行科技论文标题的写作。【方法】重点解决系统构建过程中涉及的三个关键问题:基于中国科学引文数据库构建大规模训练数据集,为系统提供数据支撑;基于BERT-UniLM构建标题生成模型,以取得较好的生成效果;基于HTTP设计应用程序接口,以实现系统的开放调用。【结果】初步实现了中文科技论文标题自动生成系统,能够生成较为恰当地反映论文内容的标题。【局限】BERT模型具有最大输入长度限制,对于输入超过长度限制的摘要会自动截断,因此较长摘要的标题生成效果可能会受到影响。【结论】重点从数据、模型、开放调用三个方面设计和实现了中文科技论文标题自动生成系统,为科研人员及文献服务机构提供便捷易用工具,并为其他科技文本进行标题自动生成提供了一种实践路径。 展开更多
关键词 标题自动生成系统 中文科技论文摘要 文本生成任务 BERT-UniLM
原文传递
基于CNN与Transformer混合结构的多语言图像标题生成研究 被引量:2
8
作者 张大任 艾山·吾买尔 +2 位作者 宜年 刘婉月 韩越 《东北师大学报(自然科学版)》 CAS 北大核心 2022年第2期68-75,共8页
针对现有图像标题生成模型在非英语语言中质量不高且仅能实现单一语言图像标题生成的问题,提出基于CNN与Transformer混合结构的多语言图像标题生成模型.首先利用CNN提取图像特征作为Transformer模型的编码端输入,然后解码端的输入为添... 针对现有图像标题生成模型在非英语语言中质量不高且仅能实现单一语言图像标题生成的问题,提出基于CNN与Transformer混合结构的多语言图像标题生成模型.首先利用CNN提取图像特征作为Transformer模型的编码端输入,然后解码端的输入为添加语言标签、进行分词与拉丁化处理后的6种语言,训练时将不同语言的损失和作为优化目标,最终实现不同语言间的联合训练.以Flickr8K数据集为基础,拓展了包含6种语言的多语言图像标题生成数据集,并在该数据集上进行了验证.结果表明:该模型可以同时生成多种语言的图像标题,且生成质量比相同规模的单语言模型质量高,并验证了该方法的有效性. 展开更多
关键词 多语言 深度学习 TRANSFORMER 联合训练 图像标题生成
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部