-
题名针对文本情感转换的SMRFGAN模型
- 1
-
-
作者
李浩
宁浩宇
康雁
梁文韬
霍雯
-
机构
云南大学软件学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2021年第2期170-176,共7页
-
基金
国家自然科学基金(61762092,61762089)
云南省软件工程重点实验室开放基金(2017SE204)。
-
文摘
文本情感转换的任务需要调整文本的情感并保留与情感无关的内容。但是由于缺乏并行数据,很难提取独立于情感的内容并以无监督学习的方式对情感进行转换,并且由于GAN处理文本类的离散数据效果不如处理连续数据,为此使用了强化学习(Reinforcement Learning)的方法来解决GAN处理离散数据的问题。强化学习的奖励机制来自完整序列上的GAN的判别器,并且用蒙特卡罗搜索方法对生成器进行优化,从而提高生成文本的准确性。为了将源文本中的情感词的极性进行转换,在长短记忆神经网络(LSTM)中增加了自注意力机制(self-attention),再通过情感记忆模块(sentiment-memory)结合上下文来生成情感词极性反转后的文本作为SMRFGAN(Self-attention Memory Reinforcement learning GAN)预训练的真实数据。实验结果表明,该模型较好地解决了独立于情感内容进行情感转换的问题,BLEU评分有较好的提升。
-
关键词
文本情感转换
强化学习
蒙特卡洛搜索
SMRFGAN
情感词记忆模块
-
Keywords
text emotion conversion
reinforcement learning
Monte Carlo search method
Self-attention Memory Reinforcement learning Generative Adversarial Network(SMRFGAN)
emotional word memory module
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-
