个性化社交媒体短文本的自动条件生成
计算与语言
2019-06-25 v1 人工智能
社会与信息网络
摘要
得益于深度神经网络的快速发展，自动文本生成已受到广泛关注。一般而言，基于统计语言模型的文本生成系统不会考虑拟人化特征，导致生成的文本机械味十足。为弥补这一缺口，我们提出一种以大五人格（BFP）特征向量作为输入上下文的条件语言生成模型，其可撰写类人短文本。该短文本生成器由一层长短期记忆网络（LSTM）组成，其中 BFP 特征向量作为每个单元输入的一部分进行拼接。为支持有监督训练生成模型，使用了基于卷积神经网络（CNN）的文本分类模型来准备带有 BFP 标签的中文微博语料。经 BFP 语言计算模型验证，我们生成的中文短文本展现出可区分的人格风格，且在句法正确、语义流畅并带有恰当表情符号。通过将自然语言生成与心理语言学相结合，我们所提的 BFP 依赖文本生成模型可广泛应用于机器翻译、图像描述、对话生成等中的个性化。
引用
@article{arxiv.1906.09324,
title = {Automatic Conditional Generation of Personalized Social Media Short Texts},
author = {Ziwen Wang and Jie Wang and Haiqian Gu and Fei Su and Bojin Zhuang},
journal= {arXiv preprint arXiv:1906.09324},
year = {2019}
}
备注
published in PRICAI 2018