面向多粒度特征融合与流增强的情感文本生成方法

摘要

针对变分自编码器在情感文本生成中，未能有效建模情感与语义交互的潜在空间及真实后验复杂性的问题，提出一种面向多粒度特征融合与流增强的情感文本生成方法（MF³-ATG）.通过多粒度信息提取模块捕获局部情感和全局语义的特征，由引导双重注意力进一步学习情感语义间的相关性，并采用豪斯霍尔德变换加强对潜在空间的后验分布表示，以解决文本建模问题，从而生成更自然丰富的文本.在Yelp和Amazon数据集上的实验结果表明，较基准模型相比MF³-ATG模型在平均绝对误差和多样性指标上分别实现了2.81%和2.66%的平均相对提升.

关键词

文本生成 / 情感可控 / 变分自编码器 / 归一化流