摘要
本发明涉及一种基于风格解耦的无监督文本风格迁移方法及系统,该方法包括:步骤A:获取不同风格的文本数据,构建数据集;步骤B:构建深度学习网络模型;该模型将输入文本传入风格信息提取器中进行编码,以解耦提取出文本中风格信息,并采用对比学习来增强提取风格信息的能力;同时,将输入文本传入中间文本生成器,得到在文本风格上有别于输入文本的中间文本;然后,将风格信息提取器以及中间文本生成器的输出传入风格迁移模块,进行文本的风格迁移;通过数据集训练深度学习网络模型;步骤C:将待迁移文本输入训练好的深度学习网络模型中,输出风格迁移后的文本。该方法及系统有利于提高文本风格迁移的准确性和稳定性。
技术关键词
文本生成器
风格迁移方法
深度学习网络模型
文本生成模型
前馈神经网络
构建深度学习网络
更新模型参数
样本
编码器
计算机程序指令
语义
Softmax函数
解码算法
矩阵
迁移系统
模块
预训练模型
系统为您推荐了相关专利信息
意图预测方法
交叉注意力机制
大语言模型
图像特征向量
文本
多层感知器
分布式能量
速率
数字高程模型数据
注意力机制
深度学习网络模型
混凝土裂缝
融合特征
裂缝特征
分布特征