[发明专利]一种基于语法约束和语言模型的文本风格迁移方法

摘要

本发明提供了一种基于语法约束和语言模型的文本风格迁移方法，该方法首先利用Stanford依存句法工具包提取输入句子x的语法关系图Gx，然后通过一个自身graph‑transformer的结构对该语法关系图Gx加上原始输入句子的风格信息Sx与期望转化后句子的风格信息Sy得到语法关系图G′x和G′y，接着结合原始输入句子的语法关系图Gx通过一个交叉graph‑transformer的结构重建输入句子x′以及得到风格迁移后的句子y′。为了更好地学习融入风格信息的自身graph‑transformer结构以及学习重建风格迁移句子的交叉graph‑transformer结构，该方法还利用一个语言模型替代传统的CNN分类器去指导后者的学习。通过这样一种方式在相应的数据集上的实验表明，本发明对比之前的文本风格迁移方法，可以在改变句子风格的条件下更好地保持语义不变性。

主权项

1.一种基于语法约束和语言模型的文本风格迁移方法，其特征在于，包括以下步骤：/nS1：建立抽取出句子语法信息获得语法关系图的网络结构；/nS2：将S1中得到的语法关系图分别加上原始风格信息和迁移风格信息通过自身graph-transformer网络结构得到蕴含原始风格信息和迁移风格信息的语法关系图；/nS3：将S2中得到的原始风格信息语法关系图与迁移风格信息语法关系图结合S1中的语法关系图通过交叉graph-transformer网络结构得到重构的具有原始风格信息的句子和重建的具有迁移风格信息的句子；/nS4：将S2中得到的原始风格信息语法关系图与迁移风格信息语法关系图经过一个分类器Dgraph区分输入的语法关系图属于原始风格还是迁移风格；/nS5：将S3中得到的具有原始风格信息的句子和具有迁移风格信息的句子经过一个语言模型Dlm去判别当前输入的句子是否符合其应该具有的风格；/nS6：通过重构输入句子的误差，Dgraph的误差以及Dlm的误差去训练S2中的自身graph-transformer结构和S3中的交叉graph-transformer结构，然后进行测试。/n