原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开了一种基于潜空间语义表示增强的文本生成模型，包括以下步骤：S1、LSSRE模型架构；S2、语义信息采样；S3、用lsim来约束源语言和目标语言的语义分布；S4、联合分布建模；S5、模型推理。该基于潜空间语义表示增强的文本生成模型，采用对偶结构对双向翻译进行建模，通过在隐藏层中采样两种语言的语义特征并限制它们在训练期间相互学习，以及通过使用相同的解码器翻译源语言或重建目标语言，从而实现语言语义特征的隐式对抗学习，通过上述两种方式可以减少语义结构差异，从而提高翻译的准确性。
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117252216A
(43)申请公布日2023.12.19
(21)申请号202311221590.6G06N3/096(2023.01)
文档评论（0）