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
本发明属于自然语言处理技术的文本生成领域，具体涉及一种基于BART模型的多修辞文本生成方法，该方法包括预训练和微调两部分：1.预训练：将大量文本(包括普通句子和修辞句子)以30％掩码概率掩盖文本部分序列作为输入，其对应的完整句子作为标签，额外利用一个BART编码器以VAE(变分自编码器)训练方式编码文本的潜在变量分布，使其趋于标准正态分布，融合编码向量和潜在变量；2.微调：使用少量文本在得到的预训练模型上进行普通文本和修辞文本相互转换训练，使用一种修辞注意力将目标修辞信息注入到原BART编码器中
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117725964A
(43)申请公布日2024.03.19
(21)申请号202311840195.6
(22)申请日2023.12.28
(71)申请人重庆邮电大学
文档评论（0）