买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南昌理工学院

摘要：本发明提供了一种基于人工智能的写作方法、系统、存储介质及计算机，写作方法，包括：根据训练新闻图像和训练文本信息构建多级跨模态检索模型；获取预设时间内某新闻事件的新闻图像以及根据新闻图像记录的文本信息；将新闻图像和文本信息输入多级跨模态检索模型，获取新闻图像与文本信息的多级跨模态相似性后检索与新闻图像相关的新闻文稿并排序，选取若干新闻文稿作为对照文稿并导入文本生成模型生成新闻文本；根据预设评价指标对新闻文本进行评价，以提高新闻文本的可读性。本发明提供的基于人工智能的写作方法提高了新闻文本的效率和准确性，降低了个人主观的影响。

主权项：1.一种基于人工智能的写作方法，其特征在于，包括：根据若干训练新闻图像和若干训练文本信息构建多级跨模态检索模型；获取预设时间内某新闻事件的新闻图像以及根据所述新闻图像记录的文本信息；将所述新闻图像和所述文本信息输入所述多级跨模态检索模型，获取所述新闻图像与所述文本信息的多级跨模态相似性；根据所述多级跨模态相似性确定新闻图像中的目标图像，根据所述目标图像检索相关的新闻文稿并排序，选取若干所述新闻文稿作为对照文稿；将若干所述对照文稿导入文本生成模型，生成所述新闻事件相对应的新闻文本；根据预设评价指标对所述新闻文本进行评价，根据评价结果确定是否需要进行后处理，以提高所述新闻文本的可读性；其中，所述将若干所述对照文稿导入文本生成模型，生成所述新闻事件相对应的新闻文本的步骤包括：获取所述目标图像在公共表示空间的公共特征表示；获取生成前一个词汇解码器的隐藏状态，根据生成前一个词汇解码器的隐藏状态和公共图像特征获取视觉上下文特征；根据所述视觉上下文特征和生成前一个词汇的嵌入特征生成解码器的当前隐藏状态；根据所述解码器的当前隐藏状态生成当前文本词汇，根据所述当前文本词汇的词义将其映射到新闻词表空间中，获取与当前文本词汇对应的新闻词汇；获取若干所述对照文稿的上下文本特征，根据若干所述对照文稿的上下文本特征和所述解码器的当前隐藏状态计算若干所述对照文稿中文本的检索得分，根据所述检索得分提取所述对照文稿的目标文本；根据所述目标文本和所述新闻词汇生成与所述新闻事件对应的新闻文本；构建所述多级跨模态检索模型包括：将所述训练新闻图像导入至预训练网络中，将所述预训练网络中最后一个卷积层的特征作为输出，获得所述训练新闻图像的图像节点特征；将所述训练文本信息导入至预训练模型中，获取所述训练文本信息的文本节点特征；将所述图像节点特征和所述文本节点特征导入至连接函数中进行学习，得到所述训练新闻图像的图像特征向量和所述训练文本信息的文本特征向量；计算所述图像特征向量和所述文本特征向量之间的相似性，以得到所述多级跨模态检索模型；所述将所述训练新闻图像导入至预训练网络中，将所述预训练网络中最后一个卷积层的特征作为输出，获得所述训练新闻图像的图像节点特征的步骤包括：将预训练的ResNet152网络中最后一个卷积层的特征作为输出，将输出的特征导入至全连接层获得图像的全局特征；根据所述训练新闻图像中的边注意力系数和所述全局特征构建第一图注意力网络，获取所述第一图注意力网络中各个节点对应的图像注意力系数；分别将所述图像注意力系数进行归一化处理，得到各个节点对应的图像节点特征；所述归一化处理的表达式为： 式中，表示归一化函数，表示激活函数，i表示所述训练新闻图像中的第i个节点，为节点i对应的图像注意力系数，为归一化学习参数，N表示所述训练新闻图像中节点的数量。

全文数据：

权利要求：

百度查询： 南昌理工学院 一种基于人工智能的写作方法、系统、存储介质及计算机