基于深度学习的自适应游戏剧情生成系统研究

• 作者: 刘佳玮 吴宇晗 朱峙成 王荣杰 陈丽芳
• 来源期刊: 智能计算机与应用
• 学科: 工学
• 关键词: Seq2Seq LSTM神经网络 深度学习 文本生成
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 学术研究与应用
• 页码范围: 87-90,94
• 页数: 5页
• 分类号: TP391.1
• 字数: 3750字
• 语种: 中文

摘要

为了使游戏玩家从拥有固定文本的文字游戏中体验新鲜感,提出采用深度学习Seq2Seq模型,根据已有文本产生新的符合剧情的文本,增加游戏的趣味性和交互性.本文构建深度学习Seq2Seq模型,并编写Python代码实现了文本生成模型的仿真,对生成词与原文本之间的评价标准进行了对比分析,以自创的游戏验证了该方法的有效性.该论文的研究成果,是对自适应文本生成系统研究的有益尝试和补充,具有一定的应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈丽芳	华北理工大学理学院	21	38	3.0	5.0
2	朱峙成	华北理工大学理学院	5	3	1.0	1.0
3	吴宇晗	华北理工大学理学院	8	1	1.0	1.0
4	刘佳玮	华北理工大学信息学院	5	3	1.0	1.0
5	王荣杰	华北理工大学理学院	1	0	0.0	0.0