基于Roberta的文本生成来源及风格分类流程

# 基于Roberta模型的文本生成与分类流程及特征提取

## 源文本生成
### __> 存入源生成文本样本库
#### __> 数据来源
##### __> 社交媒体
##### __> 新闻报道
##### __> 学术论文
#### __> 数据预处理
##### __> 清洗
##### __> 标注

## 存入源生成文本样本库
### __> 特征提取
#### __> Roberta模型提取
##### __> 句向量生成
##### __> 词向量生成
#### __> 语言特征提取
##### __> 句法复杂度
###### __> 平均句长
###### __> 从句数量
##### __> 词汇多样性
###### __> 类型-令牌比
###### __> 词汇丰富度
##### __> 段落长度分布
##### __> 嵌套关系
##### __> 情感分析
###### __> 情感极性
###### __> 情感强度

### __> 注意力机制
#### __> 动态调整权重
##### __> 句子权重
##### __> 词语权重

### __> 多任务卷积神经网络
#### __> 任务1：区分人类原创 vs 有源生成文本
#### __> 任务2：生成器来源分类
##### __> 任务2.1：GPT系列
##### __> 任务2.2：BERT系列
#### __> 任务3：风格分类
##### __> 正式 vs 非正式
##### __> 技术 vs 文艺
#### __> 任务4：情感分析
##### __> 积极情感
##### __> 消极情感
##### __> 中性情感
#### __> 任务5：主题分类
##### __> 社会问题
##### __> 科技发展
##### __> 文化艺术

### __> 输出分类结果
#### __> 结果可视化
##### __> 图表展示
##### __> 报告生成