Jul, 2018

自动生成作者风格诗歌的多语言方法

PDF
TL;DR该论文研究多语言环境下的文本风格生成问题，并基于长短时记忆人工神经网络和扩展语音和语义嵌入，实现了文学创作的风格生成，最终通过双语评估，调查调查和交叉熵等指标比较结果，认为该模型在创作文本方面优于随机采样和经典 LSTM 基线模型，并且生成文本的风格和目标作者十分相似。
stylized text generationmultilingual setuplanguage modellstmbleu
发现论文，激发创造
  • 浪漫计算

    本文比较了各种文本生成模型在写作早期英国浪漫主义诗歌方面的能力，通过系统测试和 GRUEN 评估指标，发现变压器模型的质量明显优于递归神经网络模型，并随着参数大小的增加而进一步提高。

    Jun, 2022

  • 越南诗歌生成与跨语言诗歌翻译前景

    使用大型语言模型从自然语言提示中生成越南诗歌，以提升内容控制能力。最佳模型为 GPT-3 Babbage 变体，在越南诗歌的 “luc bat” 类型上获得 0.8 的自定义评估分数。同时，探索将诗歌改写为普通文本提示的想法，在 “luc bat” 类型中获得 0.718 的较高分数。该实验展示了以翻译诗歌作为输入进行跨语言诗歌之间的翻译，并同时完全控制生成内容的潜力。

    Jan, 2024

  • 结合学习的歌词结构和词汇以提高歌词生成

    本文提出一种机制，将两个分别训练的语言模型结合起来，旨在生成符合期望歌曲结构的输出，同时提供丰富的词汇量，从而提高其创造力。

    Nov, 2018

  • 神经诗歌翻译实证研究

    本文旨在探索机器翻译在诗歌翻译方面的应用，研究并比较了诗歌和非诗歌语料库大小、双语和多语言学习、以及使用语系特定模型和混合多语言模型的效果，得出多语言微调在诗歌翻译中具有重要性和优越性。

    Sep, 2021

  • 针对非平行作者风格改写的语言模型适应性

    该研究提出了一种利用 Transformer 神经模型生成特定作者风格文章的方法，并采用去噪自编码器 (DAE) 损失，通过微调预训练语言模型来提高作者风格的产生，同时通过定量和定性方法证明该方法比现有技术更加有效。

    Sep, 2019

  • 将双向长短期记忆网络与子单词嵌入结合，用于作者归属度量

    本文提出了一种基于双向长短期记忆 (BLSTM) 和二维卷积神经网络 (CNN) 的方法来进行文本作者识别，通过使用子词信息获得特征之间的顺序关系以及了解风格的局部语法位置，实验证明该方法相比其他最新方法在 CCAT50 和 Twitter 上分别提高了 1.07％和 0.96％的准确率，并在其余数据集上产生了可比较的结果。

    Jun, 2023

  • 神经诗歌：使用音节生成诗歌的学习

    本文探讨了基于神经语言模型和音节的诗歌生成问题，在 Dante Alighieri 的作品中进行了实验分析，结果表明生成的三行诗在句法、语法和诗歌风格上与 Dante 的真正作品相差不大。

    Aug, 2019

  • ALBERTI，一种用于诗歌分析的多语种领域特定语言模型

    本文介绍了一个多种语言诗歌首款多语言预训练大型语言模型 ALBERTI，通过专门领域预训练，对来自 12 种语言的 1200 万诗句语料库进行训练，表现出色，达到了德语的最新水平

    Jul, 2023

  • 使用深度学习技术生成的乌尔都诗歌

    使用不同的深度学习技术和算法生成乌尔都诗歌，通过 Rekhta 网站收集了 1341 个文本文件，采用 LSTM 和 GRU 等深度学习技术，并运用自然语言处理和机器学习分析和生成人们能够理解和使用的乌尔都语诗歌。

    Sep, 2023

  • 大多数语言模型也可以成为诗人：一款 AI 写作助手和约束文本生成工具

    本文介绍一种简单又通用的方法，通过为语言模型的词汇表组合应用筛选函数来修改文本生成单元前的语言模型的输出，以实现对语言模型输出的调整。研究者正式开发了一个名为 CTGS 的 AI 创作助手，让用户可以根据需要使用多种限制条件生成文本，还介绍了一个新颖的 Prose 数据集模型，以及一个名为 Gadsby 的网络应用实现该技术。研究表明，这种方法相比单纯的微调，对拥有文字 e 的 Prose 数据集表现更优异。

    Jun, 2023