ACLFeb, 2021

野外韵律标记：用韵律特征建立和注释诗歌语料库

PDF
TL;DR本文提供了英语和德语的大型诗歌语料库，并注释了较小语料库中的韵律特征以训练神经模型，以实现鲁棒性大规模分析。我们表明，具有音节嵌入的双向 LSTM-CRF 模型胜过 CRF 基线和不同的 BERT-based 方法。在多任务设置中，特定有益的任务关系说明了诗歌特征的相互依赖。
poetrycorporaprosodic featuresneural modelsenglish and german
发现论文，激发创造
  • 基于特征和神经网络扫描诗歌的比较

    本文研究了英语和西班牙语诗歌韵律的计算机自动分析，证明了基于字符的神经模型学习的表示比手工特征更为信息丰富，并且 Bi-LSTM+CRF 模型在诗歌节奏分析方面有着最高的准确率，同时说明整个词结构而不是单独音节的信息对诗歌节奏分析至关重要。

    Nov, 2017

  • Deep-speare：诗歌语言、韵律和韵脚的联合神经模型

    本文提出了一种联合架构，用于捕捉十四行诗的语言、韵律和节奏。我们使用众包和专家评估生成的诗歌的质量。研究表明专家评估对诗歌生成的重要性，并且未来的研究应该超越韵律、节奏，注重诗意语言。

    Jul, 2018

  • 鸣钟：通过局部序列比对跟踪诗歌韵律的变化

    通过本文介绍的一种基于本地序列对齐的无监督方法，将诗歌文本编码为一系列韵律特征的字符串，从而检测诗歌中的结构相似性，以便进行跨语言和历史研究。

    Apr, 2024

  • 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

  • 使用结构对抗学习押韵约束

    使用结构化判别器的生成式对抗网络实现押韵约束的诗歌生成模型。

    Sep, 2019

  • 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

  • PoeLM: 用于无监督诗歌生成的节律和押韵可控语言模型

    本研究提出了一种无监督的方法来生成符合任何指定的韵律和押韵方案的诗歌，利用变形器语言模型通过在常规的非诗歌语料库中拆分短语，并在每个短语前添加描述其长度和结束韵的控制代码进行训练。实验表明，这种方法能够生成有效的诗歌，并且与人类写的诗歌在质量上相当。

    May, 2022

  • 检测西班牙语中的未同化借词：一个带注释的语料库和建模方法

    本研究提供了一种新的借词识别资源，并分析了几种模型在此任务上的性能和错误。我们介绍了一个新的西班牙新闻语料库，其中包含 370,000 个标记，用于评估几种序列标记模型（CRF，BiLSTM-CRF 和基于 Transformer 的模型）的表现。我们的结果表明，一个 BiLSTM-CRF 模型配合子词嵌入，以及预先训练对话切换数据的 Transformer-based 嵌入或一个上下文化词嵌入的组合胜过多语种 BERT-based 模型得到的结果。

    Mar, 2022

  • 大型模型和数据集的诗歌评估：十四行诗还是机器人？

    通过评估大型语言模型对诗歌的识别能力，探讨大型语言模型在评估模型、数字人文和文化分析领域的挑战和困境，以及用于预训练数据集的诗歌的审查和反思。

    Jun, 2024

  • 让诗歌击中节奏：使用基于字节的 Transformer 进行节拍对齐的诗歌生成

    通过字节为基础的语言模型，本研究探索了诗歌和音乐的交叉点，着重研究了节奏模式，以创造与诗歌上下文中的特定节奏模式相匹配的词语。结果表明，在保持语义连贯性的同时，节奏高度对齐。未来的工作将旨在提高该模型创作完整的节奏对齐诗歌的能力。

    Jun, 2024