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。
Jul, 2018
本文通过研究对南非低资源语言的开放词汇语言模型的表现来评估不同变种的 N 元模型、前馈神经网络、循环神经网络和 Transformers 网络。这项研究有望为非洲语言的多语种和低资源语言建模开辟新的研究途径。
Apr, 2021
探讨使用现代神经机器翻译技术实现英语翻译成五种南非官方语言(Afrikaans、isiZulu、Northern Sotho、Setswana、Xitsonga),提供可重复使用的数据、代码和结果,为非洲机器翻译研究提供比较和承建的起点。
Jun, 2019
该研究旨在通过机器辅助写作使人类更有效地完成写作任务;研究者提出一种重写模型,允许用户在原始草稿的指定文本范围内引入局部描述性和比喻性元素,并评估模型在创意图像字幕任务上协作的能力。在与传统模型和用户单独完成任务的比较中,模型获得更高评价,并促使用户编写更具有描述性和比喻性的字幕。
Nov, 2021
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
该研究使用公共数据集为 5 种南非语言训练了神经机器翻译模型,并提供了训练和评估模型的代码,旨在促进南非语言领域的未来研究。
本文提出采用现有神经机器翻译技术为非瑟环语等低资源本地语言进行在线教育翻译以改进南非教育,并且实验证明采用 Transformer 架构击败以前翻译技术 5.33 BLEU 分数,展示了现有 NMT 技术为非洲语言提供的巨大潜力。
Nov, 2018
通过多层多尺度和文化意识伦理的角度,本文总结了非洲地区机器智能的最新发展,展示了在音乐、艺术、非正式经济和小型企业等领域中应用机器智能的案例,并就非洲大陆的机器智能排名和指数的可靠性以及不明确的术语算法定义进行了讨论。
Feb, 2024
该研究旨在利用 GPT-2 生成机器生成的五行诗,在评估指标的基础上探讨好诗歌的量化方法,并呈现 94 首排名高的五行打油诗以激发人类的创造力。
May, 2022
该论文提出了一种基于机器学习算法的说唱歌词生成方法,将已有歌词中的词组合成有意义和韵律的新歌词,并在表现上超越了最好的人类说唱歌手 21%。
May, 2015