Sep, 2023

使用深度学习技术生成的乌尔都诗歌

PDF
TL;DR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。
urdu poetrydeep-learning techniquesnatural language processingmachine learningdata collection
发现论文，激发创造
  • Ashaar：使用深度学习技术进行阿拉伯诗歌自动分析和生成

    本文介绍了一种名为 Ashaar 的框架，它包括一系列数据集和预训练模型，旨在分析和生成阿拉伯诗歌，并探索生成条件诗歌的可行性，为阿拉伯诗歌领域的研究和发展提供了数据集。

    Jul, 2023

  • 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

  • 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

  • 利用机器学习技术促进不发达语言的发展：乌尔都语文本检测进展

    本文开发了一个带有乌尔都文本的情景图像数据集，并提出使用机器学习方法从这些图像中检测乌尔都文本的方法，包括通过 MSER 方法提取文本区域、利用 SVM 分类器筛选非文本区域、HoG 特征训练第二个 SVM 分类器来进一步提高文本区域检测的性能。最终目的是为乌尔都文本检测研究提供数据资源，并突出该领域的挑战和研究空白。

    Sep, 2022

  • 印地文文本分类的深度学习比较

    本研究旨在调查各种深度学习架构在印地语文本分类任务中的应用。本文使用了卷积神经网络（CNN）、长短时记忆网络（LSTM）、注意力机制等模型，比较了多语言预训练句子嵌入（BERT 和 LASER）和传统翻译方法的优劣，也为流行的文本分类技术提供了教程。

    Jan, 2020

  • 自动生成作者风格诗歌的多语言方法

    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

  • 使用自然语言处理技术的乌尔都语新闻文章推荐模型

    提出一种可以预测用户兴趣的乌尔都语新闻推荐框架，使用了 NLP 技术的预处理和 TF-IDF 和余弦相似度计算，利用 BERT 语言模型相似性提高了系统推荐性能。当文章相似性超过 60％时，系统会向用户推荐相关新闻。

    May, 2022

  • AraPoemBERT：用于阿拉伯诗歌分析的预训练语言模型

    介绍了 AraPoemBERT，这是一个在阿拉伯诗歌文本上进行预训练的阿拉伯语言模型，通过在多个与阿拉伯诗歌相关的 NLP 任务上展示其有效性，该模型在大多数下游任务中表现出色，取得了最新成果的结果。

    Mar, 2024

  • TPPoet：使用最小数据和高级解码技术的基于 Transformer 的波斯诗歌生成

    通过在专业数据集上使用变压器架构训练一个波斯古典诗生成模型，并提出一种新的解码方法来增强生成的诗歌的连贯性和意义，有效地平衡多样性和质量，并通过全面的自动和人工评估证明了该方法相对于其他解码方法和现有的波斯大型语言模型具有更为卓越的生成连贯和富有意义的诗歌的能力。

    Dec, 2023

  • 创意数据生成：关注文本和诗歌的综述

    本文评估了创意数据生成的挑战和机遇，并重点关注了创造性写作和生成诗歌等任务。

    May, 2023