Oct, 2023

Erato: 自动化诗歌评估

PDF
TL;DR我们介绍了 Erato，这是一个旨在促进诗歌的自动评估的框架，包括由诗歌生成系统生成的诗歌。我们的框架采用了多种特征，并简要概述了 Erato 的功能和扩展潜力。使用 Erato，我们将人类创作的诗歌与自动生成的诗歌进行对比，展示了它在识别关键差异方面的效果。我们的实现代码和软件在 GNU GPLv3 许可下免费提供。
发现论文，激发创造
  • 自动诗歌生成中的多样性评估

    评估自动生成诗歌的多样性，通过比较自动生成诗歌的结构、词汇、语义和风格等维度的分布与人类诗歌的分布，并考察不同模型类型和微调类型，发现当前的自动生成诗歌系统在多个维度上缺乏多样性，但风格条件和字符级建模明显增加了多样性。这些限制可用于更加多样化的未来诗歌生成模型。

    Jun, 2024

  • 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

  • GPoeT-2：基于 GPT-2 的诗歌生成器

    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

  • 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

  • 使用话语级别规划和美学特征的零样本十四行诗生成

    本文提出了一个新的层次框架，用于生成十四行诗，不需要训练。该框架包括内容规划模块、韵脚模块和润色模块，并设计了受约束的解码算法以实现生成的十四行诗的韵律和韵脚约束。自动和人工评估表明，该框架比几个强基线更具连贯性、诗意和创造性。

    May, 2022

  • 自然语言生成中的自动评估的玻璃天花板

    本文对比了现有的自动评估指标和人工评估指标，发现自动评估指标与人工评估指标相比非常相似，并提出了未来评估工作的建议。

    Aug, 2022

  • 有一个非常糟糕的诗人，它是自动化的，但你并不知道

    LimGen 是一种新颖的、全自动的利默里克生成系统，它采用自适应多模板限制算法来约束搜索到真实诗歌的范围，采用多模板束搜索算法高效搜索空间，并利用概率故事线算法提供与用户提供的提示词相关的连贯情节，生成的利默里克符合诗歌约束条件，具有主题连贯的情节，甚至有时还很有趣 (如果我们很幸运)。

    Mar, 2021

  • 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

  • 自动歌词注释研究

    介绍自动歌词注释 (ALA) 任务，旨在通过重新表述原始文本并增加额外信息来帮助读者理解创意文本中的歧义和行话；分析翻译和检索模型在任务上的表现，并发现每个模型捕获任务重要的不同信息类型。

    Aug, 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