面向古典日本文学的深度学习
计算机视觉与模式识别
2018-12-06 v1 机器学习
机器学习
摘要
许多机器学习研究专注于产生在基准任务上表现良好的模型，进而增进我们对这些任务相关挑战的理解。从机器学习研究者的角度来看，任务内容本身在很大程度上无关紧要，因此越来越多的人呼吁基准任务应更聚焦于具有社会或文化相关性的问题。在这项工作中，我们引入了 Kuzushiji-MNIST，一个专注于 Kuzushiji（日文草体）的数据集，以及两个更大、更具挑战性的数据集 Kuzushiji-49 和 Kuzushiji-Kanji。通过这些数据集，我们希望引导机器学习社区进入古典日本文学的世界。数据集可在 https://github.com/rois-codh/kmnist 获取。
引用
@article{arxiv.1812.01718,
title = {Deep Learning for Classical Japanese Literature},
author = {Tarin Clanuwat and Mikel Bober-Irizar and Asanobu Kitamoto and Alex Lamb and Kazuaki Yamamoto and David Ha},
journal= {arXiv preprint arXiv:1812.01718},
year = {2018}
}
备注
To appear at Neural Information Processing Systems 2018 Workshop on Machine Learning for Creativity and Design