由合格读者基于短篇生成诗歌片段辨识风格

Boris Orekhov

由合格读者基于短篇生成诗歌片段辨识风格

计算与语言 2023-06-06 v1 人工智能机器学习

作者: Boris Orekhov

摘要

风格是当今自然语言生成挑战中的一个重要概念。在图像风格迁移领域取得成功之后，文本风格迁移任务变得切实而引人关注。研究者也对诗歌文本生成中的风格复现任务感兴趣。自然诗歌生成中风格复现的评估仍是一个问题。我使用了 3 个基于字符的 LSTM 模型来处理风格复现评估。这三个模型均在著名俄语诗人的文本语料库上训练。将样本展示给评估者并给出 4 个回答选项，即该样本复现了哪位诗人的风格。此外，还询问评估者对他们所指出诗人的作品熟悉程度。评估者为学习文学史的学生，共收到 94 份回答。结果表明，若评估者能凭记忆引用该诗人诗句，则风格判定的准确率会提高。每个模型的宏平均准确率至少达到 0.7。实验表明，在诗歌生成任务的风格评估中，最好邀请专业读者而非朴素读者参与，而 LSTM 模型即使在有限训练语料上也能很好地复现俄语诗人的风格。

关键词

文本风格迁移诗歌生成风格复现 LSTM 评估俄语诗人

引用

@article{arxiv.2306.02771,
  title  = {Identifying the style by a qualified reader on a short fragment of generated poetry},
  author = {Boris Orekhov},
  journal= {arXiv preprint arXiv:2306.02771},
  year   = {2023}
}

备注

6 pages, 2 tables

由合格读者基于短篇生成诗歌片段辨识风格

摘要

关键词

引用

备注

相关论文