利用结构化判别器学习押韵约束
计算与语言
2019-09-17 v1 机器学习
摘要
现有的循环神经语言模型往往无法捕捉文本中存在的更高层结构：例如诗歌中的押韵模式。许多关于诗歌生成的先前工作使用手动定义的约束，并在解码过程中通过专门的解码过程或拒绝采样来满足这些约束。押韵约束本身通常由生成器学习不到。我们提出了一种替代方法，使用结构化判别器在生成对抗设置中学习直接捕捉押韵约束的诗歌生成器。通过使判别器仅基于成对行尾词的学习相似度矩阵来比较诗歌，所提方法能够在不显式提供任何语音信息的情况下，成功在两个不同的英语诗歌数据集（十四行诗与打油诗）中学习到押韵模式。
引用
@article{arxiv.1909.06743,
title = {Learning Rhyming Constraints using Structured Adversaries},
author = {Harsh Jhamtani and Sanket Vaibhav Mehta and Jaime Carbonell and Taylor Berg-Kirkpatrick},
journal= {arXiv preprint arXiv:1909.06743},
year = {2019}
}
备注
EMNLP-IJCNLP 2019 Short Paper