LSTM、GRU与双向RNN在剧本生成中的比较
计算与语言
2019-08-14 v1 机器学习
摘要
剧本是任何电视剧的重要组成部分，它们叙述人物的动作、行为与表情。本文以一个案例研究呈现不同的序列到序列深度学习模型在基于剧本（先前对话）生成人物间新对话以及新场景任务上的表现。我们对这些模型——即LSTM、GRU与双向RNN——进行了全面比较。所有模型均设计为从输入序列中学习反复出现的人物序列。每个输入序列将包含例如“n”个人物，相应目标包含相同数目的人物，只是向右偏移一个人物。以此方式生成输入与输出序列并用于训练模型。借助图线绘制及取若干输入字符串所生成的文本，详细剖析了所探索模型的性能与效率。这些图描述了各模型的神经元内性能与模型间性能。
引用
@article{arxiv.1908.04332,
title = {LSTM vs. GRU vs. Bidirectional RNN for script generation},
author = {Sanidhya Mangal and Poorva Joshi and Rahul Modak},
journal= {arXiv preprint arXiv:1908.04332},
year = {2019}
}
备注
7 pages, 7 figures