MixPoet：通过可控制混合隐空间学习实现多样化诗歌生成
计算与语言
2020-03-16 v1
摘要
作为计算机创造力的重要一步，自动诗歌生成近年来受到越来越多的关注。尽管近年的神经模型在诗歌质量的某些标准上取得了显著进展，生成的诗歌仍存在多样性差的问题。相关文学研究表明，不同因素（如生活经历、历史背景等）会影响诗人的创作风格，这在很大程度上造就了人类创作诗歌的高多样性。受此启发，我们提出 MixPoet，一种吸收多因素以创造多样风格并提升多样性的新颖模型。基于半监督变分自编码器，我们的模型将隐空间解耦为若干子空间，每个子空间通过对抗训练以某一影响因素为条件。由此，模型学习一个可控制的隐变量来捕捉并混合与因素相关的泛化属性。不同的因素混合导致多样的风格，从而进一步使生成的诗歌彼此区分。在中文诗歌上的实验结果表明，MixPoet 在多样性和质量上均优于三个 SOTA（state-of-the-art，最先进）模型。
引用
@article{arxiv.2003.06094,
title = {MixPoet: Diverse Poetry Generation via Learning Controllable Mixed Latent Space},
author = {Xiaoyuan Yi and Ruoyu Li and Cheng Yang and Wenhao Li and Maosong Sun},
journal= {arXiv preprint arXiv:2003.06094},
year = {2020}
}
备注
8 pages, 5 figures, published in AAAI 2020