論文の概要: A pattern recognition approach for distinguishing between prose and poetry

• arxiv url: http://arxiv.org/abs/2107.08512v1
• Date: Sun, 18 Jul 2021 18:44:17 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-20 14:52:20.830635
• Title: A pattern recognition approach for distinguishing between prose and poetry
• Title（参考訳）: 散文と詩の区別のためのパターン認識手法
• Authors: Henrique F. de Arruda, Sandro M. Reia, Filipi N. Silva, Diego R. Amancio and Luciano da F. Costa
• Abstract要約: 本稿では,音韻特性とリズム特性のみに基づく詩文と散文を区別する自動手法を提案する。 抽出した特徴集合を用いて検討されたテキストの分類を行った結果,ニューラルネットワークを用いて得られた0.78の精度が得られた。
• 参考スコア（独自算出の注目度）: 0.8971132850029492
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Poetry and prose are written artistic expressions that help us to appreciate the reality we live. Each of these styles has its own set of subjective properties, such as rhyme and rhythm, which are easily caught by a human reader's eye and ear. With the recent advances in artificial intelligence, the gap between humans and machines may have decreased, and today we observe algorithms mastering tasks that were once exclusively performed by humans. In this paper, we propose an automated method to distinguish between poetry and prose based solely on aural and rhythmic properties. In other to compare prose and poetry rhythms, we represent the rhymes and phones as temporal sequences and thus we propose a procedure for extracting rhythmic features from these sequences. The classification of the considered texts using the set of features extracted resulted in a best accuracy of 0.78, obtained with a neural network. Interestingly, by using an approach based on complex networks to visualize the similarities between the different texts considered, we found that the patterns of poetry vary much more than prose. Consequently, a much richer and complex set of rhythmic possibilities tends to be found in that modality.
• Abstract（参考訳）: 詩と散文は私たちが生きている現実を理解するのに役立つ芸術的な表現である。 これらのスタイルはそれぞれ、ライムやリズムといった独自の主観的な特性を持ち、人間の目や耳で容易に捉えられる。 人工知能の最近の進歩により、人間と機械の間のギャップは減少し、現在では、かつて人間だけによって行われたタスクをマスターするアルゴリズムが観察されている。 本稿では,音韻特性とリズム特性のみに基づいて詩と散文を区別する自動手法を提案する。 韻律と詩のリズムを比較することに加えて、韻律と電話を時間的シーケンスとして表現し、これらのシーケンスからリズムの特徴を抽出する手順を提案する。 抽出された特徴のセットを用いた検討されたテキストの分類は、ニューラルネットワークを用いて得られた最大精度0.78となった。 興味深いことに、複雑なネットワークに基づくアプローチを用いて、異なるテキスト間の類似性を可視化することにより、詩のパターンが散文よりはるかに多様であることが判明した。 その結果、より豊かで複雑なリズミカルな可能性のセットは、そのモダリティの中に見出される傾向がある。

関連論文リスト

• Conjuring Semantic Similarity [59.18714889874088]
  2つのテキスト表現間の意味的類似性は、潜伏者の「意味」の間の距離を測定する テキスト表現間の意味的類似性は、他の表現を言い換えるのではなく、それらが引き起こすイメージに基づいている、という新しいアプローチを提案する。 提案手法は,人間の注釈付きスコアに適合するだけでなく,テキスト条件付き生成モデル評価のための新たな道を開く意味的類似性に関する新たな視点を提供する。
  論文  参考訳（メタデータ） (2024-10-21T18:51:34Z)
• Evaluating Diversity in Automatic Poetry Generation [25.53206868552533]
  我々は、構造的、語彙的、意味的、様式的な側面に沿って自動生成された詩の多様性を評価する。 現在の自動詩体系は,多次元にまたがってかなり過渡していることがわかった。 我々の特定された制限は、より真に多様な未来の詩生成モデルの基礎となるかもしれない。
  論文  参考訳（メタデータ） (2024-06-21T16:03:21Z)
• Let the Poem Hit the Rhythm: Using a Byte-Based Transformer for Beat-Aligned Poetry Generation [1.03590082373586]
  本稿では,詩の文脈における特定のビートパターンに適合する単語をバイトベースの言語モデルで生成できるかどうかを考察する。 我々は、詩をビートパターンに合わせるために、トランスフォーマーモデルであるByT5を訓練する方法を開発した。 その結果, セマンティック・コヒーレンスを維持しつつ高レベルのビートアライメントを示すことができた。
  論文  参考訳（メタデータ） (2024-06-14T16:54:48Z)
• Automatic Time Signature Determination for New Scores Using Lyrics for Latent Rhythmic Structure [0.0]
  本稿では,歌詞のみを入力として使用する新しいアプローチを提案する。 本稿では, 実験結果から, 受信器動作特性(ROC)の97.6%のF1スコアと0.996のAUC(Area Under the Curve)スコアが得られた。
  論文  参考訳（メタデータ） (2023-11-27T01:44:02Z)
• A Computational Approach to Style in American Poetry [19.41186389974801]
  我々は,アメリカの詩のスタイルを評価し,詩集を相互に視覚化する手法を開発した。 質的な詩批評は、様々な正書法、構文、音韻の特徴を分析するメトリクスの開発を導くのに役立ちました。 本手法は,テキストの学術研究,詩に対する直感的な個人的反応の研究,およびお気に入りの詩に基づいた読者への推薦に有効である。
  論文  参考訳（メタデータ） (2023-10-13T18:49:14Z)
• Unsupervised Melody-to-Lyric Generation [91.29447272400826]
  本稿では,メロディ・歌詞データを学習することなく高品質な歌詞を生成する手法を提案する。 我々は、メロディと歌詞のセグメンテーションとリズムアライメントを利用して、与えられたメロディをデコード制約にコンパイルする。 我々のモデルは、強いベースラインよりもオントピー的、歌いやすく、知性があり、一貫性のある高品質な歌詞を生成することができる。
  論文  参考訳（メタデータ） (2023-05-30T17:20:25Z)
• Unsupervised Melody-Guided Lyrics Generation [84.22469652275714]
  メロディと歌詞の一致したデータを学習することなく、楽しく聴ける歌詞を生成することを提案する。 メロディと歌詞間の重要なアライメントを活用し、与えられたメロディを制約にコンパイルし、生成プロセスを導く。
  論文  参考訳（メタデータ） (2023-05-12T20:57:20Z)
• BACON: Deep-Learning Powered AI for Poetry Generation with Author Linguistic Style Transfer [91.3755431537592]
  本稿では,BACONについて述べる。BACONは,著者の言語スタイルを伝達する自動詩生成器のプロトタイプである。 有限状態機械、確率モデル、人工ニューラルネットワーク、深層学習の概念と技法を組み合わせて、任意の著者のスタイルで豊かな美的品質でオリジナルの詩を書く。
  論文  参考訳（メタデータ） (2021-12-14T00:08:36Z)
• Syllabic Quantity Patterns as Rhythmic Features for Latin Authorship Attribution [74.27826764855911]
  我々は、ラテン散文の計算的オーサシップ属性のタスクにおいて、リズミカルな特徴を導出する基盤として、音節量を用いる。 2つの異なる機械学習手法を用いて3つの異なるデータセットを用いて実験を行い、音節量に基づくリズム特徴がラテン散文の著者の識別に有用であることを示した。
  論文  参考訳（メタデータ） (2021-10-27T06:25:31Z)
• CCPM: A Chinese Classical Poetry Matching Dataset [50.90794811956129]
  本稿では,詩のマッチングによるモデルの意味的理解を評価するための新しい課題を提案する。 この課題は、現代漢訳の漢詩では、4人の候補者の中から1行の漢詩を選ばなければならない。 このデータセットを構築するために、まず中国古典詩と現代中国語の翻訳の並列データを得る。
  論文  参考訳（メタデータ） (2021-06-03T16:49:03Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。