論文の概要: Urdu Poetry Generated by Using Deep Learning Techniques

• arxiv url: http://arxiv.org/abs/2309.14233v1
• Date: Mon, 25 Sep 2023 15:44:24 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-26 15:01:54.665322
• Title: Urdu Poetry Generated by Using Deep Learning Techniques
• Title（参考訳）: 深層学習によるウルドゥー詩の生成
• Authors: Muhammad Shoaib Farooq, Ali Abbas
• Abstract要約: 本研究は,異なる深層学習手法とアルゴリズムを用いてウルドゥー詩を生成する。 データはRekhtaのウェブサイトから収集され、1341のテキストファイルといくつかのカップルが含まれている。
• 参考スコア（独自算出の注目度）: 1.52292571922932
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study provides Urdu poetry generated using different deep-learning techniques and algorithms. The data was collected through the Rekhta website, containing 1341 text files with several couplets. The data on poetry was not from any specific genre or poet. Instead, it was a collection of mixed Urdu poems and Ghazals. Different deep learning techniques, such as the model applied Long Short-term Memory Networks (LSTM) and Gated Recurrent Unit (GRU), have been used. Natural Language Processing (NLP) may be used in machine learning to understand, analyze, and generate a language humans may use and understand. Much work has been done on generating poetry for different languages using different techniques. The collection and use of data were also different for different researchers. The primary purpose of this project is to provide a model that generates Urdu poems by using data completely, not by sampling data. Also, this may generate poems in pure Urdu, not Roman Urdu, as in the base paper. The results have shown good accuracy in the poems generated by the model.
• Abstract（参考訳）: 本研究は,異なる深層学習手法とアルゴリズムを用いてウルドゥー詩を生成する。 データはRekhtaのウェブサイトから収集され、1341のテキストファイルといくつかのカップルが含まれている。 詩に関するデータは特定のジャンルや詩人のものではない。 代わりに、ウルドゥー詩とガザルの混成集であった。 LSTM(Long Short-Term Memory Networks)やGated Recurrent Unit(GRU)など、さまざまなディープラーニング技術が使用されている。 自然言語処理(NLP)は機械学習において、人間が使用し、理解する言語を理解し、分析し、生成するために用いられる。 異なる技法を用いて異なる言語で詩を作る作業が数多く行われている。 データの収集と利用も、異なる研究者によって異なる。 このプロジェクトの主な目的は,サンプリングデータではなく,データを完全に使用してウルドゥー詩を生成するモデルを提供することである。 また、この詩はローマのウルドゥー語ではなく純粋なウルドゥー語で詠まれることもある。 その結果, モデルが生成した詩の精度は良好であった。

関連論文リスト

• Measuring Non-Adversarial Reproduction of Training Data in Large Language Models [71.55350441396243]
  自然と良性のプロンプトに応答する際のモデル応答と事前学習データの重なりを定量化する。 一般的な会話言語モデルによるテキスト出力の最大15%は、インターネットのスニペットと重なることが判明した。 適切なプロンプトは、平均して非敵の再現を減少させるが、トレーニングデータの最悪の再現を緩和するには、より強力な防御が必要である。
  論文  参考訳（メタデータ） (2024-11-15T14:55:01Z)
• Sonnet or Not, Bot? Poetry Evaluation for Large Models and Datasets [3.0040661953201475]
  大規模言語モデル(LLM)が詩を生成、認識できるようになった。 我々はLLMが英語詩の1つの側面をいかに認識するかを評価するタスクを開発する。 我々は,現在最先端のLLMが,一般的な文体と一般的でない文体の両方を識別できることを示す。
  論文  参考訳（メタデータ） (2024-06-27T05:36:53Z)
• AraPoemBERT: A Pretrained Language Model for Arabic Poetry Analysis [0.0]
  AraPoemBERTはアラビア語の詩文に特化して訓練されたアラビア語モデルである。 AraPoemBERTは、詩のジェンダー分類と詩のサブメーター分類という3つの新しいタスクのうちの2つにおいて、前例のない精度を達成した。 この研究で使用されるデータセットには、オンラインソースから収集された2億9900万の詩が含まれている。
  論文  参考訳（メタデータ） (2024-03-19T02:59:58Z)
• Dolma: an Open Corpus of Three Trillion Tokens for Language Model Pretraining Research [139.69207791947738]
  ドルマ (Dolma) は、ウェブコンテンツ、科学論文、コード、パブリックドメインの書籍、ソーシャルメディア、百科事典の素材を多用した3トリルの英語コーパスである。 我々はDolmaの設計原則、その構築の詳細、内容の要約を含む、Dolmaを文書化します。 我々は、重要なデータキュレーションの実践について学んだことを共有するために、Dolmaの中間状態の分析と実験結果を示す。
  論文  参考訳（メタデータ） (2024-01-31T20:29:50Z)
• PoetryDiffusion: Towards Joint Semantic and Metrical Manipulation in Poetry Generation [58.36105306993046]
  制御可能なテキスト生成は自然言語生成(NLG)において困難かつ有意義な分野である 本稿では,ソネット生成のための拡散モデルと中国語のSongCi詩の創始について述べる。 本モデルでは,人的評価だけでなく,意味的,計量的,総合的な性能の自動評価において,既存のモデルよりも優れる。
  論文  参考訳（メタデータ） (2023-06-14T11:57:31Z)
• Twist Decoding: Diverse Generators Guide Each Other [116.20780037268801]
  様々なモデルの恩恵を受けながらテキストを生成するシンプルで一般的な推論アルゴリズムであるTwist decodingを導入する。 我々の方法は、語彙、トークン化、あるいは生成順序が共有されていると仮定しない。
  論文  参考訳（メタデータ） (2022-05-19T01:27:53Z)
• Urdu & Hindi Poetry Generation using Neural Networks [0.0]
  この作品の目的は、ウルドゥー人、ヒンディー人詩人にオードを与え、彼らが次の詩の行を始めるのを助けることである。 このような創作作品、特に文学的文脈における関心事は、アウトプットが盗作されていないことを保証することである。 この作業はまた、懸念に対処し、結果のオードが入力データと正確に一致しないことを確認する。
  論文  参考訳（メタデータ） (2021-07-16T16:12:51Z)
• 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)
• Co-occurrences using Fasttext embeddings for word similarity tasks in Urdu [0.0]
  本稿では,Urduのコーパスを構築し,複数のソースからデータを抽出・統合する。 fasttext埋め込みとN-Gramsモデルを変更して、構築されたコーパスでトレーニングできるようにします。 これらのトレーニング済み埋め込みを単語の類似性タスクに使用し、その結果を既存の技術と比較しました。
  論文  参考訳（メタデータ） (2021-02-22T12:56:26Z)
• MixPoet: Diverse Poetry Generation via Learning Controllable Mixed Latent Space [79.70053419040902]
  多様な要素を吸収し,多様なスタイルを創出し,多様性を促進する新しいモデルであるMixPoetを提案する。 半教師付き変分オートエンコーダに基づいて、我々のモデルは潜在空間をいくつかの部分空間に切り離し、それぞれが敵の訓練によって1つの影響因子に条件付けされる。 中国詩の実験結果は、MixPoetが3つの最先端モデルに対して多様性と品質の両方を改善していることを示している。
  論文  参考訳（メタデータ） (2020-03-13T03:31:29Z)

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。