論文の概要: Opportunities for Persian Digital Humanities Research with Artificial Intelligence Language Models; Case Study: Forough Farrokhzad

• arxiv url: http://arxiv.org/abs/2405.06760v1
• Date: Fri, 10 May 2024 18:24:55 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-14 20:15:33.455695
• Title: Opportunities for Persian Digital Humanities Research with Artificial Intelligence Language Models; Case Study: Forough Farrokhzad
• Title（参考訳）: 人工知能言語モデルを用いたペルシアのデジタル人文科学研究の可能性 : Farrokhzadを事例として
• Authors: Arash Rasti Meymandi, Zahra Hosseini, Sina Davari, Abolfazl Moshiri, Shabnam Rahimi-Golkhandan, Khashayar Namdar, Nikta Feizi, Mohamad Tavakoli-Targhi, Farzad Khalvati,
• Abstract要約: 本研究では,高度自然言語処理(NLP)と人工知能(AI)技術を統合し,ペルシア文学の分析と解釈を行う。 我々はペルシャ詩の主題的、様式的、言語的なパターンを明らかにすることを目指している。
• 参考スコア（独自算出の注目度）: 0.1091041661414132
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This study explores the integration of advanced Natural Language Processing (NLP) and Artificial Intelligence (AI) techniques to analyze and interpret Persian literature, focusing on the poetry of Forough Farrokhzad. Utilizing computational methods, we aim to unveil thematic, stylistic, and linguistic patterns in Persian poetry. Specifically, the study employs AI models including transformer-based language models for clustering of the poems in an unsupervised framework. This research underscores the potential of AI in enhancing our understanding of Persian literary heritage, with Forough Farrokhzad's work providing a comprehensive case study. This approach not only contributes to the field of Persian Digital Humanities but also sets a precedent for future research in Persian literary studies using computational techniques.
• Abstract（参考訳）: 本研究は,ペルシア語文学の分析・解釈のための高度自然言語処理(NLP)と人工知能(AI)技術の統合について,フォーフ・ファロハザードの詩を中心に検討する。 計算手法を用いることで,ペルシャ詩の主題的,スタイリスティック,言語的パターンを明らかにすることを目指す。 具体的には、教師なしのフレームワークで詩のクラスタリングにトランスフォーマーベースの言語モデルを含むAIモデルを採用する。 この研究は、フォーフ・ファロハザードの研究が包括的ケーススタディを提供するとともに、ペルシア文学遺産の理解を深めるAIの可能性を強調している。 このアプローチはペルシアのデジタル人文科学の分野に貢献するだけでなく、計算技術を用いたペルシア文学研究における先例となる。

関連論文リスト

• Retrieval-Enhanced Machine Learning: Synthesis and Opportunities [60.34182805429511]
  検索エンハンスメントは機械学習(ML)の幅広い範囲に拡張できる この研究は、MLの様々な領域の文献を、現在の文献から欠落している一貫した表記で合成することで、このパラダイムの正式なフレームワークであるRetrieval-Enhanced Machine Learning (REML)を導入する。 本研究の目的は、様々な分野の研究者に対して、検索強化モデルの包括的、正式に構造化された枠組みを付与し、学際的な将来の研究を促進することである。
  論文  参考訳（メタデータ） (2024-07-17T20:01:21Z)
• Artificial Intelligence and the Spatial Documentation of Languages [0.0]
  本稿では,AIモデル,特にGPT4とGPTデータアナリティクスの言語地図作成能力について検討する。 この研究は、AIモデルが言語の空間的ドキュメンテーションをどのように促進するかを示すことによって、ドキュメンタリー言語学の言語地理学とAIを統合する。
  論文  参考訳（メタデータ） (2024-04-01T17:35:57Z)
• Arabic Text Sentiment Analysis: Reinforcing Human-Performed Surveys with Wider Topic Analysis [49.1574468325115]
  詳細な研究は、2002年から2020年の間に英語で出版された133のASA論文を手作業で分析する。 主な発見は、機械学習、レキシコンベース、ハイブリッドアプローチといった、ASAで使用されるさまざまなアプローチを示している。 アラビア文字SAについては、業界だけでなく学術分野でも使用できるASAツールを開発する必要がある。
  論文  参考訳（メタデータ） (2024-03-04T10:37:48Z)
• TPPoet: Transformer-Based Persian Poem Generation using Minimal Data and Advanced Decoding Techniques [0.9831489366502302]
  我々は,ペルシャの古典詩生成モデルを,事前学習のない特別なデータセット上でトランスフォーマーアーキテクチャを用いて訓練する。 生成された詩のコヒーレンスと意味性を高めるための新しい復号法を提案する。 トレーニング手法と提案手法の結果は,総合的な自動評価と人的評価によって評価される。
  論文  参考訳（メタデータ） (2023-12-04T18:52:26Z)
• Evaluating the Efficacy of Hybrid Deep Learning Models in Distinguishing AI-Generated Text [0.0]
  私の研究は、AI生成テキストと人間の文章を正確に区別するために、最先端のハイブリッドディープラーニングモデルを使用することを調査します。 さまざまなソースからAIと人文からなる慎重に選択されたデータセットを利用し、それぞれに指示をタグ付けして、堅牢な方法論を適用しました。
  論文  参考訳（メタデータ） (2023-11-27T06:26:53Z)
• Combatting Human Trafficking in the Cyberspace: A Natural Language Processing-Based Methodology to Analyze the Language in Online Advertisements [55.2480439325792]
  このプロジェクトは、高度自然言語処理(NLP)技術により、オンラインC2Cマーケットプレースにおける人身売買の急激な問題に取り組む。 我々は、最小限の監督で擬似ラベル付きデータセットを生成する新しい手法を導入し、最先端のNLPモデルをトレーニングするための豊富なリソースとして機能する。 重要な貢献は、Integrated Gradientsを使った解釈可能性フレームワークの実装であり、法執行にとって重要な説明可能な洞察を提供する。
  論文  参考訳（メタデータ） (2023-11-22T02:45:01Z)
• Arabic Sentiment Analysis with Noisy Deep Explainable Model [48.22321420680046]
  本稿では,アラビア語の感情分類フレームワークを提案する。 提案フレームワークは,局所的な代理説明可能なモデルをトレーニングすることで,特定の予測を説明することができる。 アラビアサデータセットの公開ベンチマーク実験を行った。
  論文  参考訳（メタデータ） (2023-09-24T19:26:53Z)
• Ashaar: Automatic Analysis and Generation of Arabic Poetry Using Deep Learning Approaches [7.021140304091526]
  本稿では,アラビア詩の分析・生成に特化して設計されたデータセットと事前学習モデルの集合を含むtextitAshaar というフレームワークを紹介する。 提案手法で確立されたパイプラインは, メーター, テーマ, 年代分類など, 詩の様々な側面を包含する。 この取り組みの一環として、詩生成のためのデータセットと、診断のためのデータセットと、Arudiスタイルの予測のためのデータセットを4つ提供します。
  論文  参考訳（メタデータ） (2023-07-12T15:07:16Z)
• A Latent-Variable Model for Intrinsic Probing [93.62808331764072]
  固有プローブ構築のための新しい潜在変数定式化を提案する。 我々は、事前訓練された表現が言語間交互に絡み合ったモルフォシンタクスの概念を発達させる経験的証拠を見出した。
  論文  参考訳（メタデータ） (2022-01-20T15:01:12Z)
• 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)
• The Challenges of Persian User-generated Textual Content: A Machine Learning-Based Approach [0.0]
  この研究は、ペルシャのユーザー生成テキストコンテンツがもたらすハードルに対処するために機械学習ベースのアプローチを適用します。 提示されたアプローチは、ペルシア語の感情分析を行うために機械翻訳データセットを使用する。 実験の結果は、これまでの試みとは対照的に、有望な最先端のパフォーマンスを示しています。
  論文  参考訳（メタデータ） (2021-01-20T11:57:59Z)

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。