ترغب بنشر مسار تعليمي؟ اضغط هنا

المكونات والخلط: إطار لجيل القصة السيطرة مع رموز التحكم المخلوطة

Plug-and-Blend: A Framework for Controllable Story Generation with Blended Control Codes

234   0   0   0.0 ( 0 )
 تاريخ النشر 2021
  مجال البحث الذكاء الاصناعي
والبحث باللغة English
 تمت اﻹضافة من قبل Shamra Editor




اسأل ChatGPT حول البحث

نحن تصف إطار توليد لغة محكوم للتحكم في المكونات والتشغيل، والتوصيل والزج، والذي يسمح للمستخدم البشري بإدخال رموز التحكم المتعددة (الموضوعات).في سياق جيل القصة الآلي، يسمح هذا للمستخدم البشري بفقد أو سيطرة حبيبات دقيقة على الموضوعات التي ستظهر في القصة التي تم إنشاؤها، ويمكنها حتى السماح للمواضيع المتداخلة والمخلقة.نظرا لأن إطار عملنا، يعمل مع نماذج جيل مختلفة، يتحكم في جيل من رموز التحكم المستمرة الموزونة مع الحفاظ على الجمل التي تم إنشاؤها بطلاقة، مما يدل على إمكانية مزج قوية.

المراجع المستخدمة
https://aclanthology.org/
قيم البحث

اقرأ أيضاً

جيل القصة هي مهمة تهدف إلى إنشاء قصة ذات مغزى تلقائيا. هذه المهمة صعبة لأنها تتطلب فهما رفيع المستوى للمعنى الدلالي للجمل والسببية لأحداث القصة. تفشل نماذج NaiveSequence-To-Stuncence عموما في الحصول على هذه المعرفة، حيث يصعب ضمان صحة منطقية في نموذج جيل نصي دون تخطيط استراتيجي. في هذه الدراسة، نركز على التخطيط لسلسلة من الأحداث بمساعدة الرسوم البيانية الحدث واستخدام الأحداث لتوجيه المولد. بدلا من استخدام نموذج تسلسل إلى تسلسل لإخراج تسلسل، كما هو الحال في بعض الأعمال الموجودة، نقترح إنشاء تسلسل حدث من خلال المشي في رسم بياني حدث. يتم بناء الرسوم البيانية للحدث بناء على Corpus. لتقييم النهج المقترح، ندمج المشاركة البشرية، سواء في تخطيط الأحداث وتوليد القصة. استنادا إلى نتائج الشروح البشرية لارجكيستال، فقد ثبت أن نهجنا المقترح تقديم تسلسل وحدث صحيح منطقيا وقصصا مقارنة بالنهج السابقة.
استولت رواية القصص الآلية منذ فترة طويلة اهتمام الباحثين في كل من الروايات في الحياة اليومية.تظهر أفضل القصص المصنوعة من قبل الإنسان مؤامرة متماسكة، وأحرف قوية، والالتزام بالأنواع، والأسماك التي لا تزال الدول الحالية من الفن لا تزال تكافح من أجل إنتا ج، حتى استخدام بهيئات المحولات.في هذه الورقة، نقوم بتحليل الأعمال في توليد القصة التي تستخدم مناهج التعلم الآلية إلى (1) التحكم في توليد القصة، (2) دمج معرفة المنطقية، (3) استنتاج إجراءات شخصية معقولة، و (4) توليد لغة إبداعية.
التجريدي العامية هو نوع شائع من اللغة غير الرسمية، ولكن طبيعته المرنة وثخيص موارد البيانات الحالية تحديات لأنظمة اللغة الطبيعية القائمة. نأخذ خطوة أولية نحو توليد الجهاز العام العام العام العامية من خلال تطوير إطار نماذج اختيار كلمة مكبر الصوت في الس ياق العام العام. إن إطارنا يرمز معنى عامية رواية من خلال ربط الحواس التقليدية واللانية العاملة من الكلمة أثناء دمج المعرفة النحوية والسياقية في الاستخدام العام العام العامية. نبني الإطار باستخدام مزيج من الاستدلال الاحتمالي والتعلم المتعري للتناقض العصبي. نقوم بإجراء تقييمات صارمة على ثلاثة قواميس سلانج وإظهار أن نهجنا لا يتفوق فقط على النماذج اللغوية الحديثة، ولكنه يتنبأ أيضا بالظهور التاريخي للكلمة العامية من 1960s إلى 2000s. نفسر النماذج المقترحة وإيجاد أن الفضاء الدلالي المستفاد على نطاق واسع حساس لمشابه بين اللغات العامية والحواس التقليدية للكلمات. ينشئ عملنا فرصا للتوليد الآلي وتفسير اللغة غير الرسمية.
نقترح التحكم في إعادة صياغة إعادة صياغة الصياغة من خلال الهياكل النحوية المستهدفة المختارة بعناية لتوليد المزيد من صياغة أعلى جودة أعلى وجودة.نموذجنا، Aesop، يرفع نموذج لغة مسبقين ويضيف عن عمد تم اختيار عنصر تحكم ترنيع عمدا عبر وحدة التحديد القائمة ع لى استرجاع لإنشاء صیر بطلاقة.تشير التجارب إلى أن إيسوب يحقق عروضا حديثة على الحفظ الدلالي والتشطيب النحوي في مجموعات بيانات قياسية مع السيطرة النحوية من الحقيقة الأرضية من النماذج المشروح البشرية.علاوة على ذلك، مع وحدة اختيار بناء الجملة المستهدفة المستندة إلى الاسترجاع، يولد AESOP إعادة صياغة مع صفات أفضل من أفضل النماذج الحالية باستخدام التقييم النحوي المستهدف البشري وفقا للتقييم البشري.نوضح فعاليات AESOP لتحسين نماذج تصنيف النماذج على الإقلاع النحوي عن طريق تكبير البيانات على مهام الغراء.
في الآونة الأخيرة، حقق نموذج لغوي كبير مدرب مسبقا يسمى T5 (محول نقل النصوص الموحد للنصوص) أداء حديثة في العديد من مهام NLP.ومع ذلك، لم يتم العثور على أي دراسة باستخدام هذا النموذج المدرب مسبقا على تبسيط النص.لذلك في هذه الورقة، نستكشف استخدام T5 Bric k-Tuning على تبسيط النص الجمع بين آلية يمكن التحكم فيها لتنظيم مخرجات النظام التي يمكن أن تساعد في إنشاء نص مكيفات للجماهير المستهدفة المختلفة.تبين تجاربنا أن نموذجنا يحقق نتائج رائعة مع مكاسب بين +0.69 و +1.41 عبر أحدث الولاية الحالية (بارت + الوصول).نقول أن استخدام نموذج مدرب مسبقا مثل T5، المدربين على عدة مهام مع كميات كبيرة من البيانات، يمكن أن يساعد في تحسين تبسيط النص.

الأسئلة المقترحة

التعليقات
جاري جلب التعليقات جاري جلب التعليقات
سجل دخول لتتمكن من متابعة معايير البحث التي قمت باختيارها
mircosoft-partner

هل ترغب بارسال اشعارات عن اخر التحديثات في شمرا-اكاديميا