利用循环神经网络学习阿拉伯语和英语诗歌的格律：语言理解和合成的一步进展

识别一篇作品是诗歌还是散文对大多数人来说通常并不困难；然而，只有专家才能确定一首诗属于哪种韵律。在本文中，我们构建了循环神经网络（RNN）模型，这些模型可以从纯文本中对诗歌进行分类，根据其所属的韵律。输入文本在字符级别进行编码，并直接输入模型而无需手工提取特征。这是机器对语言理解和合成的一般性进展，特别是对于阿拉伯语。网络能够分别以96.38%和82.31%的总体准确率正确分类阿拉伯语和英语的诗歌韵律。用于本研究的诗歌数据集非常庞大，超过150万行诗句，是从不同的非技术来源爬取的，几乎涵盖了阿拉伯语和英语文学网站上的各种异构和非结构化格式。这些数据集现在已以干净、结构化且有文档的形式公开发布，供未来研究使用。据作者所知，这项研究是首次采用机器学习方法解决诗歌韵律分类问题，特别是在基于无特征RNN的方法中。此外，该数据集也是首个为未来计算研究准备并公开发布的数据集。