Für Dieses Frühlingsfest Empfehlen Wir Drei KI-Tools, Die Ihnen Beim Schreiben Von Frühlingsfest-Couplets Helfen
von Super Neuro
—-
Ich freue mich darauf, ich freue mich darauf, das Frühlingsfest kommt. Gibt es etwas, worauf man sich beim diesjährigen Frühlingsfest freuen sollte? Es ist besser, sich zu Hause gut zu benehmen, bevor die Eltern einen drängen, zu heiraten oder Kinder zu bekommen.
Wenn Sie beispielsweise Frühlingsfest-Reime für Ihr Zuhause schreiben oder einige individuell gestalten möchten, um sie Verwandten und Freunden zu schenken, habe ich hier drei Roboter, die Ihnen beim Schreiben von Reimen helfen können. Lassen Sie uns mehr darüber erfahren.
KI, die Verse schreiben kann
Wir schreiben jetzt das Jahr 2019 und plötzlich kam mir die Idee, eine KI zu finden, die ein Verspaar schreibt. Mithilfe des allmächtigen Internets habe ich tatsächlich drei KI-Tools gefunden.
Couplet AI von Microsoft ist ein Webprodukt von Microsoft Research Asia. Es lässt sich auf die Idee der automatischen Couplets im Jahr 2004 zurückführen.
Nach vielen Änderungen im Laufe der Jahre wurde 2015 die neueste Version veröffentlicht, mit der die Aufgabe des Zuordnens von Versen schnell erledigt werden kann.
Und es werden mehrere Optionen angeboten. Wenn Sie immer noch nicht zufrieden sind, werden Ihnen für jedes entsprechende Wort mehrere Auswahlmöglichkeiten angeboten. Das Benutzerfreundlichste ist, dass Sie Ihre Lieblingswörter nach Bedarf einbetten können.
Dies ist ein einfaches Web-Couplet-System, und es wird gesagt, dass dies ein „Übungsprojekt“ eines versteckten Ingenieurs ist.
Es kam im Oktober 2017 auf den Markt und erfreute sich nach seiner Veröffentlichung unerwartet großer Beliebtheit beim breiten Publikum, da es angeblich eine Quelle der Freude für den ganzen Tag sei. Einige Internetnutzer haben sogar eigens ein Testvideo aufgenommen und es auf bilibili hochgeladen.
Auch die Bedienung ist denkbar einfach. Geben Sie die erste Zeile eines Verses ein, und Sie erhalten sofort die Antwort mit der zweiten Zeile. Es gibt keinen Verhandlungsspielraum und es ist sauber und ordentlich.
Der Autor hat Millionen von Couplet-Datensätzen im Internet durchsucht und das seq2seq-Modell verwendet, um die Kette aufzuhängen. Zusätzlich zu den aktuellen Tools hat er seinen Datensatz und sein Modell nach der Fertigstellung auch als Open Source auf Github veröffentlicht.
Es ist ein Neuling in der Welt der KI-Couplets. Es wurde vor einer Woche geboren und ist ein KI-Modell, das mit einem öffentlichen Konto verbunden ist. Der Autor hat dies erstellt, nachdem er eine Sammlung von Versen gesehen hatte und es kaum erwarten konnte, sein Können unter Beweis zu stellen.
Die Methode besteht darin, im Hintergrund des offiziellen Kontos mit „Geben Sie den Inhalt des ersten Verses ein“ zu antworten, und Sie erhalten den zweiten Vers. Natürlich gibt es Zeiten, in denen der zweite Vers nicht zustande kommt.
Wenn Sie vergessen, die erste Zeile einzugeben, ist der Hintergrund ein Chat-Roboter.
Ist es ein Maultier oder ein Pferd? Ziehen Sie es heraus, um ein Couplet zu bilden
Um die Auswirkungen dieser drei KI-Tools zu vergleichen, haben wir mehrere Testrunden durchgeführt. Die Ausgabereihenfolge waren die Ergebnisse der Microsoft-Couplets, der Wang Bin-Couplets und der AINLP-Couplets.
- Runde 1: Wer ist Fei-Fei Li?
In dieser Runde waren die beiden anderen Teilnehmer, abgesehen vom WeChat-Roboter, der etwas schwer zu verstehen war, ziemlich normal.
- Runde 2: Wang Sicong isst Hot Dogs
Was das Verhalten des Direktors angeht, konnte der AINIP-Roboter keine Antwort geben und begann direkt, sich niedlich zu benehmen. Hahahaha, es scheint, dass die KI wirklich nicht weiß, wie reich Sicong ist.
- Runde 3: Künstliche Intelligenz schreibt Frühlingsfest-Couplets
In dieser Runde hat jeder der drei seine eigenen Eigenschaften. Der von Microsoft angegebene „Trigeminusnerv“ wird mich zu Tode lachen lassen, AINLPs „wundersame Handwerkskunst“ ist auch etwas verwirrend und der zweite Platz „Freiheit“ scheint etwas fad.
- Runde 4: Das erste Reimpaar: Die untergehende Sonne und die einsame Wildgans fliegen zusammen
Für diesen klassischen Satz ist Wang Bins Antwort auf das Zweizeiler zu ungezogen. (Tatsächlich bietet Microsoft in den Optionen auch Standardantworten an)
- Runde 5: Der erste Vers: Der Knaller verabschiedet das alte Jahr
Kommen wir zurück zum Thema und schreiben wir Verse zum Frühlingsfest.
Aber nach den Ergebnissen der letzten Runde zu urteilen, kann man es durchaus zum Aufhängen vor der Tür verwenden.
Wie trainiert man KI, um Couplets zum Frühlingsfest zu schreiben?
Wenn wir uns diese Geräte ansehen, können wir grundsätzlich erkennen, dass in der traditionellen chinesischen Kultur nicht nur alte Gedichte und Verspaare, sondern auch Spracheinheiten wie Antithesenversätze extrem starke Regelmäßigkeiten aufweisen, die sich sehr gut für das maschinelle Lernen eignen und leicht automatisiert werden können.
- Verwenden des Encoder-Decoder-Modells
Das Encoder-Decoder-Framework kann als Forschungsmodell im Bereich der Textverarbeitung mit äußerst breiten Anwendungsszenarien angesehen werden.
Das Encoder-Decoder-Framework kann intuitiv wie folgt verstanden werden: Es kann als allgemeines Verarbeitungsmodell betrachtet werden, das für die Verarbeitung der Generierung eines weiteren Satzes (oder Absatzes) aus einem Satz (oder Absatz) geeignet ist. Bei Satzpaaren besteht das Ziel darin, aus dem Eingabesatz X mithilfe des Encoder-Decoder-Frameworks den Zielsatz Y zu generieren. X und Y können dieselbe oder zwei verschiedene Sprachen sein. X und Y bestehen aus eigenen Wortfolgen:
Wie der Name schon sagt, codiert Encoder den Eingabesatz X und konvertiert den Eingabesatz durch nichtlineare Transformation in eine semantische Zwischendarstellung C:
Für den Decoder besteht seine Aufgabe darin, das zum Zeitpunkt i zu generierende Wort yi basierend auf der semantischen Zwischendarstellung C des Satzes X und den zuvor generierten historischen Informationen y1, y2….yi-1 zu generieren.
Jedes Yi wird der Reihe nach auf diese Weise generiert, sodass es so aussieht, als ob das gesamte System den Zielsatz Y basierend auf dem Eingabesatz X generiert.
Dieses Szenario ist ein typisches Anwendungsproblem des Encoder-Decoder-Frameworks. Sie müssen lediglich das spezifische Modell des Encoder-Decoder-Frameworks konfigurieren. Beispielsweise verwenden sowohl Encoder als auch Decoder das RNN-Modell.
Sie müssen lediglich eine große Menge an Couplet-Daten finden, um dieses Modell zu trainieren. Anschließend können Sie dieses Modell verwenden, das erste Couplet eingeben und die Maschine generiert automatisch das zweite Couplet.
Das Encoder-Decoder-Framework plus Attention sollte die Qualität der zweiten Zeile deutlich verbessern. Der Grund dafür ist, dass strikte Parallelität erforderlich ist. Daher ist es beim Generieren eines bestimmten Wortes in der zweiten Zeile zweifellos sehr wichtig, das entsprechende Wort in der ersten Zeile als Schlüsselreferenzinformation für die Generierung zu finden.
Wenn das Aufmerksamkeitsmodell beispielsweise das Zeichen „三“ im ersten Verspaar sieht, konzentriert es sich beim Generieren des entsprechenden Zeichens auf das Zeichen „一“ im zweiten Verspaar. Es sollte wissen, dass das entsprechende Zeichen ein numerisches chinesisches Zeichen sein sollte.
Mit Encoder-Decoder sollte sich die antithetische Beziehung zwischen chinesischen Schriftzeichen gut erlernen lassen, aber die Frage, wie sichergestellt werden kann, dass die Semantik des generierten zweiten Couplets konsistent ist, ist nicht unbedingt eine gute Lösung. Was bedeutet das? Das bedeutet, dass die Maschine, wenn sie die erste Zeile des Verses „Wind und Wolke, drei Fuß großes Schwert“ sieht, sehr wahrscheinlich die folgende Zeile ausgibt: „Regen und Wind, zehntausend Fuß großes Messer“. Für sich genommen scheinen die einzelnen Wörter gut zusammenzupassen, doch insgesamt wirkt die Semantik nicht so harmonisch. (Hinweis: Wenn Ihnen diese zweite Zeile tatsächlich einfällt, ist sie eigentlich ziemlich heroisch, oder? Das hängt damit zusammen, dass Menschen ihre Vorstellungskraft nutzen, um aufeinanderfolgende Wörter in einen sinnvollen Kontext zu bringen.)
Im Wesentlichen kann Encoder-Decoder das Sprachmodell während der Dekodierungsphase erlernen, und es ist offensichtlich, dass die Einführung des Sprachmodells sehr hilfreich ist, um die Lesbarkeit und Sprachkonsistenz der zweiten Zeile zu erzeugen.
Wenn die Trainingsdaten jedoch nicht so umfangreich sind, glaube ich, dass durch die Verwendung einer großen Anzahl antiker Gedichte zum Trainieren eines Gedicht-Sprachmodells in der Decoder-Generierungsphase an jedem Zeitknoten t viele mögliche Kandidaten für chinesische Schriftzeichen generiert werden können. Anschließend sollten die generierten Couplets unter Verwendung dieses Sprachmodells + Beam Search in der Lage sein, eine gewisse semantische Konsistenz sicherzustellen.
Bei der Generierung von Couplets stellt sich tatsächlich die Frage nach der Prosodie der chinesischen Schriftzeichen in den oberen und unteren Couplets, die in einem Nachbearbeitungsschritt ähnlich dem Sprachmodell ebenfalls gescreent und gefiltert werden kann.
- 2. Verwenden Sie RNN zum Abschluss
Verwenden Sie RNN, um ein Sprachmodell antiker Poesie zu erstellen, und generieren Sie dann automatisch das erste Couplet durch dieses RNN-Sprachmodell.
Abbildung generiert vollautomatisch Couplets
Darüber hinaus besteht bei Couplets noch ein kleines Problem, nämlich die Frage, wie das horizontale Banner des Couplets generiert werden soll. Denn im Allgemeinen müssen Couplets von einem horizontalen Banner begleitet werden, um die Hauptthemen der oberen und unteren Couplets zusammenzufassen.
Die Idee ist eigentlich ähnlich. Die oberen und unteren Couplets können als Ganzes als Eingabe des Encoders betrachtet werden, und der Decoder kann zum Generieren des horizontalen Banners verwendet werden. Dies ähnelt der Idee, Encoder-Decoder+Attention zur Zusammenfassung zu verwenden.
Quellen:
- 1.https://blog.csdn.net/malefactor/article/details/51124732
- „Verwenden des Encoder-Decoder-Modells zur automatischen Generierung von Couplets“ von Zhang Junlin
- 2.https://mp.weixin.qq.com/s/ettmrvz0SMpdBd5HU1xhnw
- „Der erste Couplet-Wettbewerb für künstliche Intelligenz“ vom offiziellen WeChat-Konto: Xiang Zi Ran
- 3.https://duilian.msra.cn/app/couplet.aspx
- Microsoft Couplet Tool
- 4.https://ai.binwang.me/couplet/
- Wang Bin Automatisches Couplet-Matching-System
- 5. WeChat-Couplet-Tool für öffentliche Konten: AINLP