《表1 人工评价结果:基于Seq2Seq模型的自定义古诗生成》
分别选取五言和七言Perplexity最低时的模型用来生成古诗,采用人工评价的方法,本文对比了三种基准方法:SMT(statistical machine translation models)、RNNPG(recurrent neural networks for poetry generation)、ANMT(attention-based neural machine translation)。其中SMT模型使用了统计机器翻译的方法,RNNPG模型整合了CNN(convolutional neural network)、句子级别的RNN、字符级别的RNN,ANMT使用了基于神经网络的机器翻译模型,结果如表1所示。
图表编号 | XD00165381400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.01 |
作者 | 王乐为、余鹰、张应龙 |
绘制单位 | 华东交通大学软件学院、华东交通大学软件学院、华东交通大学软件学院 |
更多格式 | 高清、无水印(增值服务) |