《表3 不同音乐等级下生成评论文本的多样性对比》
其次,基于Diversity-Rouge-L这个指标来评估在不同音乐等级下生成评论文本的多样性,结果如表3所示。从表3中可以看出,当音乐等级越高时,Grade GAN模型生成评论文本的多样性越高,这与真实数据是吻合的。在StarMaker在线唱歌平台中,当音乐等级是1时,评论文本大都是It.s ok或thank you这类重复文本,当音乐等级是3时,评论文本则更加多样,如You have a beautiful voice或Looking forward to more music works from you等带有个人情感和想法的这类文本。从表3中可以看出,其他模型无法做到当音乐等级越高时,多样性越高。
图表编号 | XD00165391100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.01 |
作者 | 严丹、何军、刘红岩、杜小勇 |
绘制单位 | 数据工程与知识工程教育部重点实验室(中国人民大学信息学院)、数据工程与知识工程教育部重点实验室(中国人民大学信息学院)、清华大学经济管理学院、数据工程与知识工程教育部重点实验室(中国人民大学信息学院) |
更多格式 | 高清、无水印(增值服务) |