基于深度学习诗人性别预测研究.pdfVIP

  • 0
  • 0
  • 约2.59万字
  • 约 16页
  • 2026-11-17 发布于北京
  • 举报

预测

使用深度学习方法预测诗人的

Samuel

J.

Mignot

sjmignot@

理解与写作之间的联系有助于解释语言如何强化、影响和延续我们的偏见。

诗歌是一种高度依赖潜台词和词汇潜在特征的文学形式。同时它也是机器学习领

域尚未充分探索的文本。这两种特征的结合使诗歌成为深度学习模型极具吸

引力的研究媒介。本文测试了多种神经网络和机器学习模型在预测诗人方面

的有效性。经验证最有效的模型是使用50维GloVe词向量嵌入的卷积双向长短期

记忆网络(CBLSTM),该模型实现了93.2%的准确率。目前文本预

法(及通用文本深度学习方法)的发展趋势是采用循环神经网络(RNN)及其变

体,这源于其捕捉序列数据的能力。本文探讨了简单RNN、GRU、LSTM及其复

杂变体的性能,并将其与支持向量机(SVM)、朴素等简单机器学习方法

以及使用n‑gram和词性(POS)语言特征的早期计算语言学模型进行对比。

1

引言

通过应用机器学习方法进行识别是一个快速发展的领域。过去几年间已

了多篇关于推文、博客文章和长文本识别的[1][3][5

文档评论(0)

1亿VIP精品文档

相关文档