000 03413nab a2200337 c 4500
001 koha000725852
005 20220228123807.0
007 cr |
008 220125|2021 ru s c rus d
024 7 _a10.17223/19988605/57/13
_2doi
035 _akoha000725852
040 _aRU-ToGU
_brus
_cRU-ToGU
100 1 _aКривошеев, Николай Анатольевич
_9770068
245 1 0 _aАвтоматическая генерация коротких текстов на основе применения нейронных сетей LSTM и SeqGAN
_cН. А. Кривошеев, Ю. А. Иванова, В. Г. Спицын
246 1 1 _aAutomatic generation of short texts based on the use of neural networks LSTM and SeqGAN
336 _aТекст
337 _aэлектронный
504 _aБиблиогр.: 26 назв.
520 3 _aПроведено исследование качества генерации коротких текстов на основе применения нейронных сетей LSTM и SeqGAN на русском и английском языках. Для обучения нейронной сети используются следующие подходы: оценка максимального правдоподобия и состязательная сеть, генерирующая последовательность (Sequence Generative Adversarial Nets, SeqGAN). В данной работе реализация SeqGAN не включает алгоритм Монте-Карло. Предложен и реализован подход на основе возведения значений выходного вектора нейронной сети (вектора вероятностей) в степень, большую 1, данная операция позволяет увеличить качество генерируемого текста, но снижает его разнообразие. Обучение и тестирование проводятся на основе следующих выборок данных: сборника русских стихов с сайта Stihi.ru и подписей к изображениям на английском языке из выборки COCO Image Captions. Проведена оценка качества генерации текстов на основе метрики BLEU. Приведены примеры сгенерированных текстов. Проанализированы аналогичные решения.
653 _aгенерация текста
653 _aсостязательное обучение с подкреплением
653 _aнейронные сети
655 4 _aстатьи в журналах
_9770069
700 1 _aИванова, Юлия Александровна
_d1986-
_9795483
700 1 _aСпицын, Владимир Григорьевич
_969289
773 0 _tВестник Томского государственного университета. Управление, вычислительная техника и информатика
_d2021
_g № 57. С. 118-130
_x1998-8605
_w0210-40860
852 4 _aRU-ToGU
856 4 _uhttp://vital.lib.tsu.ru/vital/access/manager/Repository/koha:000725852
908 _aстатья
999 _c725852