以對抗式生成網路建立中文歌詞風格評分機制
學年 109
學期 1
發表日期 2020-10-28
作品名稱 以對抗式生成網路建立中文歌詞風格評分機制
作品名稱(其他語言)
著者 黃恩祈; 陳建彰; 林承賢
作品所屬單位
出版者
會議名稱 TANET 2020 臺灣網際網路研討會
會議地點 台北市,台灣
摘要 近年來由於詞曲詩詞等文本生成類型的應用越來越多學者相繼投入研究,然而關於這方面研究大都需要使用人力評估,因而容易造成量化標準不一情形,因為當使用同一方法研究卻用不同人力評估時,結果很可能不盡相同,就算是同一批人的調查結果,根據調查時的各種變因都有可能會影響結果。本研究針對國內流行歌曲歌詞網中,幾位風格較具特色的作詞家之歌詞作品,將其作品資料使用sequence generative adversarial nets (SeqGAN)進行訓練,並於訓練過程中,取出訓練程度不同的判別器,並將五個不同訓練次數(20, 40, 60, 80, 100)組合建立文本相似度評分器,以此作為歌詞與歌詞之間的評量方式。實驗結果顯示,詞風相似的作詞家,有較高的評分。
關鍵字 GAN;SeqGAN;文本生成;詞曲生成
語言 zh_TW
收錄於
會議性質 國內
校內研討會地點
研討會時間 20201028~20201030
通訊作者
國別 TWN
公開徵稿
出版型式
出處 TANET 2020 臺灣網際網路研討會論文集,頁283-286
相關連結

機構典藏連結 ( http://tkuir.lib.tku.edu.tw:8080/dspace/handle/987654321/120275 )