Generating Chinese Classical Poems with Statistical Machine Translation Models Jing He, Ming Zhou, Long Jiang Μαρία Κωστάκη Εθνικό & Καποδιστριακό Πανεπιστήμιο Αθηνών ΠΜΣ Βασικής & Εφαρμοσμένης Γνωσιακής Επιστήμης Μάθημα: Προηγμένη Τεχνητή Νοημοσύνη Καθηγητής: Π. Σταματόπουλος Proceedings of the Twenty-Sixth AAAI Conference on Artificial Intelligence

Εισαγωγή Δημιουργία τετράστιχων κινέζικων κλασσικών ποιημάτων. Χρήση μοντέλου μηχανικής μετάφρασης εμπλουτισμένο με διάφορες λειτουργίες ώστε να διασφαλίζεται η συνοχή και η συνάφεια στο ποίημα. Αξιολόγηση των αποτελεσμάτων με την BLUE metric. Κανένα άλλο σύστημα παραγωγής κινέζικων ποιημάτων δεν πετυχαίνει ένα φυσικό αποτέλεσμα. Ο στόχος του μοντέλου είναι να προσομοιώσει τις φάσεις συγγραφής ενός ποιητή και το αποτέλεσμα να είναι φυσικό. –Θέμα, λέξεις κλειδιά, είδος, τονικότητα και συγγραφή.

Κανόνες Κινέζικης Κλασσικής Ποίησης Τετράστιχα ή οκτάστιχα Κάθε στίχος περιλαμβάνει 5 ή 7 χαρακτήρες Κάθε χαρακτήρας  μία λέξη  μία συλλαβή με συγκεκριμένη τονικότητα (Ping (-) ή Ze (+)) Κανόνες –Εναλλαγή Τονικοτήτων με συγκεκριμένο τρόπο –Ομοιοκαταληξία 2 ου και 4 ου στίχου –Δομή 1 ος στίχος – αρχή 2 ος στίχος – συνέχεια 3 ος στίχος – μετάβαση 4 ος στίχος – σύνοψη

Βήματα παραγωγής ενός ποιήματος Ο χρήστης εισάγει τις λέξεις κλειδιά & το σύστημα αναλαμβάνει τη δημιουργία του ποιήματος Α΄ φάση –Δημιουργία πρώτου στίχου Β΄ φάση –Δημιουργία επόμενων στίχων Γ΄ φάση –Αξιολόγηση αποτελεσμάτων Σημείωση: για να είναι καλύτερα ελεγχόμενο το μοντέλο οι λέξεις κλειδιά περιορίζονται σε μία ταξονομία κινέζικων ποιητικών φράσεων (ShiXueHanYing) η οποία περιλαμβάνει 41,218 φράσεις ομαδοποιημένες σε 1,016 ομάδες.

A΄ Φάση (Template-Based Generation) Χρήστης: Εισαγωγή λέξεων κλειδιών Σύστημα: Ενεργοποίηση και επιλογή των ομάδων που περιέχουν τις λέξεις κλειδιά Δημιουργία πλέγματος φράσεων τοποθετώντας, σύμφωνα με τους κανόνες, κάθε πιθανή φράση σε κάθε πιθανή θέση. Αξιολόγηση όλων των πιθανών φράσεων και επιλογή των καλύτερων με τη βοήθεια ενός τριγράμματου γλωσσικού μοντέλου βασισμένο στους χαρακτήρες (character-based trigram language model). Το γλωσσικό μοντέλο αξιολόγησης εκπαιδεύεται με δεδομένα από κινέζικα ποιήματα και από αρχαία κινέζικα άρθρα. Από κάθε σύνολο δεδομένων εκπαιδεύεται ένα διαφορετικό μοντέλο και το αποτέλεσμα συνδυάζεται γραμμικά σε μία πρόταση με βάση τη σχέση p(s)= β 1 p 1 (s)+(1-β 1 )p 2 (s).

Β΄ Φάση (1/2) (Statistical Quatrain Generation with SMT models) Χρησιμοποιείται η μέθοδος της μηχανικής μετάφρασης (SMT). Αντί για λέξεις χρησιμοποιούνται χαρακτήρες. Με αυτή τη μέθοδο παράγονται ο 2 ος, ο 3 ος και ο 4 ος στίχος. Παραλλαγή του SMT μοντέλου για κάθε στίχο  συνάφεια και συνοχή Γενικό Μοντέλο Μηχανικής Μετάφρασης –Είσοδος στο σύστημα  η υπάρχουσα πρόταση F = {f 1, f 2,…, f n } (i = 1,2,3) –Έξοδος από το σύστημα  η ζητούμενη πρόταση S όπου h i ( S, F ) συναρτήσεις για απλοποίηση του προβλήματος και βελτίωση του αποτελέσματος

Β΄ Φάση (2/2) (Statistical Quatrain Generation with SMT models) Παραλλαγές SMT - ευαισθησία ως προς την θέση του στίχου που δημιουργούν –Περιλαμβάνουν τις 4 πρώτες συναρτήσεις του βασικού μοντέλου –Κάθε μοντέλο εκπαιδεύεται (με βάση ζεύγη στίχων) σε σχέση με Τη θέση του στίχου (2 ος, 3 ος, 4 ος ) Το σύνολο του ποιήματος –Τα αποτελέσματα συνδυάζονται με διαφορετικά βάρη: TM = α 1 TM s + (1-α 1 )ΤM b Ενίσχυση συνοχής –Εισάγει ένα 6 ο στοιχείο στο μοντέλο της μηχανικής μετάφρασης –Mutual Information Score  μετράει τη σχέση της επόμενης πρότασης με όλες τις προηγούμενες. Ρύθμιση ομοιοκαταληξίας και τονικότητας –Στη φάση της αποκρυπτογράφησης (decoding) –Παράγει ένα σύνολο από τις καλύτερες υποψήφιες προτάσεις –Απορρίπτει εκείνες που δεν συμβαδίζουν με την τονικότητα χαλάνε την ζητούμενη ομοιοκαταληξία.

Γ΄ Φάση Αξιολόγηση του μοντέλου με τη μέθοδο BLUE Metric BLUE Metric  αυτόματη μέθοδος αξιολόγησης της ποιότητας της μηχανικής μετάφρασης Πρωτοποριακή μέθοδος στην αξιολόγηση ποιημάτων Αξιολόγηση ανά ζεύγος προτάσεων (3 ζεύγη για κάθε ποίημα) Αναφορές για τη μέθοδο –Στίχοι δημιουργημένοι από ανθρώπους. Με δεδομένο τον πρώτο στίχο δημιουργούσαν τον επόμενο. Χρειάστηκαν πολλά δεδομένα για να διασφαλιστεί η ποιότητά τους. –Συλλογή μέσω διαδικτυακού forum –Όταν δύο στίχοι μοιράζονται παρόμοιες λέξεις κλειδιά, δημιουργείται η συσχέτιση με τους στίχους που τους ακολουθούν. –Εκπαίδευση του μοντέλου με κινέζικα ποιήματα – 6150 ζεύγη στίχων. Αξιολογήθηκαν τα αποτελέσματα από συστήματα 5 διαφορετικών επιπέδων Κλίμακα αξιολόγησης 0 (άσχημα) έως 1 (πολύ καλά).

Αποτελεσματικότητα μεθόδου αξιολόγησης Σύγκριση αποτελεσμάτων αξιολόγησης της μεθόδου με αποτελέσματα αξιολόγησης από ανθρώπους. Αξιολόγηση από ανθρώπους –Ανά πρόταση - με 4 κριτήρια - κλίμακα αξιολόγησης από 1 έως 3. –Άθροιση αποτελεσμάτων, και με βάση το σκορ αξιολόγηση με Α, Β, C. –Η αποτελεσματικότητα του κάθε συστήματος υπολογίζεται με βάση το πλήθος των προτάσεων σε κάθε βαθμίδα επί το βαθμό της βαθμίδας. Όσο πιο εμπλουτισμένο είναι το μοντέλο τόσο καλύτερα αποτελέσματα έχει στην παραγωγή ποιημάτων. Οι αξιολογήσεις από την μέθοδο BLUE ήταν πολύ κοντά με τις ανθρώπινες αξιολογήσεις. Λογική μέθοδος αξιολόγησης ποιημάτων.

Πίνακες Συγκριτικών Αποτελεσμάτων

Συμπεράσματα Μπορεί να χρησιμοποιηθεί για δημιουργία ποιημάτων και σε άλλες γλώσσες Μπορεί να γίνει διαδραστικό. Μπορεί να επεκταθεί ως προς τις λέξεις που υποστηρίζει. Keywords: spring, lute, drunk

Αναφορές He, J., Zhou, M., & Jiang, L. (2012). Generating Chinese Classical Poems with Statistical Machine Translation Models. Proceedings of the Twenty-Sixth AAAI Conference on Artificial Intelligence,