| Les deux révisions précédentes
Révision précédente
Prochaine révision
|
Révision précédente
|
equipes:rcln:ancien_wiki:projets:ganso:es [2019/04/08 16:05]
rosse |
equipes:rcln:ancien_wiki:projets:ganso:es [2020/11/23 18:42] (Version actuelle)
garciaflores ↷ Liens modifiés en raison d'un déplacement. |
| ====== GANSO: Generación automática de relatos literarios cortos por medio de sincronización ontológica de una red neuronal recurrente y un generador de texto ====== | ====== GANSO: Generación automática de relatos literarios cortos por medio de sincronización ontológica de una red neuronal recurrente y un generador de texto ====== |
| |
| //[[equipes:rcln:projets:ganso|Traduction en français ici]]// | //[[equipes:rcln:ancien_wiki:projets:ganso|Traduction en français ici]]// |
| ===== Resumen ===== | ===== Resumen ===== |
| El objetivo del proyecto consiste en desarrollar un método que permita la generación automática de cuentos cortos a partir de una palabra del diccionario elegida al azar. La intención es que el resultado sea evaluado por expertos literarios contra cuentos cortos escritos por estudiantes universitarios en creación literaria. El método que proponemos está basado, por un lado, en la generación por reescritura de fragmentos clásicos de la literatura con la ayuda de una red neuronal recurrente (RNN)<ref>Ryan Kiros. [[https://github.com/ryankiros/neural-storyteller|//Neural Storyteller//]] (2015)</ref><ref>Yukun Zhu, Ryan Kiros, Richard Zemel, Ruslan Salakhutdinov, Raquel Urtasun, Antonio Torralba, Sanja Fidler. //Aligning Books and Movies: Towards Story-like Visual Explanations by Watching Movies and Reading Books.// arXiv preprint arXiv:1506.06724 (2015).</ref>. Por otro lado, se intentaría generar de una estructura narratológica y estilística única para cada relato por medio de ontologías narrativas <ref>Henrik Schärfe. //Narrative Ontologies.// KEST2004. ed. / C.G. Cao; Y.F. Sui. Tsinghua : University Press, 2004. p. 19-26.</ref> y generacińo de lenguaje natural por medio de gramáticas de árboles adjuntos y expresiones lógicas<ref name="beltrachini">C. Gardent and L. Perez-Beltrachini A Statistical, Grammar-Based Approach to Micro-Planning In Computational Linguistics, To Appear.</ref>. La intuición científica de fondo es que la generación por RNN a partir de un corpus de clásicos de la literatura podría proporcionar los elementos léxicos y contextuales de base para permitir, en una etapa posterior, completar la generación con una estructura narratológica determinada por una ontología y un estilo caracterizado por expresiones lógicas asociadas a gramáticas de árboles adjuntos. | El objetivo del proyecto consiste en desarrollar un método que permita la generación automática de cuentos cortos a partir de una palabra del diccionario elegida al azar. La intención es que el resultado sea evaluado por expertos literarios contra cuentos cortos escritos por estudiantes universitarios en creación literaria. El método que proponemos está basado, por un lado, en la generación por reescritura de fragmentos clásicos de la literatura con la ayuda de una red neuronal recurrente (RNN)[(Ryan Kiros. [[https://github.com/ryankiros/neural-storyteller|//Neural Storyteller//]] (2015))][(Yukun Zhu, Ryan Kiros, Richard Zemel, Ruslan Salakhutdinov, Raquel Urtasun, Antonio Torralba, Sanja Fidler. //Aligning Books and Movies: Towards Story-like Visual Explanations by Watching Movies and Reading Books.// arXiv preprint arXiv:1506.06724 (2015).)]. Por otro lado, se intentaría generar de una estructura narratológica y estilística única para cada relato por medio de ontologías narrativas [(Henrik Schärfe. //Narrative Ontologies.// KEST2004. ed. / C.G. Cao; Y.F. Sui. Tsinghua : University Press, 2004. p. 19-26.)] y generacińo de lenguaje natural por medio de gramáticas de árboles adjuntos y expresiones lógicas[(beltrachini>C. Gardent and L. Perez-Beltrachini A Statistical, Grammar-Based Approach to Micro-Planning In Computational Linguistics, To Appear.)]. La intuición científica de fondo es que la generación por RNN a partir de un corpus de clásicos de la literatura podría proporcionar los elementos léxicos y contextuales de base para permitir, en una etapa posterior, completar la generación con una estructura narratológica determinada por una ontología y un estilo caracterizado por expresiones lógicas asociadas a gramáticas de árboles adjuntos. |
| |
| La tarea que inspira este proyecto forma parte de los desafíos de Turing en creación artística<ref>[[http://bregman.dartmouth.edu/turingtests/|//Turing Tests in the Creative Arts.//]] Neukom Institute et Darmouth College.</ref>; en su edición 2016, el desafío DigitLit (generación automática de cuentos cortos) fue declarado desierto puesto que ningún evaluador estimó que los sistemas participantes produjeran textos de una calidad literaria comparable a aquellos escritos por estudiantes universitarios de escritura creativa, lo cual habla de la dificultad de la tarea. Desde nuestro punto de vista, las preguntas científicas que emanan de la tarea son numerosas, tanto en inteligencia artificial como en lingüística computacional y literatura. Los métodos basados en aprendizaje profundo (RNN) producen texto fluido, de buena calidad lingüística pero poco legible debido a su falta de coherencia lógica y narrativa. Por el contrario, los métodos simbólicos podrían mejorar la coherencia lógica, pero producen texto carente de fluidez y pobre de estilo. ¿Qué tan posible sería conciliar metodológicamente ambas perspectivas? Y una segunda pregunta, ésta vez concerniente a la evaluación de la calidad literaria de los relatos producidos con este método: ¿los criterios estéticos y hermenéuticos comunes en el estudio de la recepción de textos literarios aplican también en textos generados por inteligencia artificial? Y una última: ¿qué tan útiles podrían ser los métodos didácticos utilizados en la enseñanza de la escritura creativa para le generación automática de relatos? | La tarea que inspira este proyecto forma parte de los desafíos de Turing en creación artística[([[http://bregman.dartmouth.edu/turingtests/|//Turing Tests in the Creative Arts.//]] Neukom Institute et Darmouth College.)]; en su edición 2016, el desafío DigitLit (generación automática de cuentos cortos) fue declarado desierto puesto que ningún evaluador estimó que los sistemas participantes produjeran textos de una calidad literaria comparable a aquellos escritos por estudiantes universitarios de escritura creativa, lo cual habla de la dificultad de la tarea. Desde nuestro punto de vista, las preguntas científicas que emanan de la tarea son numerosas, tanto en inteligencia artificial como en lingüística computacional y literatura. Los métodos basados en aprendizaje profundo (RNN) producen texto fluido, de buena calidad lingüística pero poco legible debido a su falta de coherencia lógica y narrativa. Por el contrario, los métodos simbólicos podrían mejorar la coherencia lógica, pero producen texto carente de fluidez y pobre de estilo. ¿Qué tan posible sería conciliar metodológicamente ambas perspectivas? Y una segunda pregunta, ésta vez concerniente a la evaluación de la calidad literaria de los relatos producidos con este método: ¿los criterios estéticos y hermenéuticos comunes en el estudio de la recepción de textos literarios aplican también en textos generados por inteligencia artificial? Y una última: ¿qué tan útiles podrían ser los métodos didácticos utilizados en la enseñanza de la escritura creativa para le generación automática de relatos? |
| |
| ===== Abstract ===== | ===== Abstract ===== |
| |
| ===== Referencias ===== | ===== Referencias ===== |
| <references/> | ~~REFNOTES~~ |
| |