使用深度学习确定古典阿拉伯诗歌的尺度:一个性能分析
A M Mutawa1,2, Ayshah Alrumaih1
1Department of Computer Engineering, College of Engineering and Petroleum, Kuwait University, Safat, Kuwait.
Frontiers in artificial intelligence
|March 3, 2025
概括
这项研究开发了一个深度学习模型来对阿拉伯诗歌表进行分类,实现了高精度. 双向长期短期记忆模型有效地分析自然语言处理中的诗意度量.
科学领域:
- 计算语言学 计算语言学
- 人工智能的人工智能
- 数字人文学科 数字人文学科
背景情况:
- 古典阿拉伯诗歌坚持一个复杂的16个不同的尺度模式的系统.
- 分析这些指标带来了重大的语言和计算挑战.
- 自动计数分类可以增强阿拉伯文学遗产的研究和保存.
研究的目的:
- 开发和评估一个基于深度学习的框架,用于准确的阿拉伯诗歌计分类.
- 评估各种深度学习架构在此任务上的表现.
- 促进人工智能在古典文本的自然语言处理中的应用.
主要方法:
- 使用了大量的阿拉伯诗歌数据集,使用字符级编码来表示文本.
- 进行了深度学习模型的训练和评估,包括长期短期记忆 (LSTM),门式循环单位 (GRU) 和双向LSTM (Bi-LSTM).
- 使用了70-15-15列车测试分割,为了语言准确性,在数据中保留了对位符.
主要成果:
- 双向LSTM模型表现出卓越的性能,在全节分类方面达到97.53%的准确性,在半节分类方面达到95.23%的准确性.
- 所有测试的深度学习模型都在计量器确定中表现出有效性.
- 维护双关键符号对于准确的语言特征分析是有益的.
结论:
- 深度学习,特别是Bi-LSTM,提供了一种高度有效的方法,用于自动化的阿拉伯计数器分类.
- 该框架推进了用于古典阿拉伯文学自然语言处理和文本分析的AI应用.
- 该研究为阿拉伯诗歌的学者和研究人员提供了一个强大的计算工具.
