A mesterséges intelligencia alkalmazása görög irodalmi szövegek elemzésére

The application of artificial intelligence for the analysis of Greek literary texts

Abstract

In our paper we have elaborated a classification model in which several hundred different old Greek subtexts were used for supervised learning with the purpose of subtext class recognition. We could determine a triplet of a, b, c values for describing a power function which fits precisely to a curve determined by the word frequencies in the selected texts. Concerning 200 subtexts the triplet of a, b, c values, the classes of the subtexts and their 16 dimensional feature vectors were learnt for the Recurrent Neural Network (RNN). We concluded that the Long-Short Term Memory RNN predicted efficiently which class a chosen subtext could be categorized into.

Kivonat

Dolgozatunkban egy olyan osztályozási modellt fejlesztettünk ki, amiben több száz különböző ókori görög szövegentitást használtunk ellenőrzött tanulásra abból a célból, hogy az felismerje a szövegentitások osztályát. Meghatároztuk az (a, b, c) hármas értékeit egy olyan hatványfüggvény leírására, amely pontosan illeszkedik a kiválasztott szövegekben lévő szavak relatív gyakorisága által megadott görbére. A 200 darab szövegentitással kapcsolatban az (a, b, c) hármas értékeinek becsléséhez a szövegentitások osztály azonosítóját és a 16 dimenziós tulajdonság („feature”) vektorokat használtuk fel a Visszacsatolásos Neurális Hálózat (RNN – Recurrent Neural Network) betanításához. Arra a következtetésre jutottunk, hogy az LSTM (Long-Short Term Memory) RNN hálózat hatékonyan előrejelezte számunkra, hogy a kiválasztott szövegentitás melyik osztályba sorolható.