このデモでは、LSTMに対し、「訓練済みのヴァージニア・ウルフモデルをベースにシードテキストから始めると、 次にはどんなテキストが来るのがふさわしいかを予測しろ」と求めます。 [長さ]スライダの値を変更すると、生成される予想テキストの文字数が変わります。大きな値ほど計算に時間がかかり、CPUを多く消費します。 [ランダム性(temperature)]スライダの値は、出力のランダム性を制御します。0は比較的ランダムですが、英語には思えない文章になります。 1.0はほぼ正確な英語になりますが、オリジナルの文章に非常に近く、引用文のようになる場合もあります。
このサンプルでもp5.jsを使用しています。
このチュートリアルにしたがうと、自分のモデルを訓練することができます。
たとえば、[シードテキスト]に'Women'を入力し、長さを100、ランダム性を0.5で文章を生成し、結果の英文をGoogle翻訳で日本語に翻訳すると、
「女性の執筆しかし、これは彼の私生活についての私の嫌な心の状態です。私はそれがなるだろうと予測しています」
といった文章が得られます。
シードテキスト:
長さ: 100
ランダム性(temperature): 0.5
モデルを読み込み中...