Maskinlæringsalgoritme udvinder raptekster og skriver derefter sine egne

Den ældgamle færdighed med at skabe og fremføre talt rim trives i dag på grund af den ubønhørlige stigning i populariteten af ​​rap. Denne kunstform adskiller sig fra almindelig talt poesi, fordi den udføres til et beat, ofte med baggrundsmusik.

Og de optrædende har udmærket sig. Adam Bradley, professor i engelsk ved University of Colorado, har beskrevet det i lysende vendinger. Rap, siger han, laver indviklede strukturer af lyd og rim, hvilket skaber noget af det mest omhyggeligt formelle poesi, der er komponeret i dag.

Raps meget strukturerede karakter gør den særlig egnet til computeranalyse. Og det rejser et interessant spørgsmål: Hvis computere kan analysere rap-tekster, kan de så også generere dem?

I dag får vi et bekræftende svar takket være Eric Malmis arbejde ved universitetet i Aalto i Finland og få venner. Disse fyre har trænet en maskinlæringsalgoritme til at genkende de fremtrædende træk ved et par linjers rap og derefter vælge en anden linje, der rimer på samme måde om det samme emne. Resultatet er en algoritme, der producerer rap-tekster, der konkurrerer med menneskeskabte på grund af deres kompleksitet af rim.

Forskellige former for rim dukker op i rap, men den mest almindelige, og den, der hjælper med at skelne den fra andre former for poesi, kaldes assonansrim. Dette er gentagelsen af ​​lignende vokallyde som i ordene crazy og baby, som deler to ens vokallyde. (Det er forskelligt fra konsonans, som bruger lignende konsonantlyde, som f.eks. i pitter-klap og forskellig fra perfekt rim, hvor ord deler den samme endelyd, såsom slang og bande.)

På grund af dens udbredelse i rap, fokuserer Malmi og co udelukkende på den måde, assonance optræder på i raptekster. Men de antager også en meget struktureret versform bestående af 16 linjer, som hver svarer til én musikalsk takt og derfor skal bestå af fire taktslag. Linjerne rimer typisk, men ikke nødvendigvis, til sidst.

For at træne deres maskinlæringsalgoritme begynder de med en database med over 10.000 sange fra mere end 100 rapkunstnere.

At finde assonantrim er ikke svært. Ordene skal først konverteres til fonemer (under forudsætning af en typisk amerikansk-engelsk udtale). At finde rim er så simpelthen et spørgsmål om at scanne fonemer og lede efter lignende vokallyde, mens man ignorerer konsonantlyde og mellemrum.

Det antyder umiddelbart en måde at rangordne teksternes kompleksitet på. Malmi og co leder efter sekvenser af matchende vokallyde i de foregående to linjer eller deromkring. De definerer så rimtæthed som gennemsnittet af alle de længste sekvenser i teksten.

Denne foranstaltning har givet dem mulighed for at rangere alle rap-artister i deres database i henhold til deres rimtæthed. De tre rappere, der står i spidsen for listen, er Inspectah Deck, Rakim og Redrama. Rakim er især kendt for sine flerstavelsesrim.

Mærkeligt nok kommer rapperen Eminem, som også er berømt for sine flerstavelsesrim, overraskende lavt på listen. Det skyldes sandsynligvis, at Eminem ofte opnår sine rim ved at bøje ord, et trick, som denne teknik ikke tillader.

Ikke desto mindre er denne metrik et interessant mål for en rappers rimefærdigheder og en som holdet kan bruge til at sammenligne deres automatiserede raps med menneskeskabte.

De satte derefter deres maskinlæringsalgoritme, kaldet DeepBeat, en opgave. Efter at have udvundet databasen, er dens mål at analysere en sekvens af linjer fra en rap-lyrik og derefter vælge den næste linje fra en liste, der indeholder tilfældigt valgte linjer fra andre sange såvel som den faktiske linje.

Dette kan den gøre overraskende godt. En nøjagtighed på 82 % blev opnået for at adskille den sande næste linje fra en tilfældigt valgt linje, siger Malmi og co.

Det er ikke dårligt og foreslår straks en måde at generere tekster automatisk på. Malmi og co starter med en linje fra én rap-lyrik og beder computeren om at søge i databasen efter en anden linje om det samme emne, der rimer bedst. Det gentager derefter denne proces for den næste linje og så videre.

Resultaterne er noget af en øjenåbner. Her er en DeepBeat genereret om emnet kærlighed

For en chance for romantik ville jeg elske at forbedre
Men alt, hvad jeg elsker, er blevet til en kedelig opgave
En dag bliver vi nødt til at forlade vores kærlighed i fortiden
Jeg elsker mine fans, men der er aldrig nogen, der griber fat
Jeg elsker dig mor jeg elsker min mor - jeg elsker dig mor
Og jeg ville elske at have en ting som dig på mit hold, du tager dig af
Jeg elsker det, når det er solrig Sonny-pige, du kunne være min Cher
Jeg er i en kærlighedsaffære, jeg kan ikke dele det er ikke fair
Haha jeg leger bare damer du ved jeg elsker dig.
Jeg ved, at min kærlighed er sand, og jeg ved, at du også elsker mig
Pige, jeg er nede, uanset hvilken årsag min kærlighed er sand
Denne går til min mand gamle dirty one love we be swigging bryg
Min bror jeg elsker dig Bliv opmuntret mand Og bare ved
Lad mig vide, når du er færdig, fordi min kærlighed får dig til at være som WHOA
Hvis jeg ikke kan gøre det for kærligheden, så gør det, jeg vil ikke
Det eneste jeg ved er, at jeg elsker dig for højt til at gå væk

Det er imponerende. Hver af disse linjer er taget fra en anden rapsang - for eksempel er den sidste linje fra Eminems

Hvad mere er, har denne og andre raps genereret af DeepBeat en rimtæthed, der er betydeligt højere end nogen menneskelig rapper. DeepBeat udkonkurrerer de bedste menneskelige rappere med 21 % med hensyn til længde og frekvens af rimene i de producerede tekster, påpeger de.

Der, hvor DeepBeat falder, er i sammenhængen i dets historiefortælling, hvilket ikke er overraskende, da dets fokus i høj grad er på rim. Det er klart arbejde for fremtiden.

Ref:arxiv.org/abs/1505.04771: DopeLearning: A Computational Approach to Rap-lyrics Generation

skjule