|
|
|
 |
|
|
|
|
|
|
基於深度學習方法之佛教引用句推薦系統=A Buddhist Quote Recommendation System Based on Deep Learning Approaches |
|
|
|
| 著者 |
釋賢度 (著)=Shih, Hsien-du (au.)
;
王昱鈞 (著)=Wang,Yu-chun (au.)
;
洪振洲 (著)=Hung, Jen-jou (au.)
|
|---|
| 掲載誌 |
數位典藏與數位人文=Journal of Digital Archives and Digital Humanities
|
|---|
| 巻号 | n.11 |
|---|
| 出版年月日 | 2023.04 |
|---|
| ページ | 105 - 133 |
|---|
| 出版者 | 臺灣數位人文學會 |
|---|
| 出版サイト |
https://tadh.org.tw/
|
|---|
| 出版地 | 臺北市, 臺灣 [Taipei shih, Taiwan] |
|---|
| 資料の種類 | 期刊論文=Journal Article |
|---|
| 言語 | 中文=Chinese |
|---|
| キーワード | 佛教引用句=Buddhist quotes; 推薦系統=recommendation system; 深度學習=deep learning; 長短期記憶=LSTM; BERT |
|---|
| 抄録 | 在寫作之中，適度引用名言佳句是常用之撰寫技巧，能增進文章說服力，讓文章更加優美令人信服。而佛教典籍之中有非常多深具哲理與啟發之名句，許多創作之中亦時常引用佛教經典之語句以闡述其文之要旨，然對於現代人來說，要在寫作時引用佛教相關之引用句實非易事。因此能於文章寫作時依據當前內容自動推薦合適的佛教引用句即為一重要的需求與研究課題，本論文即針對佛教引用句推薦問題，提出基於長短期記憶（Long Short-Term Memory, LSTM）與基於轉換器的雙向編碼器表徵技術（Bidirectional Encoder Representations from Transformers, BERT）兩種深度學習方法之佛教引用句推薦系統，可自動從文章內容進行分析推薦合適的佛教引用句。我們建置佛教引用句資料集，藉以訓練深度學習模型，實驗結果顯示系統之推薦準確率可高達0.9148，其能有效進行寫作時之佛教引用句推薦。
In writing, citing famous sayings is a common writing technique, which can enhance the persuasiveness of the article and make the article more convincing. Buddhist quotes are one the vital sources of maxims. These Buddhist quotes are full of wisdom and often enlighten people. However, for modern people, knowing how to cite a suitable inspiring Buddhist quote are not an easy job. Therefore, a recommendation system which is able to automatically recommend suitable Buddhist quotes according to the content while writing becomes an urgent demand. This paper proposes a Buddhist quote recommendation system based on two deep learning approaches, such as LSTM and BERT. We compile a data set for Buddhist quote recommendations and then train a deep learning model. The experimental results show that the accuracy of our system achieves 0.9148, which demonstrates our system effectively recommends suitable Buddhist quotes when writing. |
|---|
| 目次 | 壹、前言 106
貳、文獻回顧 107
參、佛教引用句推薦方法 109
一、資料前處理 109
二、基於機器學習之推薦方法 111
（一）LSTM 111
（二）BERT 112
（三）基線方法：SVM 115
肆、實驗與討論 115
一、訓練資料集建置 115
二、評估方法 117
三、實驗設定 117
四、實驗結果 119
五、錯誤分析 120
伍、結論 126
參考文獻 127
|
|---|
| ISSN | 26165732 (E) |
|---|
| DOI | https://www.airitilibrary.com/Common/Click_DOI?DOI=10.6853/DADH.202304_(11).0004 |
|---|
| ヒット数 | 101 |
|---|
| 作成日 | 2023.10.18 |
|---|
| 更新日期 | 2023.10.23 |
|---|
 |
Chrome, Firefox, Safari(Mac)での検索をお勧めします。ＩＥではこの検索システムを表示できません。
|
|
|
