コンピュータ工学および情報技術ジャーナル

アイデア創出プラットフォームのためのマルコフ連鎖テキスト生成

アイザック・テルング・アダム*

人類は、最近のように、特に人工知能 (AI) におけるコンピューティングの幾何学的成長と関心を経験したことはありません
。効率的なプロセス、自動化されたシステム、および改善された意思決定は、このトレンドのマイルストーンの一部です。生成、学習、分類、およびその他のいくつかのタスクからのテキスト関連のソリューションの需要の増加により、AI のさまざまな手法とツールの使用が促進されました。創造的なテキストのアイデアは、革新、問題解決、および改善のために求められてきました。これらのアイデアは、個人、組織、およびアイデア創出プラットフォームにとって困難な作業になる可能性があるため、人生のあらゆる取り組みで必要です。この研究では、テキストのコーパスを使用したマルコフ連鎖アプローチの改良に基づくアイデア創出システムが提示されています。まず、ケーススタディの問題に対する解決策を人々から収集するための Web システムが作成されました。人々は、目的とメカニズムに基づいて、ガイドとなる例とともに提出を行う必要がありました。次に、収集されたテキストは類似性の尺度に基づいてグループにクラスター化され、各グループの抽象的な要約が計算されました。次に、マルコフ連鎖モデルを使用して、提出されたテキスト コーパスから新しいテキストを生成し、最も類似したマルコフ連鎖生成テキストを、類似度測定を使用して各クラスター グループの抽象的要約と比較し、アイデアの結果として返しました。最後に、システムのすべてのコンポーネントを一度に実行するパイプラインが開発されました。結果は、
品質、新規性、多様性の測定基準に基づいて人間による評価に送信され、同じ
テキスト コーパスを使用した生成トランスフォーマー システムからの出力と比較されましたが、この作業のシステムの方がパフォーマンスが優れていました。この作業は、主にアイデア創出プラットフォームが直面する課題に取り組んでいます。