seq2seq 모델을 적용시킨 스토리 문장 생성 연구

• ︎Human-Like Story Generation from Caption Using Seq2Seq Model ( 🤖 machine-like ➡️ 🧑 human-like )
• 2018년도 아주대학교 미디어학과 졸업 프로젝트 최우수상 수상

"the fireworks are shooting off in the sky" -> [Seq2Seq model] -> "the fireworks were beautiful"

---

Requirement

• tensorflow 2.2.0
• keras 2.4.3

---

프로젝트 목적

• Sequence-to-Sequence (Seq2Seq) 모델은 주로 한 도메인인(예: 한국어 문장)에서 다른 도메인(예: 영어로 번역된 동일한 문장)의 sequence로 sequence를 변환하기 위한 모델을 말한다.
• "기계가 생성한 딱딱한 문장을 인간이 쓴 듯한 언어로 변형하면 어떨까?"라는 단순한 생각에서 시작하게 된 프로젝트

1. 데이터셋 : VIST

• 본 프로젝트를 위한 데이터로 마이크로소프트 사에서 제공하는 VIST(Visual Storytelling Dataset)을 사용함
• VIST는 주로 image captioning task에 쓰이는 데이터셋으로, 특정 이벤트로 묶인 순차적인 이미지들을 각각 캡션 문장(descriptions for images in isolation, DII)과 순차적인 스토리 문장(stories for images in sequence, SIS)의 쌍으로 제공
• image captioning task에 쓰이는 기술은 현 시점에서 매우 발전되어 있기에 데이터셋 또한 쉽게 구할 수 있었음
• [Code]

2. seq2seq 모델

Reference

• Kim, Y. (2014). Convolutional neural networks for sentence classification.
• CNN in keras with pretrained word2vec weights | Kaggle
• Using pre-trained word embeddings in a Keras model
• Implementing a CNN for Text Classification in TensorFlow – WildML