Character Story Generator with SeqGAN

Team Members

• 김경환(Kim Kyunghwan)
• 김동환(Kim Donghwan)
• 김효진(Kim Hyojin)
• 류원탁(Ryu Wontak)
• 박준섭(Park junsep)
• 이채원(Lee Chaewon)
• 임희목(Yim Heemok)

목표

• 만화나 게임 캐릭터의 배경스토리를 학습하여 새로운 배경 스토리를 만드는 AI를 개발한다.
• 본 프로젝트에서는 포켓몬스터 이야기를 데이러로 딥러닝에 학습하여 새로운 캐릭터 이야기를 생성한다.
• 포켓몬스터 속성을 추가로 이용하여 속성에 맞는 구체적인 이야기를 생성한다.

설명

• 캐릭터는 배경스토리를 통해 상품성이 올라간다. 하지만 새로운 이야기를 창작하는 것은 쉽지 않은 일이다.
• 본 프로젝트는 이러한 새로운 캐릭터 창작 활동에 도움을 줄 수 있도록 영감과 소재(문장 형태)를 제공하는 것을 목표로 한다.
• 시퀀스를 생성해내는 SeqGAN은 LSTM을 이용한 Generator와 문장을 구분하는 CNN으로 구성된 Discriminator의 경쟁을 통해 학습한다.
• SeqGAN은 일반적인 GAN과 다르게 강화학습에서 사용하는 Policy Gradient 방법으로 학습한다.
• SeqGAN에 포켓몬스터 이야기를 학습시켜 새로운 포켓몬스터 이야기를 생성한다.
• 다양한 속성에 맞는 이야기를 만들기 위하여 Conditional GAN 방법과 TF-IDF를 적용한 키워드 방법을 제안한다.

진행과정

1. web crawler
   • 포켓몬스터 나무위키의 데이터 중 포켓몬스터 이름, 속성, 이야기를 수집하였다.
2. word embedding
   • 수집한 한글 데이터를 Word2Vec을 통해 벡터화하였다.
3. SeqGAN
   • 시퀀스 데이터를 생성해내는 SeqGAN 구조의 신경망에 데이터를 학습시켰다.
4. Conditional SeqGAN
   • 속설별 이야기 생성을 위하여 SeqGAN에 Conditional GAN 구조를 활용하였다.
5. TF-IDF
   • 전체 데이터에서 속성별 키워드를 추출하여 SeqGAN의 스타팅 토큰으로 입력하여 속성별 이야기를 생성한다.
6. docs
   • 최종 발표자료 모음.

Model Architecture

SeqGAN

SeqGAN with condtion

결과

Prerequisites

• python 3.6
• tensorflow 1.7.0
• bs4 0.0.1
• gensim 3.5.0
• pandas 0.23.3
• konlpy 0.4.4
• scikit-learn 0.19.2
• nltk 3.3

References

• SeqGAN: Sequential Generative Adversarial Nets with Policy Gradient, IAAA, 2017
• SeqGAN (github)