通过大规模比较唐宋诗歌，揭示诗人之间如何使用和分享词汇、搭配和表达方式，研究唐宋诗歌中词汇的使用情况及背后的语言学现象、社会情境变化，为词典学、语义学和社会转型提供参考。

Nov, 2016

研究论文中通过对 92 篇文献的深入分析，从艺术元素、应用目的以及计算技术等三个角度系统研究了传统中国绘画（TCP）的计算方法，为 TCP 应用和未来发展提供了洞见。

Jul, 2023

通过 Glasgow 规范和人类对 5000 个单词的评分，我们在来自 LitBank 的作家作品中进行了颜色使用的定量分析，发现名词的具体性随时间显著增加，并提出了计算文学色彩分析的未来研究方向。

Jan, 2023

本文针对中国古典诗歌研究领域中诗歌风格的分析进行了探讨，通过构建最完善的中文古诗数据集，训练基于 BART-poem 预训练模型的通用诗歌风格判断方法，引入深度学习到计算风格研究中，提供了一种新的研究方法，试图用这种方法解决唐宋时期的诗歌风格识别问题。实验证明，该模型对于代表诗歌流派的诗人的诗歌进行的判定结果与先贤的结论基本一致，更好地解决了唐宋时期诗歌风格辨识的任务。

Nov, 2022

本文提供了一个包含大约 75000 首诗歌的德国诗歌语料库，用于研究语义变化，重点关注意义的变化点，同时通过自相似性重构文学时期并发现诗歌也存在线性的语义变化定律。

Sep, 2019

通过众包的方式，我们提出了一种方法来创建一个大的单词 - 颜色关联词典，着重于抽象概念和情感，以表明它们也往往具有强烈的颜色关联，同时展示了单词 - 颜色关联是如何在语言中体现的，并量化了自动检测颜色关联的有用性。

Sep, 2013

本文使用多种测量方法对语言间的大量数据进行操作和批判，该方法与在许多语言中的基本颜色术语和其获取顺序相关，同时提出建议将其视为光谱而非二分法。

Oct, 2019

本文介绍了一个名为 Deep Poetry 的中国古典诗歌生成系统，它使用神经网络进行训练，并可以接受多模态输入。该系统可接受普通文本、图像或艺术概念等输入来生成中国古典诗歌，并且允许用户参与诗歌创作过程。该系统部署在微信小程序平台上，用户可在移动设备中随时随地使用。

Nov, 2019

本文提出了一种新的中文诗歌生成机制 ——Salient-Clue 机制，该机制从每一行中自动选择最显著的字符逐渐形成显著线索来指导接下来的诗歌生成过程，以消除中断和提高连贯性，并能够灵活地扩展到不同方面的诗歌控制，例如诗歌风格等，实验结果表明，此机制效果显著，胜过三个强基线。

Sep, 2018

使用递归神经网络和傅里叶变换的颜色表示方法，成功应用于生成颜色描述模型，在自然颜色描述的大型语料库上进行条件语言模型任务，不仅可以准确地生成基本颜色术语，还可以生成训练过程中未见过的具有非凸含义的描述词，裸修饰语以及组合短语。

Jun, 2016