Apr, 2016

基于神经注意力模型的汉语韵律诗歌生成

PDF
TL;DR本文利用基于注意力机制的序列到序列模型生成中国宋词。通过双向 LSTM 模型对提示句进行编码，再通过基于注意力的 LSTM 模型预测整个倚仗，可以通过输入线索的细微结构来规范化生成过程。研究了几种技术来改进模型，包括全局上下文整合，混合式风格训练，字符向量初始化和适应性。通过自动和主观评估结果表明，我们的模型确实可以学习到宋词复杂的结构和韵律模式，且生成成功。
chinese poemslanguage modelingmachine translationattention-based sequence-to-sequence modelsong iambics
发现论文，激发创造
  • 利用神经记忆实现灵活创新的中国诗歌生成

    使用增强记忆的神经网络模型在中国古诗文的生成中，通过将神经网络和增强内存结合使用，来平衡规则与美学，实现符合规范和有创意的诗歌生成，并提供了生成不同风格诗歌的灵活性。

    May, 2017

  • 基于分层注意力机制的中文歌词生成模型

    本论文旨在全面研究上下文感知的中文歌词生成。提出了基于分层注意力的 Seq2Seq 模型，该模型编码了单词级和句子级上下文信息，促进了生成的主题相关性和一致性，利用大型中文歌词语料库进行模型训练，结果表明，我们的模型能够通过一致性约束生成完整的中文歌词。

    Jun, 2019

  • 使用 RNN 编码器 - 解码器生成中国古典诗歌

    采用 RNN 编码器 - 解码器模型，基于序列 - 序列学习方法，以话题词为输入生成四行句（即汉语诗歌绝句），系统能学习单句语义及行与行之间的语义相关性，并利用结构、韵律和音调模式生成古诗，且无需任何限制性模板，实验结果表明我们的系统优于其他竞争系统，并发现注意力机制可以捕捉汉语古典诗歌中的词语联系，训练时颠倒目标行可以提高性能。

    Apr, 2016

  • 基于音节结构和上下文的汉语歌词条件生成

    介绍了一种用于生成汉语歌词的模型，该模型基于原始旋律并考虑了汉语音节结构及语义。通过使用多通道序列到序列模型，同时考虑词组结构和语义，其中一个用于编码音节结构，另一个用于语义编码。使用大规模的汉语歌词语料库进行模型训练，并通过自动和人工评估验证了模型的有效性。是目前关于考虑音乐和语言的双重视角的汉语歌词生成较少的报告之一。

    Jun, 2019

  • 使用工作记忆模型生成汉语诗歌

    本文介绍了一种基于工作记忆模型的神经网络方法，用于自动生成中国诗歌，实验结果表明，该方法在诗歌的连贯性和表达自然性方面表现优异.

    Sep, 2018

  • 基于规划神经网络的中文诗歌生成

    本文提出了一种创新的两阶段诗歌生成方法，首先根据用户的写作意图规划诗歌的子主题，然后使用改进的循环神经网络编解码框架连续生成每行诗句，该规划方法可以确保生成的诗句具有连贯性和语义一致性，综合人工评价结果表明该方法优于现有诗歌生成方法，且诗歌质量与人类诗人相当。

    Oct, 2016

  • 从口语汉语生成古典诗歌

    本文提出了一种利用非文言文生成古典诗歌的新任务，并采用了无监督机器翻译的方法，在语义上给予用户更多控制权，通过基于分词的填充和强化学习等方法，取得了很好的实验效果，同时探索了如何提高生成诗歌的输入口诀，得到了高质量的诗歌生成。

    Aug, 2019

  • 机器能否创作中国传统诗歌？费根鲍姆测试

    本文通过基于注意力机制的循环神经网络，利用一组关键字作为主题，生成类似于人类古诗词的诗歌，方法包括字符向量初始化、注重输入和混合式训练等技术。相比于现有的诗歌生成方法，我们的模型生成的诗歌与主题更加一致，语义更加丰富。

    Jun, 2016

  • SongNet: 刚性格式控制文本生成

    SongNet 是一个基于 Transformer 的自回归语言模型，用于生成音乐歌词、十四行诗、宋词等格式严格的文本，相比于其他模型，在格式、韵律和句子完整性等方面都有较大改进。

    Apr, 2020

  • 使用显著线索机制的中文诗歌生成

    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