本文使用特定的语言视角和计算工具对《全唐诗》这一重要史料进行了分析，探究了李白和杜甫诗歌中 “风” 和 “月” 的用法、颜色在诗歌中的重要性、以及唐诗人脉网络的研究。

Nov, 2015

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

提出了一种新方法用于生成中国古代词，该方法结合了短语检索和短语拼接，通过多项损失函数优化实现了对韵律，歌曲结构和流畅性的精确控制。实验结果表明，该方法可以高质量地生成中国古代词，而且在主题和歌曲结构控制方面表现出色。

Mar, 2023

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

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

这篇论文介绍了一个新的、具有专家注释的后古代和中世纪希伯来诗歌数据集，探讨了其中的隐喻现象，并希望能够促进这一领域的进一步研究。

Feb, 2024

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

本文探讨了情感分析如何与有效的可视化技术结合使用，定量和跟踪书籍中的情绪及其在大型文集中的表现。本文还介绍了情感词密度的概念，并以格林兄弟童话作为例子，展示了如何更好地组织搜索文本。最后，通过比较童话和小说中的情感词，本文表明童话中的情感词密度要比小说更广泛。

Sep, 2013