AAAIMar, 2018

图像启发诗歌：使用记忆网络从图像生成古典中国诗歌

PDF
TL;DR本文提出了一种基于记忆的神经模型，利用图像生成古典诗歌。使用编码器 - 解码器模型和主题记忆网络，从图像生成中国古典诗歌，通过人工评估和定量分析证明该模型能够精确传达图像信息。
neural modelsnatural language processingchinese poetryimage generationtopic memory network
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

  • 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

  • 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

  • 超越叙述描写：通过多方对抗训练从图像生成诗歌

    本文研究以图像为输入生成多行诗歌的任务，通过提出多个深度神经网络模型，包括一个深度视觉 - 诗歌嵌入模型、一个多模式鉴别器和一个诗歌风格鉴别器，并且通过多重对抗性训练方法，实现跨模态关联和保证诗意的诗歌生成能力。实验结果表明，本论文提出的方法优于现有的诗歌生成算法。

    Apr, 2018

  • 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

  • 深度诗歌：一个中国古典诗歌生成系统

    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

  • 基于预训练模型生成中国古典诗歌

    本研究使用 BART 和其他预训练模型，提出 FS2TEXT 和 RR2TEXT 以生成韵律诗和特定风格的诗歌文本，并解决了用户写作意图逐渐降低所生成的诗歌文本相关性的问题。同时，运用此模型进行的 AI 诗歌图灵测试显示高水平的诗歌爱好者不能区分 AI 生成的诗歌与人类的诗歌，显示出此模型在诗歌生成方面的出色表现。此模型有望帮助那些缺乏语言能力和创作灵感的现代诗人。

    Nov, 2022

  • 使用混合解码器的条件变分自编码器生成主题中国诗歌

    本研究提出了一种新型的条件变量自编码器，该自编码器通过加入反卷积神经网络来完全学习潜在变量中的主题信息，进一步利用增强的 word2vec 模型来提高韵律和对称性，从而显著提高了生成诗歌的相关性，让生成的诗歌具有一致主题和规则性。测试结果表明，生成的诗歌在大多数情况下都得到了很好的评价。

    Nov, 2017