本文提出了一个新的层次框架，用于生成十四行诗，不需要训练。该框架包括内容规划模块、韵脚模块和润色模块，并设计了受约束的解码算法以实现生成的十四行诗的韵律和韵脚约束。自动和人工评估表明，该框架比几个强基线更具连贯性、诗意和创造性。

May, 2022

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

本文提出了一种联合架构，用于捕捉十四行诗的语言、韵律和节奏。我们使用众包和专家评估生成的诗歌的质量。研究表明专家评估对诗歌生成的重要性，并且未来的研究应该超越韵律、节奏，注重诗意语言。

Jul, 2018

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

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

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

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

评估自动生成诗歌的多样性，通过比较自动生成诗歌的结构、词汇、语义和风格等维度的分布与人类诗歌的分布，并考察不同模型类型和微调类型，发现当前的自动生成诗歌系统在多个维度上缺乏多样性，但风格条件和字符级建模明显增加了多样性。这些限制可用于更加多样化的未来诗歌生成模型。

Jun, 2024

本文利用扩散模型分别在中文诗歌的 “宋词” 和 “十四行诗” 上进行了难点挑战的同时，结合了特殊的度量控制方法，提出一种新的自然语言生成模型，并得出了在两个数据集上的实验结果，表明我们的模型在语义、度量和整体性能方面优于现有模型。

Jun, 2023

使用不同的深度学习技术和算法生成乌尔都诗歌，通过 Rekhta 网站收集了 1341 个文本文件，采用 LSTM 和 GRU 等深度学习技术，并运用自然语言处理和机器学习分析和生成人们能够理解和使用的乌尔都语诗歌。

Sep, 2023