ACLMar, 2021

有一个非常糟糕的诗人，它是自动化的，但你并不知道

PDF
TL;DRLimGen 是一种新颖的、全自动的利默里克生成系统，它采用自适应多模板限制算法来约束搜索到真实诗歌的范围，采用多模板束搜索算法高效搜索空间，并利用概率故事线算法提供与用户提供的提示词相关的连贯情节，生成的利默里克符合诗歌约束条件，具有主题连贯的情节，甚至有时还很有趣 (如果我们很幸运)。
发现论文，激发创造
  • GPoeT-2：基于 GPT-2 的诗歌生成器

    该研究旨在利用 GPT-2 生成机器生成的五行诗，在评估指标的基础上探讨好诗歌的量化方法，并呈现 94 首排名高的五行打油诗以激发人类的创造力。

    May, 2022

  • 神经诗歌：使用音节生成诗歌的学习

    本文探讨了基于神经语言模型和音节的诗歌生成问题，在 Dante Alighieri 的作品中进行了实验分析，结果表明生成的三行诗在句法、语法和诗歌风格上与 Dante 的真正作品相差不大。

    Aug, 2019

  • PoeLM: 用于无监督诗歌生成的节律和押韵可控语言模型

    本研究提出了一种无监督的方法来生成符合任何指定的韵律和押韵方案的诗歌，利用变形器语言模型通过在常规的非诗歌语料库中拆分短语，并在每个短语前添加描述其长度和结束韵的控制代码进行训练。实验表明，这种方法能够生成有效的诗歌，并且与人类写的诗歌在质量上相当。

    May, 2022

  • 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

  • 自动诗歌生成中的多样性评估

    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

  • 使用话语级别规划和美学特征的零样本十四行诗生成

    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

  • 使用结构对抗学习押韵约束

    使用结构化判别器的生成式对抗网络实现押韵约束的诗歌生成模型。

    Sep, 2019

  • 自动生成作者风格诗歌的多语言方法

    该论文研究多语言环境下的文本风格生成问题，并基于长短时记忆人工神经网络和扩展语音和语义嵌入，实现了文学创作的风格生成，最终通过双语评估，调查调查和交叉熵等指标比较结果，认为该模型在创作文本方面优于随机采样和经典 LSTM 基线模型，并且生成文本的风格和目标作者十分相似。

    Jul, 2018

  • 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

  • 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