逐句配对增强诗歌创作
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
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
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
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
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
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
该论文提出了一种基于机器学习算法的说唱歌词生成方法，将已有歌词中的词组合成有意义和韵律的新歌词，并在表现上超越了最好的人类说唱歌手 21%。
May, 2015
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