EMNLPMay, 2022

PoeLM: 用于无监督诗歌生成的节律和押韵可控语言模型

PDF
TL;DR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。
formal verse poetryunsupervised approachmeterrhyme schemetransformer language model
发现论文，激发创造
  • Deep-speare：诗歌语言、韵律和韵脚的联合神经模型

    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

  • 编码 - 解码框架实现可控高质量韵律的交互式自由体诗生成

    生成诗歌或歌词涉及到几个创作因素，而其中一个具有挑战性的方面是对较严格的韵律和押韵模式的遵循。为了解决这一挑战，之前的工作主要集中在逆向语言建模上，我们提出了一种新的微调方法，通过将押韵的词语放在每个歌词的开头，使关键的押韵决策可以在模型承诺歌词内容之前进行，与常规的预训练语言模型的词序兼容。我们进行了广泛的实验，与当前最先进的押韵策略进行了比较，发现我们的方法生成的文本更可读，韵律能力更好。此外，我们提供了一个高质量的英文和其他 12 种语言的数据集，分析了该方法在多语言环境中的可行性，提供了大量实验结果，阐明了歌词生成的良好和不良实践，并提出了比较方法的度量标准。

    May, 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

  • 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

  • 诗歌传播：朝着诗歌生成中的联合语义和韵律操作

    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

  • 结合学习的歌词结构和词汇以提高歌词生成

    本文提出一种机制，将两个分别训练的语言模型结合起来，旨在生成符合期望歌曲结构的输出，同时提供丰富的词汇量，从而提高其创造力。

    Nov, 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

  • 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