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

本研究基于三种基于字符的 LSTM 模型，针对俄罗斯著名诗人的诗歌文本进行了风格复制任务的评估，结果表明，无论如何，专业的评估者比普通读者更能够准确地评估风格，虽然 LSTM 模型在有限的训练语料库上可以很好地复制俄罗斯诗人的风格。

Jun, 2023

通过大规模比较唐宋诗歌，揭示诗人之间如何使用和分享词汇、搭配和表达方式，研究唐宋诗歌中词汇的使用情况及背后的语言学现象、社会情境变化，为词典学、语义学和社会转型提供参考。

Nov, 2016

我们开发了一种定量方法来评估美国诗歌的风格，并将诗集可视化以相互关联。我们通过定性诗歌评论指导我们开发了分析各种拼字、句法和音素特征的度量标准，这些特征用于从诗歌的多层潜在结构中发现全面的风格信息，并计算诗歌之间的距离。可视化提供了对分析组件的便捷访问。我们在几个诗歌集上展示了我们的方法，显示出它比传统的词出现特征在典型文本分析算法中使用的方法更好地描绘了诗歌风格。我们的方法在学术研究文本、对诗歌的直观个人反应的研究以及根据读者喜爱的诗歌进行推荐方面具有潜在的应用。

Oct, 2023

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

利用预训练语言模型生成高质量文言诗的简单有效方法。该方法采用 GPT 模型，生成各种形式的文言诗，包括绝句、律诗、词牌和对联。同时进行了微调并实现了生成藏头诗的方法。我们已在微信上发布了一个在线演示程序，以展示这种方法在生成文言诗方面的能力。

Jun, 2019

本文提出了一种新的中文诗歌生成机制 ——Salient-Clue 机制，该机制从每一行中自动选择最显著的字符逐渐形成显著线索来指导接下来的诗歌生成过程，以消除中断和提高连贯性，并能够灵活地扩展到不同方面的诗歌控制，例如诗歌风格等，实验结果表明，此机制效果显著，胜过三个强基线。

Sep, 2018

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

本文通过研究一项重要问题，提出了 ProFTAP 评估框架，将其应用于目前的大型语言模型（LLMs）并发现最新的 LLMs 确实具备了与人类几乎无法区分的写作古典汉诗的能力，同时揭示多个开源 LLMs 能够胜过 GPT-4 在这一任务上。

Jan, 2024