【摘要】：中國(guó)古典詩(shī)歌是傳統(tǒng)文化的瑰寶,但隨著現(xiàn)代社會(huì)的發(fā)展,普通人想要學(xué)習(xí)和創(chuàng)作詩(shī)歌的有很大的難度。因此利用自然語(yǔ)言處理技術(shù)進(jìn)行古典詩(shī)歌自動(dòng)生成研究,在弘揚(yáng)和繼承中國(guó)的傳統(tǒng)文化、探索機(jī)器藝術(shù)創(chuàng)作等方面都很有意義。本文采用深度學(xué)習(xí)和自然語(yǔ)言處理技術(shù),研究中文古典詩(shī)歌的自動(dòng)生成問題。我們的主要工作和創(chuàng)新點(diǎn)是:(1)為了解決詩(shī)歌生成訓(xùn)練語(yǔ)料的自動(dòng)構(gòu)建,以及當(dāng)前很多成功的系統(tǒng)很難基于現(xiàn)代概念生成相應(yīng)詩(shī)歌的問題。我們先是采用了詩(shī)歌數(shù)據(jù)集增強(qiáng)策略,借助現(xiàn)有的文言文機(jī)器翻譯系統(tǒng)構(gòu)建出現(xiàn)代文到古詩(shī)文的“平行語(yǔ)料”。同時(shí),考慮到文本生成的輸入一般是對(duì)輸出內(nèi)容的高度概括。我們提出了基于結(jié)構(gòu)化語(yǔ)義匹配框架的關(guān)鍵詞提取方法。首先我們將譯文中的詞和古詩(shī)句表示成分布式語(yǔ)義向量,再將譯文中的詞和對(duì)應(yīng)詩(shī)句的看作語(yǔ)義向量匹配問題。這里,我們第一次將數(shù)據(jù)集增強(qiáng)策略遷移到了詩(shī)歌生成任務(wù)中來(lái);其次,我們提出的結(jié)構(gòu)化語(yǔ)義匹配模型為關(guān)鍵詞提取提供了 一種新思路。(2)目前很多系統(tǒng)生成的詩(shī)歌通常沒有統(tǒng)一的主題,詩(shī)句的語(yǔ)義連貫性也很差。在文本中,我們通常把能夠概括思想意圖的叫做主題,主題可以由若干關(guān)鍵詞表示�；谶@樣的常識(shí),我們提出了基于主題注意力機(jī)制的詩(shī)歌生成模型。我們改造了傳統(tǒng)的編碼器-解碼器框架,使其可以同時(shí)編碼關(guān)鍵詞序列和歷史生成內(nèi)容。我們首次提出在編碼器端采用基于主題注意力機(jī)制的關(guān)鍵詞加權(quán)平均方法,來(lái)保證生成詩(shī)歌與用戶意圖的主題一致性。并將主題注意力機(jī)制成功的運(yùn)用于關(guān)鍵詞的提取模塊中�？偟膩�(lái)說,我們很好的解決了模型訓(xùn)練語(yǔ)料的缺乏和詩(shī)歌生成系統(tǒng)很難基于現(xiàn)代概念生成相應(yīng)詩(shī)歌的問題。并在一定程度上解決了生成詩(shī)歌的主題漂移和詩(shī)句的語(yǔ)義連貫問題。實(shí)驗(yàn)結(jié)果表明,我們的主題注意力機(jī)制對(duì)生成詩(shī)歌的質(zhì)量有著顯著的提升。同時(shí),在與PPG模型的對(duì)比實(shí)驗(yàn)中,我們的模型也表現(xiàn)出了更好的性能。
【圖文】：

基于主題注意力機(jī)制的中文古典詩(shī)歌自動(dòng)生成研究邐逡逑基于序列生成對(duì)抗網(wǎng)絡(luò)的方法逡逑寺１１」提出的基于梯度g?略的序列生成對(duì)抗網(wǎng)絡(luò)（Ｓｅｑｕｅｎｃｅ邋Ｇｅｎｅｒａｔｉｖｅ逡逑ａｒｉａｌ邋Ｎｅｔｓ）將序列生成過程當(dāng)作一個(gè)序列決策的過程。將誤差作為一種X楀義系慕崩砸恢智襖〉姆絞窖盜罰�，用澡帀ě习的探索模曙湧更新生迟p紜ｅ義希保八荊蛄猩啥鑰雇綈礁瞿Ｐ停桓鏨贍Ｐ停牽濉讎斜皰義�。辶x

本文編號(hào)：2709955