The invention discloses a switching LSTM model to modern Chinese poetry method based on LSTM model, which includes the user input for the word sequence into an activated state encoding and decoding part components generate activation state regulation of the target sequence according to the encoding and decoding; component parts are realized by LSTM. Apparatus for implementing said method is also disclosed. The beneficial effect of the invention is: through the computer will automatically translate into modern Chinese poetry, more suitable for the public use habits, can make the general user input through the modern Chinese poetry generation, than the traditional theme generation method is more convenient; the logic of the modern expression of the ancient poetry into logical expression, get rid of words piled up, forming compliance with the semantic ability of poetry, poetry generation process of detailed control, the generation of poetry with logical clues.
【技术实现步骤摘要】
本专利技术涉及一种基于LSTM模型的现代文到古诗的转换方法及装置。
技术介绍
读史书使人明智,读诗书使人灵秀,诗词是中国千百年来的文化积淀和民族瑰宝,是语言的精华,是智慧的结晶,是思想的花朵,是人类最纯粹的精神家园。但随着语言的发展,当代人对诗词的了解越来越少,作诗的能力也远远比不上古人。幸运的是,随着大数据时代的到来,人工智能飞速发展,通过计算机古诗词的自动转换成为可能。例如,可以通给出一个目标主题,机器可以自动生成一首符合该主题的古诗。让机器做诗可以减少人类在写诗中寻词、造句上的困难,使诗人关注诗的主题、意境等更有价值的东西;同时,机器做的诗不受人类传统思维的束缚,创新性极强。这些创新性虽然并不完全合理,但却给诗人丰富的提示,进而激发诗人更多创作灵感,写出更具有奇思妙想的创新型作品。我们相信,古诗的自动生成可以极大激人们对古典文学的兴趣,对我国传统艺术的发展与继承有着重要的作用。然而,当前依主题指定方式为基础的自动做诗方法具有很大的局限性。一方面,这种方式对主题词的选择要求较高,只有主题词选的合理,生成的古诗才更合理。这对很多普通用户形成很大障碍,我们希望用户只用现代汉语描述出要生成古诗要表达的意境和内容,机器将这一描述浓缩成古诗,因而可极大提高古诗生成系统的适用性。另一方面,依当前主题词指定的方式,诗人只能在大泛围内给出做诗的内容,却不能精确控制做诗的流程。事实上,古诗不仅是词语的合规批凑,更重要的是诗人感情通过写景、叙事过程的递进式升华。当前以主题限定方式生成的古诗,不具有思维的连惯性和活跃性,无法形成合理的表义逻辑,无法形成完整递进的主题表达, ...
【技术保护点】
基于LSTM模型的现代文到古诗的转换方法,其特征在于:所述的LSTM模型包括用于将用户的输入词序列转化为一个激活状态的编码部件和根据激活状态调节目标序列的生成的解码部件;编码部件和解码部件都是通过LSTM实现。
【技术特征摘要】
1.基于LSTM模型的现代文到古诗的转换方法,其特征在于:所述的LSTM模型包括用于将用户的输入词序列转化为一个激活状态的编码部件和根据激活状态调节目标序列的生成的解码部件;编码部件和解码部件都是通过LSTM实现。2.根据权利要求1所述的基于LSTM模型的现代文到古诗的转换方法,其特征在于:所述的编码部件使用了双向LSTM模型,前向的LSTM模型按照信息输入的顺序读取输入序列(),并计算出前向隐层状态(),后向的LSTM模型按与信息输入相反的顺序读取序列(),并计算后向隐层状态(),将前向和后向状态连接在一起得到每个词的解释向量。3.根据权利要求1所述的基于LSTM模型的现代文到古诗的转换方法,其特征在于:所述的解码部件中,在decoder层中,定义条件概率为:,是LSTM是i时刻的隐层状态,为每个单词的直接上下文向量,表示生成过程中的外部输入信息,,权重为:,其中:。4.根据权利要求1所述的基于LSTM模型的现代文到古诗的转换方法,其特征在于:生成过...
【专利技术属性】
技术研发人员:王东,白紫薇,冯洋,杜新凯,游世学,
申请(专利权)人:清华大学,北京中科汇联科技股份有限公司,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。