【技术实现步骤摘要】
一种诗歌生成方法、装置、计算机设备及存储介质
本专利技术涉及人工智能领域，尤其涉及一种诗歌生成方法、装置、计算机设备及存储介质。
技术介绍
诗歌作为中华文化精髓的一部分，经过长时间的积累，产生了很多质量较高的古诗和现代诗等诗歌语料。随着深度学习技术的迅猛发展，基于深度学习的模型也被应用在诗歌创作上。诗歌预测模型通过学习现有的古诗或现代诗语料，学习它们的写作特征和方式，然后进行模仿、创作、再生成，从而实现自动生成诗歌的功能。目前，基于深度学习的诗歌生成模型，采用逐句循环生成的方式生成诗歌，具体的，首先通过关键字构造诗歌生成训练集，然后通过关键字和上文信息预测得到当前行诗，以此循环，经过四次得到整首诗歌。在训练过程中通过teachforceing方式，根据真实诗句中t-1时刻词和当前上下文context向量预测当前t时刻的词。但在infer阶段，由于不可能知道真实输出词，在当前t时刻，decoder会根据之前预测的t-1时刻的词预测当前t时刻的词，可以明显看出该方法在训练和预测阶段是不一致的，这样生成的诗歌存在诗歌不押韵...
【技术保护点】
1.一种诗歌生成方法，其特征在于，包括：/n获取待生成诗歌的主题信息；/n将所述主题信息输入诗歌预测模型中，生成初始候选诗歌集；/n将初始候选诗歌集中的候选诗歌输入预设n-gram语言模型，生成目标候选诗歌集；/n按照预设押韵规则对所述目标候选诗歌集中的候选诗歌进行押韵筛选处理，得到多首待筛选诗歌；/n计算每首所述待筛选诗歌的重复率；/n根据所述重复率对多首待筛选诗歌进行诗歌重复率筛选，得到目标诗歌。/n
【技术特征摘要】
1.一种诗歌生成方法，其特征在于，包括：
获取待生成诗歌的主题信息；
将所述主题信息输入诗歌预测模型中，生成初始候选诗歌集；
将初始候选诗歌集中的候选诗歌输入预设n-gram语言模型，生成目标候选诗歌集；
按照预设押韵规则对所述目标候选诗歌集中的候选诗歌进行押韵筛选处理，得到多首待筛选诗歌；
计算每首所述待筛选诗歌的重复率；
根据所述重复率对多首待筛选诗歌进行诗歌重复率筛选，得到目标诗歌。
2.如权利要求1所述的诗歌生成方法，其特征在于，所述按照预设押韵规则对所述目标候选诗歌集中的候选诗歌进行押韵筛选处理，得到多首待筛选诗歌，包括：
按照第一类型押韵规则对所述目标候选诗歌集中的候选诗歌进行押韵筛选处理，得到第一类候选诗歌集，其中，所述第一类型押韵规则为平起且首句不押韵的规则；
按照第二类型押韵规则对所述第一类候选诗歌集中的候选诗歌进行诗歌押韵筛选，得到第二类候选诗歌集，其中，所述第二类型押韵规则为平起且首句押韵的规则；
按照第三类型押韵规则对所述第二类候选诗歌集中的候选诗歌进行诗歌押韵筛选，得到第三类候选诗歌集，其中，所述第三类型押韵规则为仄起且首句不押韵的规则；
按照第四类型押韵规则对第三类候选诗歌集中的候选诗歌进行诗歌押韵筛选，得到第四类候选诗歌集，其中，所述第四类型押韵规则为仄起且首句押韵的规则；
将所述第四类候选诗歌集中的候选诗歌作为所述待筛选诗歌。
3.如权利要求1所述的诗歌生成方法，其特征在于，所述计算每首待筛选诗歌中的重复率，包括：
统计所述待筛选诗歌中的重复词的个数以及总词数；
将所述重复词的个数与所述总词数的比率作为所述重复率。
4.如权利要求1所述的诗歌生成方法，其特征在于，所述根据所述重复率对多首待筛选诗歌进行诗歌重复率筛选，得到目标诗歌，包括：
将预设阈值与每首所述待筛选诗歌的重复率进行对比；
若所述待筛选诗歌中的重复率小于预设阈值，则将小于预设阈值的重复率对应的待筛选诗歌作为目标诗歌。
5.如权利要求1所述的诗歌生成方法，其特征在于，所述将初始候选诗歌集中的候选诗歌输入预设n-gram语言模型，生成目标候选诗歌集，包括：
将所述初始候选诗歌集输入进如下贝叶斯公式中，以对每首所述候选诗歌进行计算，得到每首所述候选诗歌的概率；
所述贝叶斯公式为：
p(w1w2...wn)＝...
【专利技术属性】
技术研发人员：高维国，
申请(专利权)人：中国平安人寿保险股份有限公司，
类型：发明
国别省市：广东;44
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。