人物由来造化工
工夫元自有英雄
智中富贵皆无用
能得文章第一功
我来一笑浑忘却
是处逢人欲问谁
智慧于今何所用
能将心事付吾儿
原文地址：
你也可以是大文豪，利用人工智能在线写唐诗宋词 | PopMars-专注共享资源www.popmars.com
AI诗人概述
你也可以是大文豪，利用人工智能在线写唐诗宋词 | PopMars-专注共享资源AI诗人概述
AI诗人–Totoro，她才华横溢，学富五车，能唐诗，善宋词，会元曲，可诗经，能模仿指定诗人，现代诗更是信手拈来，平仄押韵不在话下，更能情感识别、语义联想。
除却诗歌，满腹经纶的她一挥墨宝便是一曲媲美林夕的绝世歌词。
数据抓取
（1）网易云音乐—歌词
数据包括：网易云音乐所有华语歌手、乐队组合的共6945位歌手的全部总计大约23.4万首歌的歌词（也即网易云音乐几乎所有中文专辑的含有歌词的歌曲的歌词），并且分为男、女和乐队组合三类。
数据大小：歌词234870首，爬取数据309MB
（2）中国诗歌网–现代诗 http://www.zgshige.com/
数据包括：中国诗歌网几乎全部现代诗，约22.4万首。
数据大小：现代诗224332首，总计3755249行，爬取数据116.5MB
（3）古诗文网–古诗词 https://www.gushiwen.org/
数据包括：古诗词网推荐栏的全部总计10000首诗，以及诗文栏的全部”猜你喜欢”部分包含的所有总计7593首最富盛名的诗篇。
数据大小：推荐栏10000首，诗文栏7593首，合并后一共14551首诗歌，数据处理后4647KB。
规则写诗
poetize.py
只需双击运行即可根据提示生成诗歌
输入：序号用来选择语料库、格式要求等
也可以自定义格式：输入词性对应的简码，自动生成古诗、词、诗经和现代诗，详见代码以及自由创作时根据提示输入h获取的帮助。
输出：符合要求的唐诗、宋词、宋诗、诗经、现代诗
poetize_plus.py
在之前的基础上加入了平仄和押韵，平仄每个字都严格遵守古诗平仄要求，押韵严格遵守十三辙要求，并且符合根据首句是否押韵而平仄不同的古诗音韵和谐的要求。
还自定义韵脚，方式为输入一串字符，程序将自动识别最后一个字的韵脚在十三辙中属于第几辙，生成押这个辙的古诗。
接入了自然语言处理库snowNLP，用于情感倾向分析。
Demo：
机器学习写诗
（1）chinese_poem
根据输入的诗人，读模仿其风格创作诗词
输入：python main.py -m train/test/head -p 李白/杜甫/苏轼/白居易……
输出：模仿该诗人风格的诗词
创作前首先进行train训练，250个epoch左右就基本拟合了。理论上可以模仿任何产量不是太低的诗人，只需简单修改dataset内的“提取诗人.py“文件，即可提取其诗歌，然后按照上述输入格式运行训练即可，不用更改main.py文件。
（2）lyrics_writer
输入语料库类型和开头，自动写歌词/现代诗
输入：python main.py 0/1 -cd 华语男歌手/华语女歌手/modern/华语乐队与组合
输出：给定开头的歌词/现代诗
0表示训练，1表示创作，-cd传入训练的内容，无需更改文件。
（3）poet_master
机器学习创作自由诗、押韵诗、藏头诗、藏字诗
输入：
自由诗： python main.py 1
押韵诗： python main.py 2
藏头诗： python main.py 3 四个汉字
藏字诗： python main.py 4 随意数量汉字，将尽可能全部覆盖
更改自github上star上百的在网页上写诗的”小诗姬”，改成了命令行版本。
数据分析
数据集词云分析
现代诗词云：可见一开头的双字词最为现代诗人所喜爱，生命、落叶等表面现代诗的哲思性，以及思念、温暖、温柔展现了诗歌抒情的一面。
诗经词云：君子、四方、我心在意料之内，这个”上帝”出乎意料，查阅资料发现，诗经中绝大部分”上帝”都是指至高神。有几处“上帝“被汉儒解释为“君主“，也是借至高神上帝之地位、权势喻指君主。可以对古代的神学与宗教管窥蠡测一般。
以上分别是歌词、唐诗、宋词的词云。
云音乐数据处理与分析
对网易云爬取的全部诗歌进行了清洗、繁简替换、去重并按照歌手类型整合、分词，接下来进行数据分析，由于生成的是html格式图片，并且有动画效果和详尽标签，下面仅展示截图。
我们可以看到不论男女歌手还是乐队，前5高频字大致相同，很有趣的是男女歌手使用”爱”字频率较高，然而乐队组合使用”爱”字频率却大幅下降，难道人多了就不好意思谈情说爱了吗？
再来看词频分析：
男歌手词云：
女歌手词云：
乐队组合词云：
2.2唐宋诗词文本挖掘
由于图表比较多，均为html文件，可以点击文件查看获取详尽数据。这里受制于篇幅，仅分析其中一部分。可以运行文件目录下的.py文件，生成图表，同时打印出对应的数据。
（1）作家产量分析-谁是产量之王
唐诗而言，”七分剑气，三分月光，秀口一吐，半个盛唐”，我们的李杜诗篇万口传，但白居易写诗，产量之高，在唐代诗人中无人能敌。
再看宋诗，陆游一生笔耕不辍，作诗达万余首，自称”六十年间万首诗”，存世的诗仍有九千三百余首，是历史上存诗数量最多的诗人，当之无愧的榜首。但经查阅资料，发现一位英雄被我的数据所”埋没”了：历史上写诗数量最多的诗人—杨万里，屈居第三，杨万里一生极为勤奋，写诗达两万余首，为史上之最！可惜的是，其诗作传世的仅有四千余首，所有我得到的数据中他的诗也就没那么多了，相比之下反而让陆游拔得头筹！
最后看宋词，山东诗人辛弃疾的传世作品共有800多首，堪称词作高产作家，而苏轼也不甘落后，位居第三。
（2）单字词字频分析-古代诗人最爱用的字眼
从词云中看到，不论唐诗、宋词还是宋诗，最常用的单字词都是”人”、”月”、”风”、”云”、”梦”等，“人“字排行第一，这体现了《说文解字》里所讲的“人，天地之性最贵者也“，说明唐诗很好的秉承了“以人为本“的中华文化。而后续的“山“”风“”月“”日“”天“”云“”春“等都是在写景的诗句里经常出现的意象。
（3）多字词字频分析-诗人最爱用的词
可以看到，关于”风”的词是唐宋诗词人最爱用的，”东风”、”西风”、”春风”、”秋风”、”风月”、”风雨”甚至还有”风流”，看来诗人们对这些自然景物情有独钟，诸如”白云”、”梅花”、”芳草”等等。
（4）宋词最受欢迎的词牌
《浣溪沙》受到宋代婉约、豪放两派的共同青睐，
高居榜首，同时《水调歌头》、《鹧鸪天》、《满江红》等也是我们耳熟能详的。
（5）诗人最爱用的动词
我们很明显看到，诗人更偏爱”不”字系的词语，而此人更爱用”归”字系的词词，这可能受到了宋代婉约词派的影响。
从”相思”、”相逢”、”回首”、”别离”来看，表现了诗词的”人本”情怀，还是以抒发情感为主。
（6）诗人最爱用的形容词
毋庸置疑，诗人最爱用的形容词是”寂寞”，诗人们还真都挺孤独的。
对比唐诗两朝诗词，很明显的发现宋代诗词中”富贵”一词的频率相比之下极高，为什么呢？根据时代背景推测，唐朝太平盛世，而宋朝战乱纷纷，黎民饥寒，饿殍遍野，尤其南宋更是迁都临安，几近灭亡，如此纷乱之世，自然激起了诗人们的同情，宋代诗词人们一方面描绘”凄凉”、”萧条”之现世，一方面也揭露王孙子弟的”富贵”背后的丑恶，也盼望庶民在乱世饥寒中能够”富贵”起来。（一本正经地扯蛋…）
（7）诗中最常见的地名
宋词人还是偏爱”江南”的，不禁让人想起小学的宋词：忆江南：
江南好，风景旧曾谙。日出江花红胜火，春来江水绿如蓝。能不忆江南？
（8）诗中的四季
自古逢秋悲寂寥，我言秋日胜春朝。在古诗词里，伤春、惜春是常见的春诗题材，而萧瑟凄凉的秋日更是引起诗人”诗兴大发”的季节，它们占比如此之高也不足为奇，而对于炎热的夏天和寒冷的冬天，诗人似乎没有那么多情怀了，并且随着时代推移，”冬” 和”夏”的使用频率也越来越少，或许是诗人们更喜欢用”接天莲叶无穷碧，映日荷花别样红”这样的意象来描绘这两个季节吧！
算法比较
规则写诗
规则写诗用到了jieba的关键词提取算法textrank和extract_tags，将每种词性的词分别提取出来，然后采用一种词性模式匹配的算法，比如词性序列”aannv, vdsss”,最大长度地匹配相同字符长度，从”aa“开始，在语料库中随机匹配2个字长度的形容词，然后到继续匹配后面的序列，这样就可生成诗歌。
词性对应如右图。每个词性都是一类词的全体集合。
采用这种”万能的”写诗方法，还可以在内部内置词牌的格式，如下图。用户也可以自由输入模式，自动生成诗歌。
押韵部分采用了严格的”十三辙”分类要求，如下图所示。
押韵也分为首句押和首句不押，对应的平仄不同，严格遵守了音韵学的要求，但是受制于语料库只提取了1000词左右，有些韵脚可能会无法匹配，我设置了超过一定匹配次数，就停止匹配。
对于平仄部分，同样完美符合古诗词平仄的要求。算法也是采用了模式匹配的办法。
以从语料库中匹配到的词为单位，这样算法复杂度更低。利用如下函数判断：
输入为词和对应的平仄要求，依次判断每个字是否满足要求。
另外由于诗个平仄音韵的要求根据首句是否押韵也不同，这个程序也用很有技巧的简单办法实现了，代码有详尽注释，在此不再赘述。
简要流程图如下：
机器学习写诗
由于我使用的模型较多，在此选择几个做简单分析。代码中我加有注释。
chinese_poem
使用了LSTM神经网络，基于tensorflow的机器学习写诗模型。我利用它来做了”诗人模仿”功能。
首先利用一个简单的筛选判断，自动把需要模仿的诗人的数据提取出来：
只需修改poets列表内容，即可提取任何你想要的诗人数据。
使用的数据是我之前处理过的干净数据。
然后是训练模型，用[]标志诗位置，喂给搭建好的模型。
250个epoch即可基本拟合。
如上，按照字频来选择，这样概率大的输出概率也更加大。添加随机性的同时保证了诗歌质量。
自由写诗生成generateNum这么多首诗，每首诗以左中括号开始，以右中括号或空格结束，每次生成的prob用probsToWord方法转成字。
生成完整诗歌后使用output来使输出更美观：
藏头诗也很简单，根据标点符号指点诗歌开头为用户输入的字，在模型输出后面的字即可。
流程图如下：
lyrics_writer
训练数据使用的是爬取并处理后的歌词和现代诗。
使用的了sequence-to-sequence模型以及RNN网络进行歌词语义的学习以及建模，和之前的模型相似。
参数设置：
关于生成诗歌模块：
引入随机长度，增加诗歌和歌词的随机性，然后采用了正态分布的概率来生成每个字。
结果分析
规则写诗结果分析
1．选择五言绝句、从头到尾每个字都符合平仄的唐诗：
2．自定义韵脚、每个字都严格符合平仄要求的宋诗：
3．指定词牌名作的宋词：
4．指定行数的诗经：
指定句数的现代诗：
6．自定义模式的唐诗、宋词、宋诗、诗经和现代诗：
自定义格式藏头、藏尾、藏字诗：
7．自定义格式的宋词：
8．自定义格式的诗经：
9．自定义格式的现代诗：
4.2机器学习写诗结果分析
（1）Chinese_poem –模仿诗人
模仿李白风格：
的确从遣词造句上有一股诗仙的侠气和酒气。
李白的藏头词：
再来学习杜甫：
能够明显读出忧国忧民、感时伤事的情怀。
程序默认诗人为李白，传入 -p 参数即可指定其他诗人。
lyrics_writer –作词家
Ta分类学习了网易云所有男歌手、女歌手和乐队组合的歌曲，也可以进行现代诗创作。
歌词风格华语男歌手：
女歌手：
0表示训练，1表示写歌词。cd参数传入语料库名称。
因为歌词里面关于爱情的字眼非常多，所以这个模型训练出来最喜欢”谈情说爱”，也就显得有那么一点”人工智障”的意味。而我训练次数还不多，生成歌词的长度还比较短。
poet_master
机器学习创作自由诗、押韵诗、藏头诗、藏字诗。
自由创作：
上面这首诗读起来颇有一番韵味，似乎在感叹嫦娥的身世浮沉。
押韵诗：
藏头押韵诗：
上面这首诗也颇有几分年老体病的诗人，在人生弥留之际，回忆往事纷扰，感慨人生飞逝、世殊时异的伤怀意味。
藏字押韵诗：
可以看到，算法最大化的将输入的句子嵌入了诗中。
生成的诗歌不具有深刻语义、且上下文联系不紧密。
总结
综合这上面的demo，比较之下，我们的规则写诗做到了：指定格式、押韵、平仄、藏头、藏尾、藏字、自定义格式等等。
而机器学习写诗做到了指定格式、押韵、藏头、藏字、模仿诗人、以及更高级的语义理解、联想作诗还有更复杂文本的生成等。
网友评论