[发明专利]基于LSTM模型的现代文到古诗的转换方法及装置

说明书

技术领域

本发明涉及一种基于LSTM模型的现代文到古诗的转换方法及装置。

背景技术

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，因而生成的诗很多只是词语的堆砌，缺乏情感和逻辑性，应用有限。

发明内容

本发明的目的在于克服现有技术的缺点，提供一种基于LSTM模型的现代文到古诗的转换方法及装置。

与传统主题词指定的做诗方法相比，现代文古诗生成要困难的多。一个显著的困难是，现代文的长度一般远大于古诗长度，如果要将现代文转化为古诗，需要提取出其中最有价值的语义信息，并将这些信息用精练的古代汉语表达出来。比如：“现在正是早春二月，春风吹拂，春草萌生，过不了多久，就会绿透江南岸边”可以对应诗词“春风又绿江南岸”，白话文中的“现在正是”，“过不了多久”，“就会”这些词都对表义没有太多帮助。我们需要提取出如“绿”，“江南”，“岸边”等表意比较明确的字，形成句子的意义。如何提取出句义，对合理的古诗生成具有重要意义。

另一方面，一句现代汉语可能有多种转写形式， 如何自然地生成多种表达方式的古诗，也是需要解决的问题。

本发明的目的通过以下技术方案来实现：基于LSTM模型的现代文到古诗的转换方法，所述的LSTM模型包括用于将用户的输入词序列转化为一个固定维度的稠密向量（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。

编码和解码部分都是通过LSTM实现。首先，系统将用户的现代文输入句子经过一个双向LSTM网络进行编码，其中每个句子表达成一个语义向量，形成一个语义向量组。这些语义向量作为用户意图的编码。在生成过程中，一个LSTM网络不断循环运行，生成文本的中的每一个字，在生成每一个字的时候，需要将该句所对应的语义向量作为参考输入，使得该句生成与用户要求的表义内容相符合。

引入意图向量的目的是在生成过程中，更加关注输入序列中与输出最为相关的部分。比如：在“现在正是早春二月，春风吹拂，春草萌生，过不了多久，就会绿透江南岸边”中，相比与“现在是”、“就会”我们更加关注“二月”、“江南”等词。

注意，在生成过程中，我们加入断句、押韵、平仄等文体规则，保证了生成的“字串”既能最大程度地符合用户意图的同时，遵循强制的诗词规则。

编码部件：

在编码过程中，我们使用了双向LSTM模型，单向LSTM模型某一时刻的输出只与当前时刻及以前时刻的输入信息有关，而双向LSTM某一时刻的输出还与之后的输入信息有关。

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。通过这种方法，我们得到的既包含了该点前面的词的信息，也包含了该点后面的词的信息。

解码部件：

在decoder层中，我们定义条件概率为：

是LSTM是i时刻的隐层状态。