作詩(shī)機(jī)器人作為一個(gè)玩具也好一個(gè)科學(xué)研究的領(lǐng)域課題也罷，很早就有人開(kāi)始研究了。就但從數(shù)學(xué)模型角度來(lái)說(shuō)，作詩(shī)姬應(yīng)該屬于隱馬爾可夫模型的變種。

　　所謂隱馬爾可夫模型HMM就是從時(shí)間序列的隨機(jī)事件中去統(tǒng)計(jì)前后狀態(tài)的轉(zhuǎn)化概率。這種模型在NLP領(lǐng)域應(yīng)用是非常廣泛的，在作詩(shī)姬這種玩具中也少不了它拋頭露面。

　　遇到這種命題，首先應(yīng)該想到的是使用RNN模型（LSTM）來(lái)進(jìn)行訓(xùn)練。因?yàn)镽NN具有一種天生就最適合擬合隱馬爾可夫模型的構(gòu)造，所以這個(gè)大的思路應(yīng)該是沒(méi)有什么問(wèn)題的?？墒?，中文有中文的特點(diǎn)，而且中文當(dāng)中有一些令我們中國(guó)人最自豪的，最優(yōu)美的韻律感，同時(shí)也是我們自己在嘗試寫(xiě)詩(shī)的過(guò)程中最不好把握的東西——平仄和韻腳。隱馬爾可夫模型可以統(tǒng)計(jì)出來(lái)在一個(gè)字后面出現(xiàn)另一個(gè)字是多大概率，而且可以有一定自由度地選擇其中的一個(gè)字作為下一個(gè)接續(xù)字——可以選擇概率最大的那個(gè)字，這種情況下一旦第一個(gè)字確定后，后面整個(gè)詩(shī)文理論上就是全部確定的；也可以按照概率從大到小排列，用概率的比例去生成一個(gè) “不均勻的骰子”，使得下一個(gè)字的產(chǎn)生有一定變化。

　　用隱馬爾可夫模型生成字的時(shí)候，選擇概率較大的字出現(xiàn)的目的是為了讓語(yǔ)句更為通暢，因?yàn)閮蓚€(gè)字有較大概率緊鄰出現(xiàn)的話大多是因?yàn)樗鼈兪且粋€(gè)詞，或者在單字詞盛行的古詩(shī)文中至少是詞組或者常用短語(yǔ)。例如“紅顏”、“春光”、“山河”、“相送”等。而概率小的鄰接字含義很可能表示的是這兩個(gè)字從來(lái)沒(méi)有前后腳出現(xiàn)過(guò)，或者偶爾出現(xiàn)過(guò)那么一兩次還是一個(gè)屬于前面的詞尾一個(gè)屬于后面的詞頭的情況，那如果采用的話自然是狗屁不通。

　　光是用隱馬爾可夫模型去統(tǒng)計(jì)還是不夠的，要生成一個(gè)有一定“含義”的詩(shī)文是需要有一定的意境和慣用詞匯的。為此，有這樣一本書(shū)作為辭典備用，叫做《詩(shī)學(xué)含英》，不過(guò)別找了京東上沒(méi)有，這么偏門小眾的書(shū)求助萬(wàn)能的淘寶吧。由于在五絕和七絕這樣的詩(shī)律中是講究押韻和平仄工整的，所以第二三四句實(shí)際上是根據(jù)第一句來(lái)生成的，它們的生成要在規(guī)則上與第一句呼應(yīng)。那么就要先重點(diǎn)生成第一句，再一句一句按照規(guī)則去生成其余的句子。

相關(guān)電子資料下載

• 如何使用Rust創(chuàng)建一個(gè)基于ChatGPT的RAG助手 43
• 如何創(chuàng)建FPGA控制的機(jī)器人手臂？ 219
• 如何創(chuàng)建FPGA控制的機(jī)器人手臂 49
• 怎樣延長(zhǎng)半導(dǎo)體元器件的壽命呢？ 180
• 邁爾微視MRDVS發(fā)布多模態(tài)避障相機(jī)S2 90
• iTR機(jī)器人iScrubbot系列清潔機(jī)器人實(shí)現(xiàn)數(shù)字化管理 136
• 哈爾濱工業(yè)大學(xué)研發(fā)液態(tài)金屬磁性微型軟體機(jī)器人 20
• 智能時(shí)代的三大核心技術(shù) 57
• EPR6-S工業(yè)機(jī)器人通過(guò)EtherCAT轉(zhuǎn)profinet網(wǎng)關(guān)接入西門子系統(tǒng) 135
• 智能工廠系統(tǒng)集成解決方案 25