本项目利用LSTM模型实现现代诗自动生成，解决个人创作难题。数据集含约2000首爬取的现代情诗，另混合部分古诗补充数据量。采用LSTM模型，其通过逻辑门优化长文本语义理解。项目含训练与使用文件，models文件夹存两种风格模型。加载模型时，输入前缀和开头即可生成诗句，虽部分内容语义模糊，但能生成连贯文本，实现核心功能。

基于LSTM自动生成现代诗

数据集使用

本项目一共使用了两个数据集。

1. 现代情诗的数据集，是我通过网络爬虫爬取的现代诗，大致有2000首。
2. 古诗集数据，考虑到数据集1的仅有0.5M，数据量较少，所以混合了部分古诗数据进行训练。

LSTM模型简介

LSTM是一种非常流行的循环神经网络，相比较于simpleRNN对于较长的句子理解能力较差（因为RNN不加选择地更新ceil state，导致对于前文地信息地丢失），而LSTM通过增加四个逻辑门，有选择地更新ceil state，这使得LSTM对于长文本语义理解上下推断有着更加好地效果。 具体地原理有很多大佬讲过，大家可以看看这份写的相当透彻的Understanding LSTM network。

效果演示

我寄愁心与明月 一棵落落山染来 我沿着一匹回银花的曲子高走短过的那样 我已是那么都在秋天 没有停动地流动一根线儿 一个人在他的身口里 你的手里还在我的身送面指成远 我不成日亮 你不会把彼此装上登录后复制

我寄愁心与明月。都将别，一回一回，莫问无情何。登录后复制

无事无人知，无生无与非登录后复制

模型训练和模型评估

详细的训练流程在参见model_LSTM.ipynb，其中很全面地写了注释和核心思想。

文件组织

• main.ipynb可以直接拿过来玩，自动加载训练好的模型
• model_LSTM.ipynb是训练文件，写了详细的注释，调用它则可以训练自己的模型。
• 【静态图测试】文件夹被废弃了。。。原本打算导出静态图模型但遇到了一点点问题，挖个坑回头解决
• 【models】文件夹存放了不同数量样本训练好的两个模型，可以直接调用
• 【vocab】文件夹存放用于制作词汇表的数据

加载模型进行测试

# 导入相关依赖from paddle.io import Datasetimport paddle.fluid as fluidimport numpy as npimport paddleimport paddle.nnfrom paddlenlp.embeddings import TokenEmbeddingfrom paddlenlp.data import JiebaTokenizer,Vocabimport visualdl登录后复制In [3]

# 定义超参数class Config(object): # version = 'models/version1-modern/version1.pdparams' # 现代诗风格 version = 'models/version2-ancient/version2.pdparams' # 古体诗风格 maxl = 120 filepath = ”vocab/poems_without_title.txt“ filepath2 = ”vocab/poems_zh.txt“ embedding_dim = 300 hidden_dim = 512 num_layers = 3 max_gen_len = 150 prefix = ”爱你一生一世“ # 前置风格，可以调整生成文本的风格 beginning = ”陪伴是最长情的告白“ # 需要给出诗篇的开头，模型进行续写config = Config()登录后复制In [4]

# 加载词汇表vocabdic = {'[PAD]':0,'<start>':1,'<end>':2,'[UNK]':3}cnt=4with open (config.filepath) as fp: for line in fp: for char in line: if char not in dic: dic[char] = cnt cnt+=1with open (config.filepath2) as fp: for line in fp: for char in line: if char not in dic: dic[char] = cnt cnt+=1vocab = Vocab.from_dict(dic,unk_token='[UNK]')登录后复制In [5]

# 加载模型class Poetry(paddle.nn.Layer): def __init__(self,vocab_size,embedding_dim,hidden_dim): super().__init__() self.embeddings = paddle.nn.Embedding(vocab_size,embedding_dim) self.lstm = paddle.nn.LSTM( input_size=embedding_dim, hidden_size=hidden_dim, num_layers=config.num_layers, ) self.linear = paddle.nn.Linear(in_features=hidden_dim,out_features=vocab_size) def forward(self,input,hidden=None): batch_size, seq_len = paddle.shape(input) embeds = self.embeddings(input) if hidden is None: output,hidden = self.lstm(embeds) else: output,hidden = self.lstm(embeds,hidden) output = paddle.reshape(output,[seq_len*batch_size,Config.hidden_dim]) output = self.linear(output) return output,hiddenpoetry = Poetry(len(vocab),config.embedding_dim,config.hidden_dim)poetry.set_state_dict(paddle.load(config.version))登录后复制In [6]

results = [i for i in config.beginning]start_words_len = len(results)input = (paddle.to_tensor(vocab(”<start>“))).reshape([1,1])hidden = Noneif config.prefix: words = [i for i in config.prefix] for word in words: _, hidden = poetry(input, hidden) input = (paddle.to_tensor(vocab(word))).reshape([1,1])for i in range(config.max_gen_len): output, hidden = poetry(input, hidden) if i < start_words_len: word = results[i] input = (paddle.to_tensor(vocab(word))).reshape([1,1]) else: _,top_index = paddle.fluid.layers.topk(output[0],k=1) top_index = top_index.item() word = vocab.to_tokens(top_index) results.append(word) input = paddle.to_tensor([top_index]) input = paddle.reshape(input,[1,1]) if word == '<end>': del results[-1] breakresults = ''.join(results)print(results)登录后复制