神经诗歌：基于音节学习生成诗歌
计算与语言
2019-09-25 v2
摘要
受近期基于机器学习的艺术风格建模进展的启发，本文关注诗歌生成问题。这是一项具有挑战性的任务，机器须捕捉强烈表征某位诗人的语言特征，以及受个人经历与文学背景影响的诗人创作语义。由于诗歌由音节构建，音节规约了诗的形式与结构，我们提出了一种基于音节的神经语言模型，并描述了一种围绕诗人风格设计的诗歌生成机制，自动筛选最具代表性的生成结果。目标作者的诗作通常不足以成功训练现代深度神经网络，因此我们提出一种多阶段流程，利用同一作者的非诗作以及其他公开可用的大规模语料来学习目标语言的句法与语法。我们聚焦于意大利诗人但丁·阿利吉耶里，其《神曲》广为人知。我们报告了对生成的三行诗的定量与定性实验分析，其中邀请了具备人文学科深厚背景的专家评委参与。所生成的三行诗常被普通评委误认为真作，与但丁真作的相对差异为 56.25%，且专家评委在生成文本中感知到了但丁的风格与韵律。
引用
@article{arxiv.1908.08861,
title = {Neural Poetry: Learning to Generate Poems using Syllables},
author = {Andrea Zugarini and Stefano Melacci and Marco Maggini},
journal= {arXiv preprint arXiv:1908.08861},
year = {2019}
}