-
使用kears进行建模
-
通过调整config的form和max_len选择生成五言绝句或七言绝句
-
两种模型可供训练：
- 不带Attention Layer的LSTM模型
- 带Attention Layer的LSTM模型
- attention_layer.py : 内部定义了Attention层的类，可以选择是否进行使用
- config.py : configuration配置文件类
- poetry_model.py : 模型定义类
- preprocess.py : 文本预处理文件
- demo.ipynb : 前端训练、测试反馈样例展示
- dataset : 包含了四万多首古诗的数据集
- out.txt : 输出展示
- 每一行代表不同的temperature，对结果的概率产生影响，可以理解为结果的宽容度/开放度
==============epoch 32=============
客心仍在楚，若轰余页蒙新朵易玉衰音狙友效函侍步鶒
客心仍在楚，尺味堰龉孀，鸥花履飞悸，中略矶苾躁。
客心仍在楚，盈芳冈涓，，烟橙失各。。危声丝重。。
==============epoch 428=============
秦地平如掌，神雪咤圜壶。柱恭鸣艳开为红卧拔背惟合
秦地平如掌，间尔慕开寻。承渐持紫明，能间天就早。
秦地平如掌，动静轩净阵。未尚影幽神，布凝朝转，。
==============epoch 1980=============
西陵侠少年，恋铁急真衫。倚玉将后静，光平半川将。
西陵侠少年，下化条斑央。日管筵卷杯，承道有间太。
西陵侠少年，长氛世披明。音天房宫合，早开发素日。
==============epoch 3808=============
玉管朝朝弄，喧九阴南王。朱诚朝爱见，愁泉喧天强。
玉管朝朝弄，明风诗气夜。人盛长自送，年高送风金。
玉管朝朝弄，仙徒气水欲。绕水龙秦月，独山风春中。
==============epoch 5200=============
江皋三月时，然镜四处破。容当水千波，事霜时门颜。
江皋三月时，持流风风看。知物两道在，十李将羽谁。
江皋三月时，白阳双轻尽。徒翠月黄人，多对北红复。
功能仅仅设置了通过设置前一句，生成整首诗，例如：
输入
sentence = '江南季冬月，'
generate = model.predict_sentence(sentence, temperature = 1)
输出
generate
'江南季冬月，晴北轻庭西。步飞河从君，列照游千空。'
还可以添加藏头诗等功能，例如藏头诗的功能这么做：
比如第一个字是“月”，随机从训练数据中选择一首诗，取出第一句或者某一句的前面几个字，作为输入开头的几个字，类似：
输入
sentence = '翁夜往还。月'
generate = model.predict_sentence(sentence, temperature = 1)
输出
generate
'翁夜往还。月花未灵霜，山三恩尽已。愁泣雪都人，将'
这时只需要取我们需要的月花未灵霜，就行了，同理就生成了藏头诗。
Raffel C , Ellis D P W . Feed-Forward Networks with Attention Can Solve Some Long-Term Memory Problems[J]. 2015.