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。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
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。
- 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。
- 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
我寄愁心与明月。都将别，一回一回，莫问无情何。
无事无人知，无生无与非
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
In [1]
# 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
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()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]')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,hidden
poetry = Poetry(len(vocab),config.embedding_dim,config.hidden_dim)
poetry.set_state_dict(paddle.load(config.version))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)
