ai自动绘画生成网站-THUNLP-AIPoet：诗歌自动生成模型和数据资源

“九歌”是清华大学自然语言处理与社会人文计算实验室（THUNLP）在孙茂松教授领导下开发的中文诗歌自动生成系统。 作为目前中国最好的诗歌生成系统之一，《九歌》曾登上2017年央视大型科技挑战节目《俏皮》第一季的舞台，与当代优秀青年诗人同场竞技。舞台诗歌创作。 自2017年上线以来，《九歌》已为用户创作诗歌超过1000万首ai自动绘画生成网站，并荣获全国计算语言学学术会议最佳系统展示奖（2017、2019）和最佳论文奖（2018）。

《九歌》团队开源了AIPoet诗歌自动生成模型和数据资源，包括以下内容：

诗歌数据集：涵盖绝句数据、诗歌情感标注数据、韵律表等资源。

诗歌生成模型：开源模型包括风格诗歌生成和多关键词诗歌生成。

预训练资源：基于大规模古诗词预训练的Masked Language Model。

诗歌&人工智能论文列表：收集整理诗歌与人工智能交叉领域的论文。

资源地址：

《九歌》在线系统网址：

诗歌数据集

图1：开源数据集列表

AIPoet目前开放四个中文诗歌数据集：

诗歌生成模型

AIPoet开源了以下自动诗歌生成模型：

一种基于记忆网络的诗歌生成模型。 该模型支持多关键词输入，将古典诗歌的格律拆解为词级格式嵌入，可以更好地控制生成诗歌的格律和韵律，提高诗歌的语境关联性和演绎性。 相关论文发表于IJCAI 2018。

基于互信息解耦的无监督风格诗歌生成模型该模型不需要任何注释数据，可以自动将生成的诗歌划分为用户指定的任意数量的不同风格。 相关论文发表于EMNLP 2018。

基于对抗性因素混合的风格诗歌的半监督生成模型。 该模型利用少量的标记数据，结合不同的影响因素，创造出多种可控的诗意风格。 相关论文发表于AAAI 2020。

预训练资源 BERT-CCP​​oem

AIPoet 基于使用超过 90 万首古诗词训练的 BERT 模型。 该模型可以提供任意古典诗歌中任意句子的向量表示吉祥物，可广泛应用于古典诗歌智能检索与推荐、风格分析、情感计算等众多下游任务。 。

诗歌&AI论文列表

AIPoet 整理了一份关于人工智能与诗歌交叉点的相关论文清单。 此列表列出了诗歌作为一种文学体裁的相关论文，包括1.中国古典诗歌（绝句、歌词等）的产生，2.中国对联的产生，3.中国现代诗歌的产生，4.外国诗歌的产生诗歌，5.多模态诗歌生成，6.自动诗歌分析，7.自动诗歌翻译，8.演示和调查等部分。 每篇论文都附有下载链接，部分论文还附有作者公开的源代码和数据链接。 该列表不断更新，力求为读者提供该领域更全面、最新的研究方法和趋势。

结语

近年来ip形象，人工智能与文学艺术的不断融合，产生了许多有趣的研究方向ai自动绘画生成网站，如自动绘画生成、诗歌生成、音乐生成、小说生成等，这些研究引起了学术界和普通民众的热议。 ，并具有娱乐、教育、辅助文艺研究等广泛的应用价值。 团队将持续维护并开放AI+Poetry的相关资源，以促进NLP和计算人文方向的研究。

开发团队

导师：

孙茂松，清华大学计算机系教授，

团队成员：易晓媛、杨成、陈慧敏、郭志鹏、梁建南、胡金一、李文浩等。