人工智能作诗机器人

　　作诗机器人作为一个玩具也好一个科学研究的领域课题也罢，很早就有人开始研究了。就但从数学模型角度来说，作诗姬应该属于隐马尔可夫模型的变种。

　　所谓隐马尔可夫模型HMM就是从时间序列的随机事件中去统计前后状态的转化概率。这种模型在NLP领域应用是非常广泛的，在作诗姬这种玩具中也少不了它抛头露面。

　　遇到这种命题，首先应该想到的是使用RNN模型（LSTM）来进行训练。因为RNN具有一种天生就最适合拟合隐马尔可夫模型的构造，所以这个大的思路应该是没有什么问题的。可是，中文有中文的特点，而且中文当中有一些令我们中国人最自豪的，最优美的韵律感，同时也是我们自己在尝试写诗的过程中最不好把握的东西——平仄和韵脚。隐马尔可夫模型可以统计出来在一个字后面出现另一个字是多大概率，而且可以有一定自由度地选择其中的一个字作为下一个接续字——可以选择概率最大的那个字，这种情况下一旦第一个字确定后，后面整个诗文理论上就是全部确定的；也可以按照概率从大到小排列，用概率的比例去生成一个 “不均匀的骰子”，使得下一个字的产生有一定变化。

　　用隐马尔可夫模型生成字的时候，选择概率较大的字出现的目的是为了让语句更为通畅，因为两个字有较大概率紧邻出现的话大多是因为它们是一个词，或者在单字词盛行的古诗文中至少是词组或者常用短语。例如“红颜”、“春光”、“山河”、“相送”等。而概率小的邻接字含义很可能表示的是这两个字从来没有前后脚出现过，或者偶尔出现过那么一两次还是一个属于前面的词尾一个属于后面的词头的情况，那如果采用的话自然是狗屁不通。

　　光是用隐马尔可夫模型去统计还是不够的，要生成一个有一定“含义”的诗文是需要有一定的意境和惯用词汇的。为此，有这样一本书作为辞典备用，叫做《诗学含英》，不过别找了京东上没有，这么偏门小众的书求助万能的淘宝吧。由于在五绝和七绝这样的诗律中是讲究押韵和平仄工整的，所以第二三四句实际上是根据第一句来生成的，它们的生成要在规则上与第一句呼应。那么就要先重点生成第一句，再一句一句按照规则去生成其余的句子。