现代诗生成器

现代诗生成器
项目链接
基于LSTM自动生成现代诗
项目背景
情因诗而高贵，诗因情而流传。

看到现在的古诗生成技术已经炉火纯青，做出的故事真假难辨。

但是，身为一名21世纪的青年，我貌似更加
喜欢现代诗一点，因为它让人读不懂……好叭，我自己写的也是。

然鹅，自己写的诗篇实在太烂了，真的不好意思拿出手送给自己的npy，于是，正巧最近学习了LSTM模型，于是通过参考诸多大佬的文本生
成的相关项目，加上参考了诸多大佬的项目，才有了本项目的诞生。

数据集使用
本项目一共使用了两个数据集。

1.，是我通过网络爬虫爬取的现代诗，大致有2000首。

2.，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。

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
# 导入相关依赖
from paddle.io import Dataset
import paddle.fluid as fluid
import numpy as np
import paddle
import paddle.nn
from paddlenlp.embeddings import TokenEmbedding
from paddlenlp.data import JiebaTokenizer,Vocab
import visualdl
# 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(
# 加载词汇表vocab
dic = {'[PAD]':0,'<start>':1,'<end>':2,'[UNK]':3}
cnt=4
with open (config.filepath) as fp:
for line in fp:
for char in line:
if char not in dic:
dic[char] = cnt
cnt+=1
with open (config.filepath2) as fp:
for line in fp:
for char in line:
if char not in dic:
dic[char] = cnt
cnt+=1
vocab = Vocab.from_dict(dic,unk_token='[UNK]')
# 加载模型
class Poetry(yer):
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))
results = [i for i in config.beginning]
start_words_len = len(results)
input = (paddle.to_tensor(vocab("<start>"))).reshape([1,1]) hidden = None
if 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 = yers.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]
break
results = ''.join(results)
print(results)
陪伴是最长情的告白我说着，这么多么多么我的人我说不用我的爱人我不敢给你这样的姿态我会会会在你的胃我不会把你说这一片一些小天的影子，你的影子一样一样秋水一只是，你不可小人。

你说不能在你：你证我一杯的我坐在我的背上望在你头上你的脖子你说起去项目总结
这是一个关于LSTM模型的一个尝试，其核心是使用LSTM对下一个字进行预测而实现文本生成的目的。

从实际表现来看，模型确实学会了一些东西，比如如何使用标点分割句子，如何组织短语，句子的主谓宾该如何分布。

考虑到数据集仍然十分小，只有500KB，对于文本生成的任务来说还是太小了，所以任然会出现让人费解的语句。

对比来看，在古诗数据集上进行训练的模型更胜一筹（数据集有足足45M），所以增添数据是提升模型的一个途径。

现在使用LSTM进行文本生成其实已经是被大佬们玩烂掉的技术，所以要努力学习更加先进的模型啊~
这是我的第一个公开项目，希望大家喜欢~。