1、摘要
原論文 Stylistic Chinese Poetry Generation via Unsupervised Style Disentanglement
鏈接： http://nlp.csai.tsinghua.edu.cn/~yangcheng/publications/emnlp2018.pdf
中國人在寫詩歌時主要關注詩歌的意境，在不同的意境下，人們可以創作出不同風格的詩歌。這是人類創作詩歌的重要特徵。以往關於中國詩歌自動生成的研究，大多集中在提高詩詞每一行之間的連貫性上。也有一些人工智能的研究工作專注在詩詞的風格轉換上。但由於要對原始語料做非常的多的標註工作，使得這樣的研究並沒有什麼實質性的進展。本文將着重討論以無監督的方式來實現不同風格的詩詞的生成。本文提出了一種新的模型，該模型將信息論的互信息技術引入到建模當中，從而避免了非常繁瑣的人工標註工作。實驗表明，該模型在保證詩歌一致性與連貫性的情況下，產生不同風格的詩詞。
2、介紹
古詩是中國文學中非常重要的一個組成部分。其中最爲流行的就是五言絕句與七言絕句，這種詩體對文字的數量，韻律，以及平仄都有非常嚴格的要求。在詩歌發展的近千年的時間中，出現了各種風格的詩詞如：田園風格，敘事風格，浪漫主義風格等。而且每一種風格都有著名的代表詩人。在詩歌的創作過程中，即便我們約定了詩詞的關鍵詞以及詩詞的第一句，不同的詩人也能寫出不同風格詩詞。如下圖所示，我們決定關鍵詞是 “月”，同樣會有各種各樣風格的詩詞被創作出來。
詩歌的自動生成是人工智能在寫作領域最早的一次嘗試。同樣，中國古詩的自動生成也被越來越多的學者所關注。最早的詩歌生成是基於規則以及模板形式的，而目前的詩歌生成是基於神經網絡與seq2seq模型的。而這種生成模式更多關注詩歌生成的一致性與連續性。與之前的研究不同。本文將着重研究在相同輸入下，如何產生不同風格的詩歌。這樣的生成模型在詩歌生成方面更具有表現力，更接近人類創作的效果。
但是，在成千上萬的詩句中，並沒有明確的關於風格的標註。在沒有人工標註數據訓練的情況下，傳統的監督模型就沒有辦法得到良好的效果。在所有的研究當中，本文是第一次提出以無監督的模型來生成不同風格的詩詞。
在本文中，我們提出了一種新的模型，該模型可以自動識別詩詞的分類。並在給定關鍵詞的情況下，生成不同風格的詩句。我們採用具有注意力機制的sequence-to-sequence模型作爲模型的主體結構，通過模型最大化兩個隨機變量的互信息。以保證確定的輸入風格與輸出風格的一致性。實驗表明，該模型在保證詩歌一致性與連貫性的情況下，產生不同風格的詩詞。
本文的價值可以總結爲以下三點：
- 本論文是最先以無監督的方式來生成不同風格的詩歌
- 在這種無監督的模型中，我們創新性的將戶信息引入到模型當中並作爲一個關鍵變量
- 實驗表明，該模型在保證詩歌一致性與連貫性的情況下，產生不同風格的詩詞