Python课程设计：SA19225391+王纵横+基于LSTM的古诗文生成系统1

【Python课程设计：基于LSTM的古诗文生成系统】是一项使用深度学习技术，特别是长短期记忆网络（LSTM）来实现古诗文自动化创作的项目。该项目的完成人是王纵横，学号SA19225391。 **设计背景** 自动作诗的技术在近年来得到了显著发展，百度在这一领域做出了很多尝试。2013年，百度的“为你写诗”功能运用统计机器翻译技术（SMT）生成四句古诗，虽然能保证韵脚和对仗，但在主题相关性上有所欠缺。2016年的更新版采用了基于主题规划的序列生成框架，解决了主题相关性问题，使用了动态双层单向LSTM网络。本项目正是借鉴了这种技术路线，利用LSTM来生成具有古诗特色的文字段落。 **设计目标** 用户可以通过系统界面输入诗的首字，并从四个不同的诗体（如五言绝句、五言律诗、七言绝句、七言律诗）中选择一种，点击创作按钮，系统会将生成的诗句展示在背景图片中。 **技术实施** 1. **数据预处理**：需要将收集到的古诗文数据（包括四种诗体的txt文件）进行预处理，将汉字转换为数字，便于模型处理。数据来源于公开的GitHub仓库，每个文件包含了不同数量的诗，各有独特的字符组成。通过读取每首诗的内容，添加特殊标记来区分每首诗，并按诗体的字数限制进行裁剪。 2. **模型训练**：使用Python3.7和TensorFlow1.14.1作为开发环境，通过train.py文件训练LSTM模型。训练过程会根据不同的数据集生成不同类型的模型，并将模型保存以便后续使用。 3. **模型应用**：在部署阶段，用户可以选择诗体并输入首字，或者由系统自动生成首字，LSTM模型会根据已有的训练，预测并生成后续的诗词内容。通过遗忘和保存机制，LSTM能够捕捉和维持诗文中的语境和韵律，生成具有一定意义和风格的古诗。 **关键原理** LSTM网络在处理序列数据时具有优势，尤其在处理长期依赖问题上优于传统RNN。LSTM的遗忘门和输入门允许模型在需要时保留或丢弃信息，从而解决了梯度消失问题。在古诗生成中，模型通过一个字预测下一个字，多次迭代后形成完整的诗句，要求模型能记住诗句内字与字之间的关联，生成的诗应具备对仗和押韵的特点。 本项目通过LSTM网络的训练和应用，实现了用户交互式的古诗生成系统，为人工智能在文化创作领域的应用提供了实例。