首先，展示一下项目最终结果：

寒梅月夜

腊雪初开绿阴雨, 疏疏深处不相侵。声声不断夜月明，竹影摇摇兮山云。
数点花枝无限意, 寒梅一片雪中吟。阶下梧桐秋色冷，意长风月不可听。

秋思思乡
秋风吹雨雨霏霏，念客相思不见人。夜来风雨风吹月，泊客风霏月满船。
孤水不知无处处，独来春雨不知愁。异人何处相思梦，念君无是故人归。
泊人风雨无人去，怀客相逢一鬓开。悲声不分无人事，独尽谁怜一日时。
漂漫江山无不寐，思君何处更相逢。晚夜不堪春水去，怀人何处醉相思。

整个项目大体分为4部分：

30万首诗歌分类（基于Fasttext文本分类实现）
用户主题词，相似词计算（基于word2vec实现）
诗歌生成（应用tensorflow搭建的LSTM模型实现）
前端展示（flask框架做服务器+MySQL数据库保存+Android前端展示）

创新：

诗歌中2/4/6/8句最后一个字押韵，按《汉字押韵字表》进行的筛选。
诗歌类别针对性强，根据用户给定的主题词，生成以此主题为核心的诗歌。
生成诗歌的每个字都经过《诗学含英》，进行了概率权重计算。

《诗学含英》此书是按韵分部，包罗天文地理，花木鸟兽，人物器物等的虚实应对。从单字到双字,三字对,五字对,七字对到十一字对，节奏明快琅琅上口，从中可得语音，修辞的训练。

整个项目的系统框架如下：

流程：

首先，把近30万首诗歌分为5类，分别训练5类诗歌的数据得到5个LSTM网络模型。
根据用户输入的主题词，由word2vec计算主题词与每类诗歌15个关键词的相似度，判断其最可能所属的类别。
再由所属类别的word2vec模型生成与主题词最相似的6个相似词，并结合主题词一同作为后续每句诗歌开头字的候选集合。
通过LSTM模型生成候选字，再通过《诗学含英》的概率权重计算，选择最终概率最高的作为生成字。
在生成2、4、6、8句诗的最后一个字时，按照《汉字押韵字表》进行筛选过滤，来实现押韵特征。
最后服务器将生成的诗歌返回给前端APP进行展示。

一、诗歌分类：

首先，在古诗文网上爬取五类诗歌（边塞征战，写景咏物，山水田园，思乡羁旅，咏史怀古）各600首作为分类模型的训练数据。训练生成FastText分类模型。然后用此分类模型为近30万首诗歌分类。

二、用户主题词分类：

事先分别为五类诗歌设置15个关键词，然后以维基百科为语料训练得到维基百科的word2vec模型。根据用户输入的主题词，来与各类诗歌的关键词做相似度计算，判断主题词最可能所属的诗歌类别

三、用户主题词的相似词生成：

之后以分好类的五类诗歌为语料，训练得到各自的word2vec模型。判断主题词类别后，以其所属类别的word2vec模型，生成6个与主题词最相似的词，作为后续生成诗歌时，每句开头字的候选集合。

四、建立模型

采用深度学习框架tensorflow为五类诗歌分别建立长短期记忆网络模型（LSTM）。把主题词最相似的6个词作为每句诗的开头字的候选集合，并将LSTM模型生成的每个候选字通过《诗学含英》进行概率权重计算，最终选择概率最大的字作为生成字。在生成2/4/6/8句诗歌时，对最后一个字按照《汉字押韵字表》进行押韵筛选过滤，实现诗歌的押韵机制。

五、前端展示

以APP的形式与用户进行移动端展示。服务器端用的Flask框架，连接的MySQL数据库，用于保存用户注册的基本信息。在APP的主界面下，用户输入主题词，可选择生成此主题下的五言绝句、五言律诗、七言绝句、七言律诗，随后服务器将生成的诗歌返回到APP的主界面进行展示。

整个项目的五个模块，共五小节：

二节：https://blog.csdn.net/turbo_come/article/details/94153192#comments

三节：https://blog.csdn.net/Turbo_Come/article/details/96478565?depth_1-utm_source=distribute.pc_relevant.none-task&utm_source=distribute.pc_relevant.none-task

四节：https://blog.csdn.net/Turbo_Come/article/details/99685056?depth_1-utm_source=distribute.pc_relevant.none-task&utm_source=distribute.pc_relevant.none-task

五节：https://blog.csdn.net/Turbo_Come/article/details/100033041

自动写诗APP项目、基于python+Android实现（技术：LSTM+Fasttext分类+word2vec+Flask+mysql）第一节相关推荐

自动写诗APP项目、基于python+Android实现（技术：LSTM+Fasttext分类+word2vec+Flask+mysql）第三节
二.用户主题词分类,相似词生成 1.word2vec模型原理在主题词分类.候选词生成.选取时,都使用了word2vec模型.word2vec模型主要包含两部分:跳字模型(skip-gram)和连续词 ...
飞桨2.0应用案例教程 — 用BERT实现自动写诗
用BERT实现自动写诗作者:fiyen 日期:2021.06 摘要:本示例教程将会演示如何使用飞桨2.0以及PaddleNLP快速实现用BERT预训练模型生成高质量诗歌. 摘要古诗,中华民族最高贵 ...
Python数据分析初探项目基于Python数据可视化的网易云音乐歌单分析系统大学编程作业（TUST 天津科技大学 2022年）
Python 数据分析初探项目基于 Python 数据可视化的网易云音乐歌单分析系统大学编程作业(TUST 天津科技大学 2022 年) Python 数据分析初探项目基于 Python 数据可 ...
百度API实现自动写诗
作者介绍张琪,男,西安工程大学电子信息学院,2022级研究生研究方向:机器视觉与人工智能电子邮件:3126743452@qq.com 王泽宇,男,西安工程大学电子信息学院,2022级研究生,张宏 ...
Pytorch+LSTM+AI自动写诗实战
文章目录 1.数据集和任务定义 2.读取数据集 3.数据预处理 4.数据制作 5.定义网络结构: 6.测试网络 7.可视化 8.总结 1.数据集和任务定义本次采用的是唐诗数据集,一共有接近60000 ...
Springboot毕设项目基于WEB的延边旅游网 5jjp2java+VUE+Mybatis+Maven+Mysql+sprnig）
Springboot毕设项目基于WEB的延边旅游网 5jjp2java+VUE+Mybatis+Maven+Mysql+sprnig) 项目运行环境配置: Jdk1.8 + Tomcat8.5 + ...
Springboot毕设项目基于springboot的模拟面试平台 7tch0java+VUE+Mybatis+Maven+Mysql+sprnig）
Springboot毕设项目基于springboot的模拟面试平台 7tch0java+VUE+Mybatis+Maven+Mysql+sprnig) 项目运行环境配置: Jdk1.8 + Tomc ...
springboot毕设项目基于Java酒店管理系统53blc（java+VUE+Mybatis+Maven+Mysql）
springboot毕设项目基于Java酒店管理系统53blc(java+VUE+Mybatis+Maven+Mysql) 项目运行环境配置: Jdk1.8 + Tomcat8.5 + Mysql ...
Springboot毕设项目基于springboot的城市智能出行rota7java+VUE+Mybatis+Maven+Mysql+sprnig）
Springboot毕设项目基于springboot的城市智能出行rota7java+VUE+Mybatis+Maven+Mysql+sprnig) 项目运行环境配置: Jdk1.8 + Tomca ...
微博app是用java写的吗_基于安卓Android第三方微博APP的设计(Eclipse)
基于安卓Android第三方微博APP的设计(Eclipse)(论文11000字,程序代码) 摘要:Android系统是基于LINUX的手机操作系统,其最大的优势在于整个系统的开源性和免费性.本系统以 ...

自动写诗APP项目、基于python+Android实现（技术：LSTM+Fasttext分类+word2vec+Flask+mysql）第一节

首先，展示一下项目最终结果：

寒梅月夜

腊雪初开绿阴雨, 疏疏深处不相侵。声声不断夜月明，竹影摇摇兮山云。
数点花枝无限意, 寒梅一片雪中吟。阶下梧桐秋色冷，意长风月不可听。

整个项目大体分为4部分：

创新：

整个项目的系统框架如下：

流程：

首先，把近30万首诗歌分为5类，分别训练5类诗歌的数据得到5个LSTM网络模型。

根据用户输入的主题词，由word2vec计算主题词与每类诗歌15个关键词的相似度，判断其最可能所属的类别。

再由所属类别的word2vec模型生成与主题词最相似的6个相似词，并结合主题词一同作为后续每句诗歌开头字的候选集合。

通过LSTM模型生成候选字，再通过《诗学含英》的概率权重计算，选择最终概率最高的作为生成字。

在生成2、4、6、8句诗的最后一个字时，按照《汉字押韵字表》进行筛选过滤，来实现押韵特征。

最后服务器将生成的诗歌返回给前端APP进行展示。

一、诗歌分类：

二、用户主题词分类：

三、用户主题词的相似词生成：

四、建立模型

五、前端展示

整个项目的五个模块，共五小节：

自动写诗APP项目、基于python+Android实现（技术：LSTM+Fasttext分类+word2vec+Flask+mysql）第一节相关推荐

最新文章

热门文章

自动写诗APP项目、基于python+Android实现（技术：LSTM+Fasttext分类+word2vec+Flask+mysql）第一节

首先，展示一下项目最终结果：

寒梅 月夜

腊雪初开绿阴雨, 疏疏深处不相侵。 声声不断夜月明，竹影摇摇兮山云。 数点花枝无限意, 寒梅一片雪中吟。 阶下梧桐秋色冷，意长风月不可听。

整个项目大体分为4部分：

创新：

整个项目的系统框架如下：

流程：

首先，把近30万首诗歌分为5类，分别训练5类诗歌的数据得到5个LSTM网络模型。

根据用户输入的主题词，由word2vec计算主题词与每类诗歌15个关键词的相似度，判断其最可能所属的类别。

再由所属类别的word2vec模型生成与主题词最相似的6个相似词，并结合主题词一同作为后续每句诗歌开头字的候选集合。

通过LSTM模型生成候选字，再通过《诗学含英》的概率权重计算，选择最终概率最高的作为生成字。

在生成2、4、6、8句诗的最后一个字时，按照《汉字押韵字表》进行筛选过滤，来实现押韵特征。

最后服务器将生成的诗歌返回给前端APP进行展示。

一 、诗歌分类：

二、用户主题词分类：

三、用户主题词的相似词生成：

四、建立模型

五、前端展示

整个项目的五个模块，共五小节：

自动写诗APP项目、基于python+Android实现（技术：LSTM+Fasttext分类+word2vec+Flask+mysql）第一节相关推荐

最新文章

热门文章

寒梅月夜

腊雪初开绿阴雨, 疏疏深处不相侵。声声不断夜月明，竹影摇摇兮山云。
数点花枝无限意, 寒梅一片雪中吟。阶下梧桐秋色冷，意长风月不可听。

一、诗歌分类：