機器是如何作出詩的？作詩機算法剖析。

前言：

我們先看四首詩，這里面，兩首是唐詩人元稹的作品，兩首是作詩機的作品。你能看得出來嗎？

七絕《清明》

對鏡空嗟白發新，微吟還喚夢中人。

登樓入望青山舊，隔斷紅塵二十春。

五律《清明》

清明來向晚，山淥正光華。

楊柳先飛絮，梧桐續放花。

鴽聲知化鼠，虹影指天涯。

已識風云意，寧愁雨谷賒。

七絕《寒食》

今年寒食好風流，此日一家同出游。

碧水青山無限思，莫將心道是涪州。

五律《寒食》

傷心曾失所，君子欲何歸？

瑤草誠難補，黃花孰可依。

愁侵燈自照，老去葉初飛。

世事同為客，青山對拂衣。

• 筆者在17年前（2000年）在自己的個人網站上用“稻香老農”的網名發布了第一代算法的作詩機產品，是國內第一款機器合成詩詞的軟件，至今已經被使用超過2億次。

• 2017年初，采用第二代算法的作詩機發布在公眾號“作詩機”上。上面四首中的其中兩首，就是采用第二代算法機器直接輸入題目進行機器合成的。

• 公眾號“作詩機”有兩個功能板塊：

        1、超級詞匯：提供字、詞匯的各種屬性、關聯查詢。

        2、智能創作：自動作詩，填詞。

• 使用第三代算法的軟件正在調試，預計年內發布。

我這里盡可能用最通俗的語言剖析一下作詩機的第二代算法。網上時常見到一些大學、科研機構研究的機器合成算法，遺傳算法、精英策略、輪盤賭算法等等……寫得很深奧，其實說白了，都差不多一個意思。

機器作詩的三個步驟

總的來說，二代算法的作詩機寫一首詩，經歷了三個步驟：

• 第一步、事先讓機器學習約50萬首律詩和絕句，形成幾個能表現“題目”，“句子”和“詞匯”三者關系的數據庫。

• 第二步、根據題目，用和題目相關的詞匯形成每個句子的第一個詞匯，然后再形成每個句子，然后機器先合成出一首原型詩。

• 第三步、即時根據格律要求、詞匯間關系的緊密程度，優化原型詩，直到符合格律或達到設定的優化次數，最后輸出。

壹、步驟一：機器學習了什么？

舉個例子，機器學習李白的《望廬山瀑布》：

日照香爐生紫煙，遙看瀑布掛前川。

飛流直下三千尺，疑是銀河落九天。

1、首先是分詞（把句子分割成詞匯），一個是題目需要分詞，一個內容需要分詞。

（1）題目通過算法可以分為：望/廬山/瀑布。其中廬山和瀑布都是專用名詞。機器會認為這首的主題有可能是“廬山”或者“瀑布”。

但到底是“廬山”還是“瀑布”呢？這又是另外一個預先就要先計算好的課題：

我們可以把這首詩里的詞匯取出來，再去匹配其他詩詞，如果發現在一定的適配度下，以哪個詞為題的詩詞更多，我們就會認為這首詩的主題哪個詞。（當然，通過計算，我們的結果是：這首詩的主題是“瀑布”而不是“廬山”）。

（2）然后就是內容分詞，詩內容很容易，就2-2-2-1或2-2-1-2不外乎這兩種。

Tips：詞如何分詞？詞的分詞則麻煩一些，詞有幾十個詞牌有領字（也叫一字逗、一字領），可以先根據詞譜來分詞。然后再用常規的分詞技術，常見有領字的詞牌有《沁園春》等三十幾個詞牌（見文末的附錄）。

例詩內容分詞后的效果：

日照/香爐/生/紫煙，遙看/瀑布/掛/前川。

飛流/直下/三千/尺，疑是/銀河/落/九天。

2、分詞完，我們要形成三種數據：

• 推薦詞數據庫：詞匯之間前后關系的數據庫。

• 共現詞庫：能表現題目和詞匯關系的數據庫。

• 對詞庫：對仗詞數據庫。

（1）推薦詞數據庫：把幾十萬首詩過一遍，去掉重復的，我們會得到大約120萬組“前后推薦詞”，什么叫“推薦詞”？

這一首里：“日照”是“香爐”的前推薦詞。“香爐”則是“日照”的后推薦詞。推薦詞數據庫不只預示詞匯間的前后關系，更重要的是，預示詞匯間“有沒有關系”。如果有很多詩詞句子里都有日照和香爐，不管先后，我們可以理解為日照和香爐“很有關系”，由于古詩詞的特殊性，大多數詞匯前后關系不重要，可以互為推薦詞。

（2）共現詞庫：什么叫共現詞？

在一種主題的中，共同出現的詞匯。

李白這首《望廬山瀑布》，題目我們通過機器分詞，然后用詞性篩選，我們得到主題：“瀑布”。

我們已經事先通過另一個機器學習程序，把數十萬首詩詞做了分類，比如瀑布，我們得到大約有三四百首以瀑布為主題的詩詞。這幾百首詩里經常共同出現的詞匯，我把他它們叫共現詞。

比如經常在瀑布這個主題里出現的詞匯（共現詞）大致是：峰前、銀河、飛泉、清谷、壁山、煙霞……

體會下，這些詞匯是不是和“瀑布”關系密切？

（3）對仗詞庫：我們知道律詩中間兩聯需要對仗，所以，機器在學習形成前兩個庫的同時，從中間兩聯同時獲得了對詞，大約得到100萬組不重復的對詞。

對詞哪個對子重復最多，猜猜？居然是“天上”對“人間”，北京那家夜總會起名字人莫非研究過？

Tips：對仗詞只是詩里有嗎？不是，不少詞里也有。有些詞牌某兩句會推薦使用對仗句（如《浣溪沙》），或者某個一字逗后面推薦使用幾組對仗句（如《滿江紅》）。

詞里的對仗句也出了很多名句，如“無可奈何花落去，似曾相識燕歸來。”，又如“自在飛花輕似夢，無邊絲雨細如愁。”

推薦使用對仗的詞牌有十幾個，見文后附錄。我不知道這里用“詞牌推薦使用”是否合適，也可能是某人用對仗出了名句，大家就跟著學了，而后就成了慣例。

有一點提醒，從詞里獲得的對仗詞，往往無法用在詩里面。因為律詩里獲得的對仗詞，平仄也是相對的，而詞里則未必，因為詞詩根據詞譜填的。

3、這三個數據庫都可以使用超級詞匯工具查詢：

以瀑布為例：

這里，“走得近”的詞就是我上面說的共現詞。

貳、步驟二：根據題目機器合成出一首原型詩。

這個里有三個問題要解決：

• 怎么根據題目獲取和題目相關的詞匯。

• 怎么根據詞匯形成句子。

• 律詩怎么處理。

1、從用戶的題目獲取詞匯：從上面的共現詞庫獲取。

如上面說到的“瀑布”，我們已經從三四百首瀑布里獲得了瀑布的共現詞：

瀑布：飛流、銀河、飛泉、清谷、壁山、煙霞……

仔細看看，是否這些詞匯放在寫“瀑布”的詩里意思還是合適的？

• 這里我們選四個分配給四個句子。每個句子就有了一個共現詞。

2、如何讓詞匯形成句子：從前后推薦詞庫里獲得，我還還是以瀑布為例：

在公眾號超級詞匯里，查找瀑布，我們看到：

荷花的前推薦詞為：千尋、奔騰、倒懸、飛來、窗前……

荷花的后推薦詞為：半空落、出空微、穿危石、掛峰頭、飛晴雨……

這個時候，哪怕閉上眼睛，隨便把“前推薦詞” “瀑布” “后推薦詞”，一組合，都是連貫的句子：

• 千尋瀑布半空落

• 飛來瀑布出空微

• 倒懸瀑布掛峰頭

• 窗前瀑布飛晴雨

3、律詩的合成。絕句中間加上兩聯，就是律詩，分別用對詞庫。

Tips：其實，在我的軟件里，不管你選擇什么體裁，軟件都是寫一首七言律詩，然后裁剪成你要體裁。

• 五律：七律砍掉前兩字，就是五律。

• 七絕：“絕”本來就是“截”的意思，七律砍掉任意連續的兩聯就是七絕。

• 五絕：七絕砍掉前兩字，就是五絕。

4、到了這一步結束，我們已經把詞匯都填進去了：

• 通過用戶的題目，為每一句分配了一個共現詞。（這也確定了整首詩的大致意思）

• 把每一句的共現詞，用“前推薦詞” 共現詞 “后推薦詞”已經寫好了句子。（這里確保了每個句子的連貫性）

只是：平仄還沒有考慮，押韻還沒有考慮。后面第三步會說明如何交叉、優化和收斂到符合格律、符合押韻。

Tips：詩的平仄還好，就平仄。詞就麻煩很多，不少地方不止是要求仄，還要求是仄里的去聲或者入聲。

正如李清照在《詞論》中提出“蓋詩文分平側，而歌詞分五音，又分五聲，又分六律，又分清濁輕重。”

但從技術的角度來說，由于作詩機詩按平水韻，平水韻有106個韻部（特別是有些窄韻、險韻和啞韻，可選詞匯很少）；詞按詞林正韻，有19個韻部。就從這點來說，詩可選的詞匯限制多很多。

叁、最后一個步驟：優化和輸出。

• 這個時候，只要從四個共現詞（絕句為例）中，以格律為約束條件，通過交叉和迭代，收斂到同一個韻部就可以了。

• 交叉、迭代技術性比較強，這里就不詳細解釋了，總之，目的就是優化。

• 二代算法為了保證趣味性，比如每次都要形成不同的詩詞，不能優化到最佳值，否則最佳值只有一個，那就沒有趣味性了。二代算法只優化到符合格律（平仄、押韻）為止，把更多的選擇用候選句的形式提供給使用者。

• 理論上，給機器足夠的時間進行足夠的交叉迭代，機器是可以寫出很中規中矩的詩詞來的。

Tips：詞的自動生成：

詞除了平仄押韻外，還有一些特殊的格式。僅疊句就很多，舉一些名句：

疊一字的如：陸游《釵頭鳳》“一懷愁緒，幾年離索。錯！錯！錯！”

疊兩字的如：李清照《如夢令》“爭渡，爭渡，驚奇一灘鷗鷺。”

疊三字的如：李白《憶秦娥》“秦娥夢斷秦樓月。秦樓月，”

疊四字的如：辛棄疾《丑奴兒》：“愛上層樓。愛上層樓，”

疊五字的如：辛棄疾《東坡引》：“羅衣寬一半，羅衣寬一半”

疊六字的如：賀鑄《琴調相思引》“動管色，催行色；動管色，催行色；”

最為特殊的，當屬《調笑令》（也叫古調笑、宮中調笑、調嘯詞、轉應曲）。

我們看一個唐詩人戴叔倫的《轉應曲》：

邊草，邊草，（仄韻一）

邊草盡來兵老。（仄韻一）

山南山北雪晴。（轉平韻）

千里萬里月明。（平韻）

明月，明月，（前句最后兩個字反轉）（反轉后轉仄韻二）

胡笳一聲愁絕（仄韻二）

說明：“明月”處是將上句的最后兩個字“月明”翻轉二來。最后一句則和翻轉后的“月“押韻。所以，這首詞短短幾句，有三個韻。

肆、效果測試：

只需輸入標題，比如我們輸入“天涯”：

七絕《天涯》作詩機

千里迢迢返故廬，平生寂寞故人疏。

江山不見鶯花老，落日相逢歲又除。

Tips：作詩機的作品，點擊其中一句，候選句會提供無窮無盡的同一個格律的候選句。每次點擊出10句，總可以挑選到合適的。

伍、三代算法和二代算法：

可以簡單這么理解：

• 二代算法：使用了唐宋詩人數千人大眾的基因。

• 三代算法：讓李白娶李清照，取兩個“精英”結婚后的基因。

希望屆時能給大家帶來更大的驚喜。

• 附錄一：含有領字格的詞牌：

|沁園春|壽星明|

|水龍吟|龍吟曲|莊椿歲|小樓連苑|

|摸魚兒|摸魚子|買陂塘|邁陂塘|雙蕖怨|

|齊天樂|臺城路|五福降中天|如此江山|

|洞仙歌|

|行香子|

|八聲甘州|

|醉太平|

|憶舊游|

|蘭陵王|

|二郎神|

|法曲獻仙音|

|長亭怨慢|

|絳都春|

|鶯啼序|

|金人捧露盤|銅人捧露盤引|上西平|西平曲|

|暗香|紅情|

|雙雙燕|

|望遠行|

|酷相思|

|黃鶯兒|

|翠樓吟|

|八六子|

|憶少年|十二時|

|眉嫵|百宜嬌|

|六丑|

• 附錄二：詞譜里有推薦使用對仗句子的詞牌有

|浣溪沙|攤破浣溪沙|山花子|

|鷓鴣天|思佳客|

|水調歌頭|

|沁園春|壽星明|

|西江月|步虛詞|江月令|

|踏莎行|轉調踏莎行|

|南歌子|南柯子|風蝶令|

|憶江南|望江南|夢江南|江南好|

|望海潮|

|漁歌子|

|金人捧露盤|銅人捧露盤引|上西平|西平曲|

|八六子|