武丽芬，严学勇，赵 吉

（1.晋中学院 数学系，山西 晋中 030619；2.中国联通晋中分公司，山西 晋中 030601；3.晋中学院 信息技术与工程系，山西 晋中 030619）

诗歌是人类文学皇冠上的明珠，让机器自动生成诗歌，在人工智能领域极具挑战性，传统的诗歌生成方法主要有Word Salada（词语沙拉）、基于模板和模式的方法、基于遗传算法的方法、基于摘要生成的方法、基于统计机器翻译的方法。这些传统方法非常依赖诗词领域专业知识，需要专家设计大量的人工规则，对生成诗词的格律和质量进行约束，同时迁移能力很差。随着深度学习技术的发展，诗歌生成的研究进入了一个崭新阶段，本文将唐代诗歌作为研究对象，对比了两种递归神经网络模型在唐诗写作方面的效果。

1 模型概述

1.1 循环神经网络（RNN）概述及其结构

循环神经网络（RNN）具有其特有的记忆功能，是除卷积神经网络之外深度学习中使用频率最高的一种网络结构。在传统神经网络中，各个网络层之间是全连接的，各层的各个神经元是独立无连接的，而RNN 网络则能把序列化的、与时间相关的输入数据间的关系表达出来。类似于在一句唐诗中，某个词的出现必定与前几个甚至前几句诗中的词有关，完美状态下这样的循环神经网络可以记忆任意长度的序列化信息，其结构示意图如图1 所示，Xt为输入数据，A 为记忆单元，X0输入到A 后得到的中间信息，再把中间信息输给X1，以此类推。

图1 RNN 结构展开示意图

1.2 长短期记忆网络（LSTM）概述及其结构

LSTM 本质是一种特殊的RNN，其优势在于不仅可以像RNN 一样记忆先前输入的数据特征，还可以选择性遗忘一些对当前模型预测结果作用不大的特征信息。……