基于Char-RNN 的詩歌自動(dòng)生成方法

劉俊利

（西南科技大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，綿陽621000）

0 引言

21 世紀(jì)，隨著中國國力的日漸強(qiáng)大，越來越多的人開始認(rèn)可、學(xué)習(xí)中國傳統(tǒng)文化。而詩歌作為中國傳統(tǒng)文化重要構(gòu)成之一，在中華文化復(fù)興的今天，也正獲得越來越多的關(guān)注。近年來，隨著自然語言處理的持續(xù)火熱，在文本自動(dòng)生成領(lǐng)域，自動(dòng)生成中國古典詩歌的研究逐漸成為技術(shù)熱點(diǎn)。由于詩歌生成需要考慮時(shí)間先后順序的問題，而RNN 之所以稱為循環(huán)神經(jīng)網(wǎng)絡(luò)，是因?yàn)樗哂杏洃浿靶畔⒉⒗糜洃浻绊懏?dāng)前的輸出的特點(diǎn)。所以顯然RNN 很適合用于解決這一類問題。不過基本RNN 只有一個(gè)隱藏狀態(tài)，在模型迭代優(yōu)化的過程中，梯度隨著傳播深度的增加越來越小，最終沒有變化，容易造成梯度彌散，對長距離的記憶效果不好。因此在Char-RNN 網(wǎng)絡(luò)搭建過程中選擇采用RNN的變形結(jié)構(gòu)LSTM 作為基本的模型，最終實(shí)現(xiàn)詩歌的自動(dòng)生。

1 LSTM網(wǎng)絡(luò)

LSTM[3]是一種RNN[4]的變體結(jié)構(gòu)，是RNN 的改進(jìn)版。從外部結(jié)構(gòu)看，兩者的輸入和輸出都是一樣的，從內(nèi)部結(jié)構(gòu)來看RNN 和LSTM 的結(jié)構(gòu)分別如圖1、圖2所示。其中，圖 1 的內(nèi)容與 RNN 的公式：ht=f(U xt+Wht-1+b )相對應(yīng)，激活函數(shù)f 采用tanh 函數(shù)；圖2 結(jié)構(gòu)較為復(fù)雜，LSTM 的隱狀態(tài)相較于RNN 添加了Ct，圖中Ct-1到Ct的水平線是LSTM 的主干道，Ct在主干道的無障礙傳遞解決了在較長序列中梯度失效的問題。此外，圖中ft、it、ot分別為遺忘門、記憶門、輸出門的輸出，兩個(gè)tanh 層則分別對應(yīng)記憶單元的輸入與輸出，向量由第一個(gè)tanh 層生成用于更新記憶單元狀態(tài)，σ 是Sigmoid 激活函數(shù)。

1.1 遺忘門

每一條進(jìn)入LSTM 網(wǎng)絡(luò)的信息Ct-1，都要經(jīng)過一個(gè)遺忘門來過濾掉Ct-1的部分內(nèi)容。如果遺忘門輸出ft接近0 則遺忘該部分內(nèi)容，如果接近1 則保留該部分內(nèi)容，具體公式見（1）。公式中，xt和ht-1是遺忘門的輸入。

1.2 記憶門

不僅僅只是遺忘，LSTM 過濾內(nèi)容的同時(shí)還需要記住新的東西。記憶門的輸出包括it和，it的值決定了當(dāng)前輸入xt有多少將保存到記憶單元狀態(tài)Ct中，具體如式（2）；由tanh 層生成，用來更新記憶單元狀態(tài)，具體如式（3）。最后將遺忘門和記憶門的結(jié)果組合在一起，形成新的單元狀態(tài)Ct，如式（4）。

圖1 RNN結(jié)構(gòu)

圖2 LSTM結(jié)構(gòu)

1.3 輸出門

LSTM 的隱狀態(tài)包括Ct和ht。前面的遺忘門，記憶門完成了Ct的計(jì)算，輸出門需要完成ht的計(jì)算。它首先通過sigmoid 激活函數(shù)σ 得到一個(gè)數(shù)值在0～1 之間的初始輸出ot，如式（5），然后再用tanh 層把Ct值推到-1 和1 之間。最終通過ot*tanh(Ct)得到ht，如式（6），LSTM 最終的輸出由ht進(jìn)一步變換得到。

2 Char-RNN原理

Char-RNN[5]是一種字符級(jí)循環(huán)神經(jīng)網(wǎng)絡(luò)，其本質(zhì)是序列數(shù)據(jù)的推測，即通過已知的字符，預(yù)測下一個(gè)字符出現(xiàn)的概率并選取概率最大者為下一個(gè)字符。它使用的是RNN 最經(jīng)典的N vs N 模型，該模型具有輸入與輸出的序列長度相等的特點(diǎn)，其具體結(jié)構(gòu)如圖3 所示。

圖3 “N vs N”的經(jīng)典RNN結(jié)構(gòu)

在使用Char-RNN 測試生成序列時(shí)，其具體流程為：首先選擇一個(gè)x1作為起始字符，然后通過訓(xùn)練好的模型得到下一個(gè)字符的概率，最后選取概率最大者為下一個(gè)字符并將該字符作為下一步的x2輸入模型。這只是一個(gè)單元，根據(jù)需要生成的文本長度選擇循環(huán)次數(shù)，可以生成任意長度的文字。

3 Python實(shí)現(xiàn)

3.1 網(wǎng)絡(luò)輸入

網(wǎng)絡(luò)的輸入包含兩部分：self.inputs 和self.lstm_inputs。其中，self.inputs 是外部傳入的一個(gè)batch 內(nèi)的輸入數(shù)據(jù)；self.lstm_inputs，是embedding 的具體數(shù)值。此外，seIf.targets 是訓(xùn)練目標(biāo)，是self.inputs 每個(gè)字母對應(yīng)的下一個(gè)字母。self.keep_prob 控制了Dropout 層所需要的概率。

def build_inputs（self）:

with tf.name_scope（'inputs'）:

self.inputs=tf.placeholder（tf.int32,shape=（self.num_seqs,self.num_steps））

self.targets = tf.placeholder（tf.int32, shape=（self.num_seqs,self.num_steps））

self.keep_prob = tf.placeholder（tf.float32, name='keep_prob'）

#對于中文，需要使用embedding 層

#英文字母沒有必要用embedding 層

if self.use_embedding is False:

#對字字符進(jìn)行onehot 編號(hào)

self.lstm_inputs=tf.one_hot（self.inputs,self.num_classes）

else:

with tf.device（"/cpu:0"）:

#嵌入維度層word2vec 和RNN 連接器；同時(shí)訓(xùn)練作為模型的第一層

embedding = tf.get_variable（'embedding', [self.num_classes,self.embedding_size]）

self.lstm_inputs = tf.nn.embedding_lookup（embedding,self.inputs）

3.2 模型構(gòu)建

首先，定義了一個(gè)多層的BasicLSTMCell 并對每個(gè)BasicLSTMCell 加入一層Dropout，減少過擬合。

lstm=tf.nn.rnn_cell.BasicLSTMCell（lstm_size）#state 并不是采用普通rnn 而是lstm。

drop = tf.nn.rnn_cell.DropoutWrapper （lstm, output_keep_prob=keep_prob）#對每個(gè)state 的節(jié)點(diǎn)數(shù)量進(jìn)dropout

其次，定義了cell 后，使用tf.nn.dynamic_rnn 函數(shù)展開時(shí)間維度，其輸出為self.outputs 和self.final_state。

self.lstm_outputs,self.final_state=tf.nn.dynamic_rnn（cell,self.lstm_inputs,initial_state=self.initial_state）

然后，定義一層Softmax 層得到最后的分類概率。這里經(jīng)過一次類似于Wx+b 的變換后得到self.logits，再做Softmax 處理，最終輸出self.proba_prediction。

#構(gòu)建一個(gè)輸出層：softmax

with tf.variable_scope（'softmax'）:

#初始化輸出的權(quán)重，共享

softmax_w = tf.Variable（tf.truncated_normal（[self.lstm_size,self.num_classes],stddev=0.1））

softmax_b=tf.Variable（tf.zeros（self.num_classes））

#定義輸出：softmax 歸一化

self.logits=tf.matmul（x,softmax_w）+softmax_b

self.proba_prediction=tf.nn.softmax（self.logits,name='predictions'）

3.3 訓(xùn)練模型與生成文字

訓(xùn)練模型就是向構(gòu)建好的模型里面不斷的加入數(shù)據(jù)，由于是生成五言詩歌，所以選取了大量的唐代五言詩作為數(shù)據(jù)樣本。然后將結(jié)果不斷保存。

def load（self,checkpoint）

self.session=tf.Session（）

self.saver.restore（self.session,checkpoint）

print（'Restored from:{}'.format（checkpoint））

完成模型訓(xùn)練后，通過讀取保存好的模型即可實(shí)現(xiàn)網(wǎng)絡(luò)生成樣本：

def sample（self,n_samples,prime,vocab_size）:

samples=[c for c in prime]

sess=self.session

new_state=sess.run（self.initial_state）

preds=np.ones（（vocab_size,））#for prime=[]

for c in prime:

x=np.zeros（（1,1））

x[0,0]=c#輸入單個(gè)字符

feed={self.inputs:x,self.keep_prob:1.,self.initial_state:new_state}

preds,new_state=sess.run（[self.proba_prediction,self.final_state],feed_dict=feed）

c=pick_top_n（preds,vocab_size）

samples.append（c）#添加字符到samples

for i in range（n_samples）:#不斷生成字符，直到達(dá)到指定數(shù)目

x=np.zeros（（1,1））

x[0,0]=c

feed={self.inputs:x,

self.keep_prob:1.,

self.initial_state:new_state}

preds,new_state=sess.run（[self.proba_prediction,self.final_state],feed_dict=feed）

c=pick_top_n（preds,vocab_size）

samples.append（c）

return np.array（samples）

4 運(yùn)行結(jié)果

利用深度學(xué)習(xí)框架TensorFlow 搭建多層LSTM 網(wǎng)絡(luò)，進(jìn)而完成Char-RNN 模型的創(chuàng)建，最終實(shí)現(xiàn)詩歌的自動(dòng)生，運(yùn)行效果如圖4 所示。運(yùn)行效果非常直觀，利用Char-RNN 模型確實(shí)可以完成詩歌的自動(dòng)生成且生成的詩歌具有一定程度的創(chuàng)作水平。

圖4 生成詩歌效果圖

5 結(jié)語

本文首先介紹了LSTM 網(wǎng)絡(luò)，之后給出了Char-RNN 模型的基本原理，然后利用TensorFlow[6]搭建多層LSTM 實(shí)現(xiàn)Char-RNN 模型，最后利用大量詩歌作為樣本訓(xùn)練模型，完成了詩歌的自動(dòng)生成且生成的詩歌具有一定的藝術(shù)水平。目前Char-RNN 由于其序列數(shù)據(jù)推測的特點(diǎn)在深度學(xué)習(xí)的“創(chuàng)作”領(lǐng)域應(yīng)用廣泛并也取得了部分成果，不過該模型也存在部分缺陷：需要事先給定一部分?jǐn)?shù)據(jù)，然后Char-RNN 才能順著往下預(yù)測。該缺陷容易導(dǎo)致生成文本隨機(jī)性大、主題模糊等問題。特別地，主題是詩歌的要素之一，所以Char-RNN 模型自動(dòng)生成詩歌有待改進(jìn)。Char-RNN 模型向我們展示了人工智能寫詩的可能性，雖然只是初級(jí)階段，但是未來，人工智能必將在文本創(chuàng)作領(lǐng)域取得令人滿意的成果。