诗词的世界——人工智能的春天

一、想法来源

还要从花开时节说起，跟同学散步在后花园，看到漫天美景，欲吟诗一首，却不曾满意，遂想到何不将此任务交给人工智能呢。。。于是上一个月的课余时间就这样度过了。。。

二、初步构想

我们的思考是架设一个能够基于情景作诗的人工智能机器人，通过识别手机拍摄的实时照片识别获取情景。同时类比了美图秀秀，她是美化图片的外在，而我们的想法则是挖掘图片的内涵，也即其意境，创作融入情景的诗句。

当然本版本仅实现了基于文字的作诗功能，后续将继续开发基于情景的诗词功能，并合理融入图像识别。

毅然决定此事，一来是确实有此需求，二来则是想以此为契机，将近期所学串起来形成实践，打通云端架构设计与实现，在此基础上熟练掌握各种框架的原理及使用，并能够对深度学习有更加深入的了解和应用。

三、所用技术框架

前端：html5+bootstrap(暂用简单css)+jQuery

网站服务：django+flask(用了个小trick，省得自己写通信了)

深度学习网络架设：tensorflow

虚拟化技术：docker+k8s

数据库：mysql+sqlite(后期会加入redis)

网站服务器：nginx+uwsgi

云平台：阿里ECS(由于其自带的镜像环境收费，因此自建虚拟化环境)

四、实现过程

由于一个人来实现，所以整个过程是边摸索边实现，周期很长，导致央视都做成节目了我还在实现。。。

目前先实现了其中的一部分，也是最为关键的给词作诗部分，共分两种情况，藏头诗和藏词(藏字)诗。其实现过程如下：

1、数据的收集和预处理

大约收集了8万首古诗词，清理掉其中的标点符号后，对其进行了分词并采用word embedding的方式进行了处理，得到了诗集的词向量及其度量相似性。

2、网络的选择与搭建

采用了Bi-LSTM深度网络构建模型。LSTM是长短期记忆网络，能够记忆并预测很长的序列，多被用于时间序列的预测，对于股票的预测也很常见。在自然语言处理中，应用非常广泛，有自动摘要、自动文本的生成等等。作诗的原理其实也非常简单，就是用到了深度网络的预测能力。

3、网络的训练

经过了1000 epochs的训练，能够写出像现在这个样子的诗句了，后续还将继续收集诗词并加大训练。

4、运行环境的搭建

由于深度学习仅通过CPU计算速度太慢，用户体验将大打折扣，所以只能将网络的计算放于本地，作为服务与存放于云端的自建虚拟环境交互。

五、展现方式

此次仅通过简单css仿微信聊天界面，待功能固化后将采用Android架构实现app前端展示。