基于CNN和VAE的作诗机器人：随机成诗

前几日写了一篇VAE的通俗解读，也得到了一些读者的认可。然而，你是否厌倦了每次介绍都只有一个MNIST级别的demo？不要急，这就给大家带来一个更经典的VAE玩具：机器人作诗。

为什么说“更经典”呢？前一篇文章我们说过用VAE生成的图像相比GAN生成的图像会偏模糊，也就是在图像这一“仗”上，VAE是劣势。然而，在文本生成这一块上，VAE却漂亮地胜出了。这是因为GAN希望把判别器（度量）也直接训练出来，然而对于文本来说，这个度量很可能是离散的、不可导的，因此纯GAN就很难训练了。而VAE中没有这个步骤，它是通过重构输入来完成的，这个重构过程对于图像还是文本都可以进行。所以，文本生成这件事情，对于VAE来说它就跟图像生成一样，都是一个基本的、直接的应用；对于（目前的）GAN来说，却是艰难的象征，是它挥之不去的“心病”。

嗯，古有曹植七步作诗，今有VAE随机成诗，让我们开始吧～

模型 #

对于很多人来说，诗是一个很美妙的玩意，美妙之处在于大多数人都不真正懂得诗，但大家对诗的模样又有一知半解的认识。因此，只要生成的“诗”稍微像模像样一点，我们通常都会认为机器人可以作诗了。因此，所谓作诗机器人，是一个纯粹的玩具了，能作几句诗，也不意味着普通语言的生成能力有多好，也不意味着我们对NLP的理解有多深。

CNN + VAE #

就本文的玩具而言，其实是一个比较简单的模型，主要是把一维CNN和VAE结合了起来。因为生成的诗长度是固定的，所以不管是encoder还是decoder，我都只是用了纯CNN来做。模型的结构图大概是：

具体来说，是先将每个字embedding为向量，然后用层叠CNN来做编码，接着池化得到一个encoder的结果，根据这个结果生成计算均值和方差，然后生成正态分布并重新采样。在解码截断，由于现在只有一个encoder的输出结果，而最后要输出多个字，所以先接了多个不同的全连接层，得到多样的输出，然后再接着全连接层。

GCNN #

这里的CNN不是普通的CNN+ReLU，而是facebook提出的GCNN，其实就是做两个不同的、外形一样的CNN，一个不加激活函数，一个用sigmoid激活，然后把结果乘起来。这样一来sigmoid那部分就相当于起到了一个“门（gate）”的作用。

我第一次看到GCNN是在论文《Language Modeling with Gated Convolutional Networks》中，然后在《Convolutional Sequence to Sequence Learning》中再次看到了。在笔者的《分享一个slide：花式自然语言处理》也有简单介绍。

经过实测，在很多NLP任务上，GCNN比普通的CNN+ReLU明显要好。

实验 #

实验还是基于Python2.7和Keras（Tensorflow后端）完成～

代码 #

有了前述讨论，并且结合Keras自带的VAE例子，其实把整个模型实现就不困难了。由于只为了演示，这里仅选了最简单的五言诗，而且也不要求生成完整的一首诗，只要生成一句（10个字），这样其实更像对对联了。

代码：https://github.com/bojone/vae/blob/master/vae_shi.py

训练语料用的是全唐诗，也已经放在github上面了。模型并没有经过充分的调参，这留给有兴趣的读者慢慢折腾和增强了。

训练 #

为了观察训练过程中生成的诗句变化，所以写了个evaluator，效果如图：

可以看到，随着训练次数的增加，诗句质量确实在提高。

测试 #

下面是训练好的模型随机生成的一些诗句，严格来看并不怎么样，这毕竟只是随机数到诗句的映射，随机出诗罢了～可以看得出，这些“诗句”在对仗和平仄方面还是像模像样的。

出上无花客，相来一日时。
从瞻大车策，萧盖偃车矛。
今见青衣去，萧凉白叶风。
帝城今不战，征罪在天兵。
鹤仰临山里，逶留出太回。
画关斜过水，残色迥过杨。
上道皆有战，四门不如兵。
涧烟含雨沥，风影动风风。
登回一落景，一处更相期。
芳酒不无醉，长楼酒更春。
天月满云管，楚女长南闻。
明今今有矣，不得道无生。
朝明开绿菊，香影下红枝。
世外相扁处，逍遥无旧目。
唯闻含玉色，讵见月光光。
春风将乐节，风服未谁娱。
万年君何在，今年酒未新。
回辔参相召，乘歌会使程。
今有千人醉，不然一子心。
今风泛云会，清日白衣新。

注：演示模型只是生成单句诗，因此这些诗句的行与行之间并没有关联。

最后 #

本文的实验并不是为了生出多高质量的诗，而是做一个基于VAE的文本生成的演示。网上也有类似的作诗机器人了，不过多数流行的作诗机器人是基于“RNN + 语言模型”的思路的，一般需要一些种子词输入才可以完成作诗。而VAE能真正实现把随机数映射到诗句的过程～

转载到请包括本文地址：https://kexue.fm/archives/5332

更详细的转载事宜请参考：《科学空间FAQ》