基于LSTM的许嵩风格歌词生成

摘要

文本生成是人工智能和自然语言处理领域中一项热门研究的课题,作为一种在自然语言文本生成方面广泛应用的网络,长短期记忆网络(Long Short-Term Memory,LSTM)可以解决在训练传统循环神经网络(Recurrent Neural Network,RNN)时可能遇到的梯度消失问题.对于间隙长度的相对不敏感性是LSTM相对于RNN,隐马尔可夫模型和其他序列学习方法在许多应用中的优势.本文通过采用带门结构的LSTM生成许嵩风格歌词的模型,使机器具有初步模拟人类创作歌词的能力.实验结果表明,LSTM具有良好的歌词文本自动生成效果.