古诗句

摘要： No shame in asking questions,even to people of lower status.不耻下问。If a son is uneducated,his dad is to blame.子不教,父之过。Give a man a fish,and you feed him for a day.Teach a man to fish,and you feed him for a lifetime.授人以鱼,不如授人以渔。

摘要： 请在五月古诗句的空格中填入适当的字,使古诗句保持完整。

摘要： 在两个九宫格里各选五个汉字,组成古诗句。在下面古诗句中,有一组与其他组的主题不同,请找出来。(1)无意苦争春,一任群芳妒。(2)粉骨碎身魂不怕,要留清白在人间。(3)不要人夸好颜色,只留清气满乾坤。(4)采得百花成蜜后,为谁辛苦为谁甜?(5)落红不是无情物,化作春泥更护花。

摘要： 汉字经过6000年的变化,共产生了7种字体。如“甲骨文”等。下面,请你将余下的汉字六体填入空格中,使古诗句保持完整。

摘要： 今天,我教奶奶学“丝”这个字。我先告诉奶奶“丝”的意思。丝指蚕丝,也指像丝的物品,还可以表示极小的量,如一丝不差。我再教她字的结构—“丝”是上下结构,上长、下宽;然后教她带有“丝”的古诗句:“碧玉妆成一树高,万条垂下绿丝绦。”最后,我和奶奶一起学习了甲骨文的“丝”。奶奶听得非常认真,直夸我这个“小老师”有两把“刷子”!

摘要： 作家老舍和画家齐白石是好朋友。老舍经常会选一些古诗句,让齐白石根据诗意作画。一次,老舍让齐白石以“蛙声十里出山泉”作一幅画。齐白石看到诗句,有点儿犯难了。怎样才能把诗的意境巧妙地表现出来呢?

摘要： 下面每行均为元旦的别称，请在它们中间的空格中填入适当的字，使之变成一句与括号内作者有关的古诗句。

摘要： 王维《渭城曲》：“渭城朝雨汜轻尘，客含青青柳色新。劝君更尽一杯酒，西出阳关无故人。”王之涣《凉州词二首》：“黄河远上白云间，一片孤城万仞山。羌笛何须怨杨柳，春风不度玉门关。”……这些耳熟能详的古诗句中提到的阳关、玉门关，在古代的丝绸之路上除了发挥大家所知的军事防御作用，其实还曾发挥过与现代海关相似的中外贸易监管作用，一定程度上可以说是现代海关的过去式。

摘要： 旅游地学文化所描述的对象是地球,所采用的文化形式可以是多种多样的.近年来,笔者试图将摄影技术获得所观察到的地质现象的图像作为基础,再用中国古诗句叙述其内涵(表象和成因),两者互相补充,可使读者一目了然,印象深刻.

摘要： 本申请涉及图像诗句描述生成方法、装置和设备，方法包括：获取输入图像并采用CNN网络对输入图像进行多标签图像分类，确定输入图像的各分类标签以及标签对应的类别；根据各标签确定对输入图像的待生成诗歌每一行诗句的关键词；关键词为被选中的标签对应的类别；利用隐藏元在初始状态的charRNN_1神经网络，分别在构建的n个诗歌感情训练集上进行训练，得到第i种感情下最后一个隐藏元的状态值statei；i＝1,2,…,n；将关键词和第i种感情下最后一个隐藏元的状态值statei，提供给已在诗歌语料库上预先训练好的charRNN_2神经网络，生成描述输入图像的第i种感情下的诗歌。通过上述方法，实现了对输入图像在不同语境感情下的诗句描述的生成。

摘要： 本申请提供了一种诗句生成模型的训练方法、自动写诗方法及装置。该方法在训练诗句生成模型时，诗句的每个节拍均作为主题词，并且对于每个主题词，以其所在诗句之前所有诗句的节拍序列作为输入序列，以主题词所在的诗句作为输出序列，从而使诗句生成模型学习的是根据主题词和主题词之前的诗句内容预测主题词对应诗句的能力，使诗句生成模型对诗句的主题相关性、诗句的语义通顺性、诗句之间的语义关联性等方面都得到的训练，从而，本申请提供的技术方案得到的诗句生成模型与现有技术的诗句生成模型相比，其自动创作的诗在诗句的主题相关性、诗句的语义通顺性、诗句之间的语义关联性等方面都会得到提升，创作诗质量更高。

摘要： 本发明涉及文本生成式信息隐藏领域，具体为基于MASS的诗句生成信息隐写方法，解决了诗生成和信息嵌入的融洽结合问题。其方法为：将原诗语料库中的诗句预处理后，训练MASS序列模型，在用户输入主题词后，利用TextRank算法并调用利用诗词语料预训练的word2vec模型，进行主题词提取与扩展；将提取的主题词作为已训练的MASS序列模型的输入，利用MASS序列的Encoder‑Decoder结构生成诗句。本方案选择生成诗作为信息隐藏的载体，利用强大的MASS模型自动生成诗实现信息隐藏，将诗的创作和信息隐藏有机结合，在创作诗词的同时保障了信息的安全性。

摘要： 本申请涉及基于神经网络的图像诗句描述生成方法、装置和设备，方法包括：获取输入图像的图片特征向量以及多个对输入图像的白话描述的词向量；图片特征向量与各词向量的维度相同；将各词向量聚类为k类，分别确定k个聚类中心对应的词向量以及距离k个聚类中心最近的前s‑1个词向量，得到关键词个数为k个的s组关键词；将s组关键词分别输入charRNN神经网络，生成s组关键词对应的s个诗句并将各诗句转换成对应的诗向量；各诗向量与词向量的维度相同；将图片特征向量和任一词向量输入seq2seq模型对各诗向量进行预测，根据预测确定的一个诗向量生成对输入图像描述的诗句。提高了计算机对图像的诗句描述生成效率。

摘要： 本发明涉及大数据的数据处理领域，提供一种古诗关键词提取、诗句生成方法、装置、设备及介质，方法包括：获取诗句提取指令中的诗句信息；将诗句信息输入古诗关键词提取模型中基于BERT和古文字典的诗句标注模型中，通过诗句标注模型对诗句信息进行拆分及标注处理，得到诗句序列信息；通过诗句类型识别模型识别出诗句类型；将诗句序列信息输入古诗关键词提取模型中与诗句类型对应的基于CRF的类型约束模型，通过对各诗字序列信息之间进行打标及约束预测处理，得到关键词结果；根据关键词结果，确定古诗关键词。本发明实现通过基于BERT和古文字典的诗句标注模型以及基于CRF的类型约束模型，自动提取诗句信息中的体现诗意的古诗关键词。

摘要： 本发明涉及文本生成式信息隐藏领域，具体为基于MASS的诗句生成信息隐写方法，解决了诗生成和信息嵌入的融洽结合问题。其方法为：将原诗语料库中的诗句预处理后，训练MASS序列模型，在用户输入主题词后，利用TextRank算法并调用利用诗词语料预训练的word2vec模型，进行主题词提取与扩展；将提取的主题词作为已训练的MASS序列模型的输入，利用MASS序列的Encoder‑Decoder结构生成诗句。本方案选择生成诗作为信息隐藏的载体，利用强大的MASS模型自动生成诗实现信息隐藏，将诗的创作和信息隐藏有机结合，在创作诗词的同时保障了信息的安全性。

摘要： 本公开是关于一种基于情感的诗句生成方法及装置、电子设备以及计算机可读存储介质，涉及人工智能技术领域，可以应用于生成情感可控的目标诗句的场景。该方法包括：获取待标注诗句数据集，并获取预先构建的诗句情感分类模型；将待标注诗句数据集输入至诗句情感分类模型，得到待标注诗句数据集中各诗句的情感标签，并根据各诗句以及各诗句的情感标签生成情感标注诗句集；采用情感标注诗句集对初始诗句生成模型进行训练，以生成情感诗句生成模型；获取目标情感，将目标情感输入至情感诗句生成模型，以生成与目标情感对应的目标诗句。本公开可以根据预先确定的情感信息，基于情感信息生成目标诗句。

摘要： 本申请涉及基于神经网络的图像诗句描述生成方法、装置和设备，方法包括：获取输入图像的图片特征向量以及多个对输入图像的白话描述的词向量；图片特征向量与各词向量的维度相同；将各词向量聚类为k类，分别确定k个聚类中心对应的词向量以及距离k个聚类中心最近的前s‑1个词向量，得到关键词个数为k个的s组关键词；将s组关键词分别输入charRNN神经网络，生成s组关键词对应的s个诗句并将各诗句转换成对应的诗向量；各诗向量与词向量的维度相同；将图片特征向量和任一词向量输入seq2seq模型对各诗向量进行预测，根据预测确定的一个诗向量生成对输入图像描述的诗句。提高了计算机对图像的诗句描述生成效率。

摘要： 本申请公开了诗句的生成方法、装置、电子设备和存储介质，涉及计算机技术领域，具体涉及自然语言处理和深度学习等人工智能技术领域。具体实现方案为：获取输入信息；从输入信息之中提取关键词；判断关键词数量是否满足预设数量阈值；如果未满足预设数量阈值，则根据关键词生成拓展词；以及根据关键词和拓展词生成诗句。本申请实施例的诗句的生成方法，可以有效地提高诗句生成的准确性，使生成的诗句更加契合主题，且可保证古诗意境的连贯性。

摘要： 本申请涉及图像诗句描述生成方法、装置和设备，方法包括：获取输入图像并采用CNN网络对输入图像进行多标签图像分类，确定输入图像的各分类标签以及标签对应的类别；根据各标签确定对输入图像的待生成诗歌每一行诗句的关键词；关键词为被选中的标签对应的类别；利用隐藏元在初始状态的charRNN_1神经网络，分别在构建的n个诗歌感情训练集上进行训练，得到第i种感情下最后一个隐藏元的状态值statei；i＝1,2,…,n；将关键词和第i种感情下最后一个隐藏元的状态值statei，提供给已在诗歌语料库上预先训练好的charRNN_2神经网络，生成描述输入图像的第i种感情下的诗歌。通过上述方法，实现了对输入图像在不同语境感情下的诗句描述的生成。