诗句

摘要： “风急天高猿啸哀,渚清沙白鸟飞回。无边落木萧萧下,不尽长江滚滚来。”世人皆知这是杜甫《登高》中的诗句,可谁又知道,诗人究竟是登临何处而感,写就的这旷世之作呢?

摘要： 带有数字的诗句比比皆是,其数字大致可分为大数字、微数字、中数字、连续数字、特殊数字这么几类。诗歌中的数字不仅仅是客观的数字,也是诗人情感的具象呈现。鉴赏诗歌,关注诗句中的数字,调动自身经历涵泳深味,有助于读懂诗歌蕴含的深邃情感。

摘要： 去杭州的次数多得数不清,面貌反而模糊起来,怎么也想不出这个城市的特点。可是夏天的荷花开了呀。即使没有到访过杭州的人,也熟知南宋诗人杨万里的诗句“毕竟西湖六月中,风光不与四时同。接天莲叶无穷碧,映日荷花别样红。”一开口,荷花盛开的美景似乎就在眼前。

摘要： 古代诗人往往会通过诗句抒发他们对大自然的喜爱,其中不乏对四季美好景色的赞美。现在已然是十月深秋,你喜欢这个金黄色的丰收的季节吗?关于描写秋天的诗句你知道哪些呢?让我们一起来看看诗人笔下充满魅力的秋天吧。宋代诗人苏轼曾作了首关于秋天景色的古诗《赠刘景文》。请你先读一读。

摘要： 本文思悟英语开学第一课的设计,借助经典英文诗句品析,引领教师开学伊始树立课堂之上师生生命彼此滋养,构建英汉学习共融互通意识,回归启智育人本质,指向课堂“高阶思维”的深度学习,为学生形成正确的学习观、行动观探寻美好路径。

摘要： 初次听到“冰壶”这个名字,我脑海中浮现出的是“一片冰心在玉壶”这句美丽诗句。我很期待能通过这次采访揭开“冰上国际象棋”的神秘面纱。初秋的水立方沉醉在海棠果无边的如火热情里。冰壶的样子也像极了海棠果,只不过更大、更硬、更重。

摘要： 1.了解《艾青诗选》中的经典作品及创作背景。2.感受作品中的意象。3.体会诗歌中的思想感情。4.了解诗歌的表现手法。5.理解诗歌的主旨。6.赏析重点作品及诗句。

摘要： 初次听到“冰壶”这个名字,我脑海中浮现出的是“一片冰心在玉壶”这句美丽诗句。我很期待能通过这次采访揭开“冰上国际象棋”的神秘面纱。初秋的水立方沉醉在海棠果无边的如火热情里。冰壶的样子也像极了海棠果,只不过更大、更硬、更重。

摘要： 陶渊明有诗句说:"鼎鼎百年内,持此欲何成!"《饮酒二十首》,你在这短暂的生命之中,要完成你自己,不是外表的别人的赞美,不是外表的一些成就,是真正的在你品格情操各方面要尽你的力量,完成你自己。无论做什么工作要尽你的力量去做,要完成你这个生命。因为这样的缘故,所以有些有才华有志意的人,他常常是"恐年岁之不吾与"。

摘要： 本期《新发现》栏目让我们跟随晓角的诗句一起“变蓝”,然后在冉茂一的小说《入画》的字里行间一起“入画”。晓角的诗歌最初是以标签式被广泛传播,那些角落里的苦难与无助被她自己用分行的文字擦亮。晓角的内心或许渴望着一种人生的“柳暗花明”,这尘土飞扬的人间需要暖色调,晓角的新作《改变》有了改变,有了温暖的温度。

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。

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。