向量操作。我们将借助它完成从语料处理到古诗生成的全流程。
6.1 环境搭建与库导入
首先安装 Gensim 及依赖库：
bash
pip install gensim numpy pandas
导入必要模块：
python
运行
from gensim.models import Word2Vec # 核心词向量模型
from random import choice # 随机选择字符
from os.path import exists # 检查文件存在
from warnings import filterwarnings # 忽略警告
filterwarnings('ignore') # 关闭无关警告，保持输出整洁
6.2 配置文件：定义训练参数
我们以 “唐诗三百首” 为语料库（实际文件需自行准备，或替换为其他古诗文本），通过配置类CONF设定关键参数：
python
运行
class CONF:
path = '古诗词.txt' # 语料路径
window = 16 # 滑动窗口大小，控制上下文范围（字间最大距离）
min_count = 60 # 过滤低频字，仅保留出现≥60次的字
size = 125 # 词向量维度，平衡语义表达与计算效率
topn = 14 # 生成诗词时的候选字数量，控制创造性
model_path = 'word2vec.model' # 模型保存路径
参数解析：
window=16：允许目标字与上下文相隔最远 16 个字，适合捕捉古诗中较远距离的语义关联（如律诗的对仗）。min_count=60：过滤生僻字，避免训练集中出现频率过低的字干扰模型。size=125：125 维向量既能捕捉语义细节，又比 300 维更节省计算资源。
6.3 模型类设计：训练与生成逻辑
定义Model类封装训练和生成功能：
python
运行
class Model:
def __init__(self, window, topn, model):
self.window = window # 窗口大小
self.topn = topn # 候选字数量
self.model = model # 词向量模型
self.chr_dict = model.wv.index_to_key # 字表（索引→字符）
@classmethod
def initialize(cls, config):
"""初始化模型：加载已有模型或训练新模型"""
if exists(config.model_path):
# 加载预训练模型
model = Word2Vec.load(config.model_path)
else:
# 读取语料（每行诗句转为字符列表）
with open(config.path, encoding='utf-8') as f:
corpus = [list(line.strip()) for line in f if line.strip()]
# 训练模型
model = Word2Vec(
corpus,
window=config.window,
min_count=config.min_count,
vector_size=config.size,
workers=4 # 使用4线程加速训练
)
model.save(config.model_path) # 保存模型
return cls(config.window, config.topn, model)
def poem_generator(self, title, form):
"""生成古诗词：标题补全+正文生成"""
def clean(lst):
"""过滤标点符号"""
return [t[0] for t in lst if t[0] not in ['，', '。']]
# 1. 标题补全：确保标题为4字（如用户输入不足）
if len(title) < 4:
if not title:
title += choice(self.chr_dict) # 随机生成首字
for _ in range(4 - len(title)):
# 取与标题末尾字最相似的topn/2个字
similar_chr = self.model.wv.similar_by_key(title[-1], self.topn // 2)
similar_chr = clean(similar_chr)
# 随机选择未出现在标题中的字
char = choice([c for c in similar_chr if c not in title])
title += char
# 2. 正文生成：根据体裁（form）生成诗句
poem = list(title)
for i in range(form[0]): # form[0]为诗句数量（如绝句4句）
for _ in range(form[1]): # form[1]为每句字数（如五言5字）
# 预测下一个字：基于最近的window个字
predict_chr = self.model.predict_output_word(
poem[-self.window:], # 上下文窗口
max(self.topn, len(poem) + 1) # 候选字数量
)
predict_chr = clean(predict_chr)
# 随机选择未出现的字（避免重复）
char = choice([c for c in predict_chr if c not in poem[len(title):]])
poem.append(char)
# 添加标点：偶数句（i%2==0）用逗号，奇数句用句号
poem.append('，' if i % 2 == 0 else '。')
# 整理结果：分离标题与正文
length = form[0] * (form[1] + 1) # 正文总字符数（含标点）
return '《%s》\n%s' % (''.join(poem[:-length]), ''.join(poem[-length:]))
核心逻辑解析：
- 标题补全：利用
similar_by_key方法获取与当前标题末尾字语义最接近的字，确保标题语义连贯（如输入 “春”→补全为 “春夜喜雨”）。 - 正文生成：通过
predict_output_word预测下一个字，结合topn控制候选集大小，平衡生成的多样性与合理性。 - 标点处理：根据诗句位置自动添加逗号或句号，符合古诗格式。
6.4 主函数：交互式生成古诗
python
运行
def main(config=CONF):
"""主程序：交互式输入标题，生成三种体裁的古诗"""
# 定义体裁格式：（诗句数，每句字数）
form = {
'五言绝句': (4, 5),
'七言绝句': (4, 7),
'对联': (2, 9) # 对联每联9字，共2联
}
# 初始化模型（自动加载或训练）
m = Model.initialize(config)
print("=== 古诗生成器 ===")
while True:
title = input("请输入标题（留空自动生成）：").strip()
if not title:
title = choice(m.chr_dict) # 随机生成首字
# 生成三种体裁的古诗
for name, fmt in form.items():
poem = m.poem_generator(title, fmt)
# 彩色输出（需终端支持ANSI转义）
color = {'五言绝句':'\033[031m', '七言绝句':'\033[033m', '对联':'\033[036m'}
print(f"{color[name]}{poem}\033[0m")
print("\n-------------------")
七、案例演示：从关键字到完整诗篇
输入示例 1：标题留空（自动生成）
plaintext
请输入标题（留空自动生成）：
=== 生成结果 ===
《秋夜寄丘二十二员外》
秋夜清砧响，寒山独鸟还。
空斋对摇落，况乃未休颜。
《秋日登吴公台上寺远眺》
秋草六朝寒色里，清砧万户月明中。
江云似雪摇孤戍，海日如霞映远空。
《秋兴》
秋声暗度松间露，夜色轻笼竹外烟。
解析：模型自动以 “秋” 字开头，生成五言绝句、七言绝句和对联，均围绕 “秋” 的萧瑟意境，用词如 “清砧”“寒山”“摇落” 体现季节特征。
输入示例 2：标题 “山水”
plaintext
请输入标题：山水
=== 生成结果 ===
《山水清晖》
山青含宿雨，水绿带春烟。
坐对忘机久，空林鸟自还。
《山水寄情》
山横远岫云千叠，水绕平芜树万重。
何用乘舟寻范蠡，且须沽酒对陶翁。
《山水逸兴》
山光泼黛侵书幌，水色涵青入酒卮。
解析：标题 “山水” 触发自然意象生成，五言绝句中 “宿雨”“春烟” 营造清新感，七言绝句引用范蠡、陶翁典故，增添文化底蕴。
八、注意事项与优化方向
语料预处理：
- 确保古诗文本无乱码，每行一句（如 “床前明月光，疑是地上霜。” 需拆分为两行）。
- 可添加作者、朝代标签，但生成时需过滤非诗词字符。
参数调优：
window：若生成短句（如对联），可减小至 5-8；长诗（如律诗）建议 10-16。min_count：若语料较小，可降至 10-20，避免过滤过多常用字。topn：数值越大，生成越多样但可能越不连贯；数值越小，越保守但更符合语法。
模型增强：
- 结合 LSTM/Transformer：Word2Vec 提供静态词向量，与动态序列模型（如 Keras 的 LSTM）结合可提升上下文理解能力。
- 多模型融合：先训练 Word2Vec 捕捉语义，再用语言模型（如 GPT）生成，结合两者优势。
九、结语：当代码遇见平仄 ——AI 写诗的边界与可能
通过 Gensim 的 Word2Vec 实现古诗生成，我们见证了词向量从语义建模到创意表达的跨越。当前生成的诗句虽在字面连贯度上接近古人，但缺乏情感深度和意境升华 —— 这正是 NLP 未来的探索方向。
动手实践：尝试用自己收集的诗词语料训练模型，观察生成风格的变化；或修改poem_generator中的采样策略（如从概率最高的字选取，而非随机），对比生成结果的差异。
代码已就绪，诗心待君启。让我们在 0 与 1 的矩阵中，继续寻找人类语言的浪漫微光。
完整代码仓库：https://github.com/your-username/word2vec-poem-generator（需自行替换为实际仓库地址）
参考资料：
- Gensim 官方文档：Word2Vec API
- 古诗生成进阶：《Neural Poetry Generation with Word2Vec and LSTM》