春节对联哪家强，人工智能对得狂！

正文

请到「今天看啥」查看全文

对联地址：https://ai.binwang.me/couplet/

据介绍，这个AI的训练，是基于深度学习seq2seq模型，用到了TensorFlow和Python 3.6，代码已经开源，你可以自行打开下面的GitHub地址下载开源代码尝试训练。另外，训练它所用的数据集来自一位名为冯重朴_梨味斋散叶的博主的新浪博客，总共包含超过70万副对联。

开源代码：

https://github.com/wb14123/seq2seq-couplet

训练数据集：

https://github.com/wb14123/couplet-dataset

所以想自己写春联的，但又憋不出大招的小伙伴，可以使用上述任一AI系统打造出属于你自己的对联。

AI对联背后的技术

关于AI对联所采用的技术，微软周明在博客中曾经写过这样一段话：“我设计了一个简单的模型，把对联的生成过程看作是一个翻译的过程。给定一个上联，根据字的对应和词的对应，生成很多选字和候选词，得到一个从左到右相互关联的词图，然后根据一个动态规划算法，求一个最好的下联出来。

从上述文字我们可以知道，AI对联采用的是一系列机器翻译算法。和不同语言之间的翻译不同的是，给出上联，AI对出下联是同种语言之间的翻译。

这也就是说对联系统的水平直接依赖于机器翻译系统的发展历程。

机器翻译的最初的源头可以追溯到1949年，那时的技术主流都是基于规则的机器翻译， 最常见的做法就是直接根据词典逐字翻译，但是这种翻译方法效果确实不太好。

“规则派”败北之后，日本京都大学的长尾真教授提出了基于实例的机器翻译，即只要存上足够多的例句，即使遇到不完全匹配的句子，也可以比对例句，只要替换不一样的词的翻译就可以。但这种方式并没有掀起多大的风浪。

1993年发布的《机器翻译的数学理论》论文中提出了由五种以词为单位的统计模型，其思路主要是把翻译当成机率问题，这种翻译方式虽然在当时风靡一时，但真正掀起革命的还是2014年深度学习的兴起。

2016年谷歌正式宣布将所有统计机器翻译下架，神经网络机器翻译上位，成为现代机器翻译的绝对主流。

具体来说，目前市面上的AI对联基本上都是基于attention机制的seq2seq模型的序列生成任务训练而成。seq2seq模型又叫Encoder-Decoder。

关于此模型AI科技评论之前曾经写过一篇文章详细介绍，尚未理解的读者请戳此 《

请到「今天看啥」查看全文