README.md

metadata

language:
  - zh
tags:
  - SongNet
  - pytorch
  - zh
  - Text2Text-Generation
license: apache-2.0
widget:
  - text: 严蕊<s1>如梦令<s2>道是梨花不是。</s>道是杏花不是。</s>白白与红红，别是东风情味。</s>曾记。</s>曾记。</s>人在武陵微醉。

SongNet for Chinese songci(songnet-base-chinese-songci) Model

SongNet中文宋词生成模型

songnet-base-chinese-songci evaluate couplet test data：

The overall performance of SongNet on songci test:

input_text	predict
道是梨花不是。道是杏花不是。白白与红红，别是东风情味。曾记。曾记。人在武陵微醉。	风撼梧桐影乱。雨洒梧桐影乱。又是一番红，人与暮霞俱远。凄断。凄断。人与暮霞俱远。

在宋词测试集上生成结果满足字数相同、词性对齐、词面对齐、形似要求，针对性的SongNet网络结构，在语义对仗工整和平仄合律上的效果明显优于T5和GPT2等模型。

SongNet的网络结构：

Usage

本项目开源在文本生成项目：textgen，可支持SongNet模型，通过如下命令调用：

Install package:

pip install -U textgen

from textgen.language_modeling import SongNetModel


model = SongNetModel(model_type='songnet', model_name='songnet-base-chinese-songci')
sentences = [
    "严蕊<s1>如梦令<s2>道是梨花不是。</s>道是杏花不是。</s>白白与红红，别是东风情味。</s>曾记。</s>曾记。</s>人在武陵微醉。",
    "张抡<s1>春光好<s2>烟澹澹，雨。</s>水溶溶。</s>帖水落花飞不起，小桥东。</s>翩翩怨蝶愁蜂。</s>绕芳丛。</s>恋馀红。</s>不恨无情桥下水，恨东风。"
]
print("inputs:", sentences)
print("outputs:", model.generate(sentences))
sentences = [
    "秦湛<s1>卜算子<s2>_____，____到。_______，____俏。_____，____报。_______，____笑。",
    "秦湛<s1>卜算子<s2>_雨___，____到。______冰，____俏。____春，__春_报。__山花___，____笑。"
]
print("inputs:", sentences)
print("outputs:", model.fill_mask(sentences))

output:

inputs: ['严蕊<s1>如梦令<s2>道是梨花不是。</s>道是杏花不是。</s>白白与红红，别是东风情味。</s>曾记。</s>曾记。</s>人在武陵微醉。', '张抡<s1>春光好<s2>烟澹澹，雨。</s>水溶溶。</s>帖水落花飞不起，小桥东。</s>翩翩怨蝶愁蜂。</s>绕芳丛。</s>恋馀红。</s>不恨无情桥下水，恨东风。']
outputs: ['<bos>风撼梧桐影乱。</s>雨洒梧桐影乱。</s>又是一番红，人与暮霞俱远。</s>凄断。</s>凄断。</s>人与暮霞俱远。</s>', '<bos>光阴速，还。</s>转飞残。</s>日向旧时檐下见，两三竿。</s>多少社寒垂涎。</s>玉人间。</s>恶循环。</s>不见旧时檐下见，两三竿。</s>']
inputs: ['秦湛<s1>卜算子<s2>_____，____到。_______，____俏。_____，____报。_______，____笑。', '秦湛<s1>卜算子<s2>_雨___，____到。______冰，____俏。____春，__春_报。__山花___，____笑。']
outputs: ['<bos>新月破寒影，正柳暗清到。千缕万绪浓於雨，多少匆匆俏。梦魂又不得，那堪断得报。听著窗前柳弄歌，寂寞梨花笑。</s>', '<bos>风雨送春归，草软莺簧到。门对宝篆淡淡冰，翠点吴绫俏。小立东风春，不怕春归报。多少山花妒落红，背面一饷笑。</s>']

模型文件组成：

t5-chinese-couplet
    ├── pytorch_model.bin
    └── vocab.txt

训练数据集

中文宋词数据集

• 数据：songci
• 相关内容
  • Huggingface
  • SongNet paper
  • textgen

数据格式：

head -n 2 ci.txt
赵必<s1>水调歌头<s2>百岁人能几，七十世间稀。</s>何况先生八十，蔗境美如饴。</s>好与七松处士，更与梅花君子，永结岁寒知。</s>菊节先五日，满酌紫霞卮。</s>美成词，山谷字，老坡诗。</s>三径田园如昨，久矣赋归辞。</s>不是商山四皓，便是香山九老，红颊白须眉。</s>九十尚入相，绿竹颂猗猗。
李曾伯<s1>水调歌头<s2>千一载英杰，百二国山河。</s>提封几半宇宙，万里仗天戈。</s>十乘晋军旗鼓，三岁秦关扃锁，地利属人和。</s>位次功第一，未数侯何。</s>建青油，持柴荷，听黄麻。</s>乾坤整顿都了，玉殿侍羲娥。</s>且醉东湖花柳，却泛西湖舟楫，留不住岷峨。</s>谁为语儒馆，浓墨被诗歌。 

如果需要训练SongNet模型，请参考https://github.com/shibing624/textgen/blob/main/examples/language_generation/training_zh_songnet_demo.py

Citation

@software{textgen,
  author = {Xu Ming},
  title = {textgen: Implementation of Text Generation models},
  year = {2022},
  url = {https://github.com/shibing624/textgen},
}