如何用R创作古诗 [复制链接]

最近中国诗词大会很受欢迎，才女武亦姝凭借超强的记忆力和超快的反应能力一炮走红，成为大家心目中的偶像。

在欣赏节目的同时，我也不禁想到，既然古代的诗人能够创作出这些美好的诗篇，那我是不是也能创作几首属于自己的诗词作品呢？可惜，经过一番尝试，我发现自身的文学功底不够，恐怕无法完成这样艰巨的任务。看来人和人还是有很大的差距。

当然，我并没有气馁。就像著名的无限猴子定理阐述的那样，哪怕是让一只猴子在打字机上随机地按键，只要按键的时间足够长，那么几乎必然能够打出任何特定的文字，甚至是莎士比亚的全套著作。我觉得我的编程能力应该比猴子还是要略强一筹，所以打算试试用我熟悉的语言R来创作几首『歪诗』。

既然要创作诗词，那么就要先了解诗词中最常出现的词汇和意象是什么。我在github上找到了一些古典中文的语料库（链接），其中有不少唐诗宋词的文本，只不过是繁体的。我选择了《宋词三百首》作为了我的文本库，对它进行词频分析。

其实做法很简单，大概就是分这么几步：

把文本拆分成一个一个的单词；

把单词按照出现的频率、次数进行排序

用可视化把结果展示出来

下面的部分我会讨论一下具体的操作，不感兴趣的观众请往后翻到结果的部分。

第一步、第二步

导入文本库：

filNam-"宋詞三百首.txt"SC-radChar(filNam,fil.info(filNam)$siz)#大概检查一下substr(SC,,)[1]"醒。送春春去幾時回，臨晚鏡。傷流景。往事後期空記省。○沙上並禽池上暝。雲破月來花弄影。重重簾幕密遮燈，風不定。人初靜。明日落紅應滿徑。\n\n詞牌:青門引\n作者:張先\n詞文:乍暖還輕冷。風雨晚來方定。庭軒寂"

用分词包『结巴R』(链接)里面的workr()公式完成分词：

cc=workr()analysis-as.data.fram(tabl(cc[SC]))#重新排序analysis-analysis[ordr(-analysis$frq),]#简单改变一下文件的命名、格式nams(analysis)-c("word","frq")analysis$word-as.charactr(analysis$word)#看一下这个分词文件的开头had(analysis)wordfrq作者詞文詞牌又去月54

看来在宋词三百首中，出现最多的词语是『作者』，『词文』，『词牌』，总共出现了次。这是因为每首诗词开始时，文档中都会介绍这首诗词的作者、词文和词牌，从而干扰了我们的文本分析。

第二步

我用R包wordcloud2把结果简单地进行了一下可视化：

wordcloud2(analysis)

然后得到了这张图。

嗯，硕大的一个『词文』出现了很多次，看来我们在可视化的时候要把它去掉。

我把出现频率大于次的词语刨除之后，根据分词结果的字数（一字，二字，三字）重新进行了可视化，结果如下：

wordcloud2(analysis[analysis$frq1analysis$frqnchar(analysis$word)==1,])wordcloud2(analysis[analysis$frq1analysis$frqnchar(analysis$word)==2,])wordcloud2(analysis[analysis$frq1analysis$frqnchar(analysis$word)==3,])

现在的结果就正常多了。我们看到，一个字的词语中，出现频率较多的有『谁』，『又』，『人』，『去』，『梦』,『是』，『处』，『月』等等。

两个字的词语中，『何处』，『斜阳』，『相思』这些词使用频率最多，给我一种在看网络小说标题的感觉。

三个字的词语中，出现最多的往往是词牌名和作者名。

完成了简短的词频分析，下面就要开始最重要的『诗词创作』部分了！

准备

创作宋词，先要明确一个词牌名。我选择了李白的《清平乐·画堂晨起》作为范例。

画堂晨起，来报雪花坠。高卷帘栊看佳瑞，皓色远迷庭砌。盛气光引炉烟，素草寒生玉佩。应是天仙狂醉，乱把白云揉碎。

R的中文分词包『结巴R』的功能中，有一项可以用来分辨词语的词性。我将范例进行分词后，再用这项功能分析一下各部分的词性。

cipai-"画堂晨起，来报雪花坠。高卷帘栊看佳瑞，皓色远迷庭砌。盛气光引炉烟，素草寒生玉佩。应是天仙狂醉，乱把白云揉碎。"taggr-workr("tag")cipai_2-taggr=cipaicipai_2nxxnvangv"画堂""晨起""来报""雪花""坠""高""卷帘""栊""看"xxavxnxxx"佳瑞""皓色""远""迷""庭砌""盛气""光引""炉烟""素草"xnrxnxdpnrv"寒生""玉佩""应是""天仙""狂醉""乱""把""白云""揉碎"

其中每个字母代表什么词性，我也没有很理解。据我的猜测，n应该是名词，x是没有分辨出来的词性，v是动词，a是形容词，至于『nr』,『p』,『d』是什么，实在是猜不出来，在帮助文档中也没有找到。如果有朋友知道的话，希望能不吝赐教。

最后，我从之前提炼的宋词词频库中，选取了至少出现过两次的一字或两字词语，作为诗词创作的素材库：

xampl-subst(analysis,frq1nchar(word)3frq)#提取词性文件cixing-attributs(cipai_2)$nams#将素材库进行词性分类xampl_2-taggr=xampl$word

创作

下面，我们终于要开始用R创作诗歌了！我自己想了一个创作的算法，可以说很简单，甚至说有点可笑。

步骤是这样的：我从范本词牌的第一个词开始，随机在素材库中选取词性相同，字数相等的单词，填入提前设置好的空白字符串中。

举个例子，原诗的第一个词是『画堂』，是个二字的名词。那么，我就在素材库中随机选择一个二字的名词，填入这个空间中。然后，继续分析下一个词。

具体方程的代码如下：

writ_songci-function(m){st.sd(m)mpty-""for(iin1:lngth(cipai_2)){tmp_fil-xampl_2[attributs(xampl_2)$nam==cixing]tmp_fil-tmp_fil[nchar(tmp_fil)==nchar(cipai_2)]mpty-past0(mpty,sampl(tmp_fil,1))}rsult-past0(substr(mpty,1,4),",",substr(mpty,5,9),"。",substr(mpty,10,16),",",substr(mpty,17,22),"。",substr(mpty,23,28),",",substr(mpty,29,34),"。",substr(mpty,35,40),",",substr(mpty,41,46),"。")}结果

做了这么多工作，终于到了验收结果的部分。请各位来欣赏几首R创作的歪词作品吧：

lapply(1:5,writ_songci)[[1]][1]"幽香凝佇,春空賞花回。淨關塞旆感春歸,朝天淺爭前度。江聲已失無跡,香非凝笑秋千。過盡細雨歸鴻,欲對蓬萊歸來。"[[2]][1]"流年漏永,春空愁腸覺。穩黃花笮收敗壁,數峰深鋪已斷。寄語舊香非煙,歸夢如夢殷勤。沈沈啼鶯老來,卻把丁香不堪。"[[3]][1]"愁腸簾外,前度芳心困。少陽臺瘞切桃蹊,幾人細鎖新樣。腸斷缺月中酒,潘鬢行遍何曾。歸雁芳草修竹,不對秋水垂下。"[[4]][1]"一川晏殊,阮郎斷鴻展。重暮雲菰訪楊花,畫閣滿聽金尊。敗葉孤城雪滿,晝永隋堤碧雲。無準黃金年光,漸因綺羅開時。"[[5]][1]"煙柳清景,謝娘桃花如。窄蝴蝶琮誤中酒,花間碎挂斷煙。幽夢曉來千樹,蕭娘數峰翩翩。蟲網暗想未醒,曾向丁寧聚散。"

既然是计算机生成的诗，自然谈不上什么文学性。不过，虽然大部分内容看上去不知所云，有些词句还是有些意思的，比如『幽香凝伫』，『愁肠帘外』，『孤城雪满』等等。之前在调试的时候，还出现过类似于『风烟泪暗霜前,古岸频听金莲』这样的词句，无厘头之余，莫名地居然还有些押韵。