缘起
前几天看到了这个脑洞清奇的对联AI，大家都玩疯了一文，觉得挺有意思，难得的是作者还整理并公开了数据集，所以决定自己尝试一下。
动手
“对对联”，我们可以看成是一个句子生成任务，可以用 Seq2Seq 完成，跟我之前写的玩转Keras之Seq2Seq自动生成标题一样，稍微修改一下输入即可。上面提到的文章所用的方法也是 Seq2Seq，可见这算是标准做法了。
分析
然而，我们再细想一下就会发现，相对于一般的句子生成任务，“对对联”有规律得多：1）上联和下联的字数一样；2）上联和下联的每一个字几乎都有对应关系。
如此一来，其实对对联可以直接看成一个序列标注任务，跟分词、命名实体识别等一样的做法即可。这便是本文的出发点。
说到这，其实本文就没有什么技术含量了，序列标注已经是再普通不过的任务了，远比一般的Seq2Seq 来得简单。
所谓序列标注，就是指输入一个向量序列，然后输出另外一个通常长度的向量序列，最后对这个序列的“每一帧”进行分类。相关概念来可以在简明条件随机场CRF介绍 | 附带纯Keras实现一文进一步了解。
模型
本文直接边写代码边介绍模型。如果需要进一步了解背后的基础知识的读者，还可以参考《中文分词系列：基于双向LSTM的Seq2Seq字标注》[1]、《中文分词系列：基于全卷积网络的中文分词》[2]、《基于CNN和VAE的作诗机器人：随机成诗》[3]。
我们所用的模型代码如下：
x_in = Input(shape=(None,))
x = x_in
x = Embedding(len(chars)+1, char_size)(x)
x = Dropout(0.25)(x)
x = gated_resnet(x)
x = gated_resnet(x)
x = gated_resnet(x)
x = gated_resnet(x)
x = gated_resnet(x)
x = gated_resnet(x)
x = Dense(len(chars)+1, activation='softmax')(x)
model = Model(x_in, x)
model.compile(loss='sparse_categorical_crossentropy',
optimizer='adam')其中 gated_resnet 是我定义的门卷积模块：
def gated_resnet(x, ksize=3):
# 门卷积 + 残差
x_dim = K.int_shape(x)[-1]
xo = Conv1D(x_dim*2, ksize, padding='same')(x)
return Lambda(lambda x: x[0] * K.sigmoid(x[1][..., :x_dim]) \
+ x[1][..., x_dim:] * K.sigmoid(-x[1][..., :x_dim]))([x, xo])仅此而已，就这样完了，剩下的都是数据预处理的事情了。当然，读者也可以尝试也可以把 gated_resnet 换成普通的层叠双向 LSTM，但我实验中发现层叠双向 LSTM 并没有层叠 gated_resnet 效果好，而且 LSTM 相对来说也很慢。
效果
训练的数据集来自以下链接，感谢作者的整理。
https://github.com/wb14123/couplet-dataset
完整代码：
https://github.com/bojone/seq2seq/blob/master/couplet_by_seq_tagging.py
训练过程：
对联机器人训练过程
部分效果：
看起来还是有点味道的。注意“晚风摇树树还挺”是训练集的上联，标准下联是“晨露润花花更红”，而模型给出来的是“夜雨敲花花更香”，说明模型并不是单纯地记住训练集的，还是有一定的理解能力；甚至我觉得模型对出来的下联更生动一些。
总的来说，基本的字的对应似乎都能做到，就缺乏一个整体感。总体效果没有下面两个好，但作为一个小玩具，应该能让人满意了。
王斌版AI对联：https://ai.binwang.me/couplet/
微软对联：https://duilian.msra.cn/default.htm
结语
最后，也没有什么好总结的。我就是觉得这个对对联应该算是一个序列标注任务，所以就想着用一个序列标注的模型来试试看，结果感觉还行。
当然，要做得更好，需要在模型上做些调整，还可以考虑引入 Attention 等，然后解码的时候，还需要引入更多的先验知识，保证结果符合我们对对联的要求。这些就留给有兴趣做下去的读者继续了。
相关链接
[1] https://kexue.fm/archives/3924
