诗词是中华民族的文化瑰宝。不论是“长风破浪会有时，直挂云帆济沧海”的豪迈，还是“月上柳梢头，人约黄昏后”的婉约，不论是“衣带渐宽终不悔，为伊消得人憔悴”的刻骨深情，还是“肝胆洞，毛发耸，立谈中，死生同，一诺千金重”的男儿义气，诗词伴随着中华文明走过了五千年的风雨历程。

诗词为什么有如此强大的精神感染力？一个很重要的原因可能是情感与音律的共振式表达。我们知道诗词都是有一定格式限制的，这些限制包括字数、节拍（律）、合音（韵）等，这些限制使句子具有音乐美感。另一方面，每一首能够传承下来的名篇佳作都充满了作者的真情实感，因此很容易让读者有身临其境的代入感。基于诗词的上述特点，诗词创作具有极高的挑战性，只是极少数才情俱佳的诗人才能写出打动人心的作品。想要机器写出一首好诗来，还是很困难的。

如果把诗词创作比作跳舞的话，第一步首先需要按规则把动作摆出来，然后才是熟练和优美。因此，早期的诗词生成方法多是机械式的，以能按格律要求生成连贯的句子为主，缺乏对词句语义的理解。近年来，基于深度学习的自然语言处理技术兴起，以语义为基础的诗词生成方法逐渐成为主流，极大提高了生成的自然度和连贯性。

1. 机械式诗词生成方法

早期的生成算法大多解决“诗言诗语”的问题，即按格律要求，将合适的字和词按合理的顺序组合起来。典型的是词句拼凑法：给定一个主题，在大量现有诗词中搜索相关句子，将这些句子打碎后，挑选可以连接在一起的片段，基于诗词规则组合起来，即生成一首新诗。

拼凑法的基本理念是“熟读唐诗三百首，不会作诗也会吟”，只要见过的样例足够多，就可以通过对已有样例的重组来生成新诗。然而，这种机械拼凑的方法显然过于机器化了，既没有对句子意思的理解，也没有对规则的学习，因而生成的诗有明显的“破句”，且语义不清晰，不连贯，欣赏价值较低。

2. 统计模型法

为了提高句子的流畅度，研究者提出各种概率模型方法，其中统计机器翻译模型（SMT）最具有代表性。在这种方法里，从一句诗到下一句诗被认为是个机器翻译过程，这一过程既考虑了句子间的对应，也考虑了生成句子的连贯性，因此在一定程度上提高诗词生成的质量。然而，这一方法仅利用了字面上的统计规律，没有形成对语义的理解，生成的诗句依然有明显的斧凿痕迹。图2给出微软的SMT系统生成的一首诗，其中输入的主题词为“醉”。