风云三尺剑，花鸟一床书---对联数据集和自动对联机器人

注：去年的旧文一，供感兴趣的同学参考。

很多年前看到过微软的自动对联工具，写了一篇《机器翻译与微软对联》博文，赞了MSRA用统计机器翻译（SMT）的思路做自动对联系统，当时开玩笑的说：

微软研究院的这个“对联语料库”的规模是67万对，所采用的技术是他们自己的web语料库自动获取技术。开玩笑的说，如果周明老师能给我这个语料库，我也能几天之内构建一个简单的“52nlp自动对联系统”。

前段时间看到了一份对联语料：couplet-dataset

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

这份数据包含70万条对联数据，按字切分，作者很用心的给大家准备了训练集、测试集还有词汇表；同时还开源了一个基于Tensorflow的深度学习工具来训练自动对联模型：seq2seq-couplet

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

感兴趣的同学可以直接上手操作，作者甚至还提供了Demo供大家把玩，不过目前貌似需要科学上网才能访问：

https://ai.binwang.me/couplet/

对我来说，看到这份数据的第一想法就是用神经网络机器翻译（NMT）的思路来尝试自动对联系统，这里NMT开源工具可选择的范围很广，我还是选择了Marian，跑了一个简单的对联“翻译”模型，现在接入AINLP公众号聊天机器人，感兴趣的朋友可以一试。具体方法请关注AINLP公众号，然后后台和AINLP聊天机器人互动：

回复“上联 输入上联内容” ，AINLP机器人将自动回复“下联 自动对联内容”，例如：

例子1:
上联 风云三尺剑
自动回复：
下联 花鸟一床书

注意上图来自微软亚洲研究院电脑对联页面：https://duilian.msra.cn/

其他例子可参考：

关于AINLP公众号相关信息，可参考：AINLP公众号索引、关键字和其他相关资源