能用计算机写和算,计算机也能写宋词！

自动作词：离我们有多遥远？

分词完成后，词频的统计就是小事一桩了。之前有人把宋词的高频词语统计表 发到网上 ，一时间几乎每个理科生都能写宋词了。就技术层面而言，大部分自动作诗词的尝试都是在“高频——关联”这样的框架下完成的。即给定一个词语，搜索与之关联度较大的另外一批词作为候选集合，再通过预先设定好的准则进行筛选。

但这样的方法显然比较简陋。相比之下，有人研究了更高级的方法，例如有一篇名为 一种宋词自动生成的遗传算法及其机器实现 的论文就采用填词的思想：给定一个词牌，就相应地给出了格律、押韵和平仄等硬性要求，将满足要求的词语填入相应的句法中，再通过一系列评价指标计算每个填词组合的“得分”，最后利用 遗传算法 计算出“得分”最高的填词方案。

以“清平乐”这个词牌为例，其填词约束为

*0 / *1, *1 / 0 / 01. *1 / *0 / 0 / 11, *1 / *0 / *1.

*0 / *1 / 00, *0 / *1 / 00. *1 / *0 / *1, *0 / *1 / 00.

其中 0 表示平声， 1 表示仄声， * 表示两者皆可， / 是词语的分割。可以看到，对于“清平乐”这个词牌，实际上就是要将 24 个词填入相应的空档中，其中第一个词以平声结尾，第二个词以仄声结尾，第四个词是一个平声单字……此外如果再考虑押韵，那么搜索的词语空间又会进一步减小。

在给定了一种填词方案后，就可以构造这种方案的评分体系。上述的论文从四个方面(句法合法性、主题相关性、词句搭配的适当性、风格和情感统一性)考虑，最后得到一个综合加权的指标。因此，自动作词的过程就抽象为了一个高维的最优化问题，即试图找到一种填词的组合，使得最终这个加权指标达到最大。

这篇论文的一个亮点在于使用了遗传算法作为主要的优化方法。遗传算法的细节比较复杂，在自动作词这一特定问题中，其主要思想是：

1、 随机生成若干个满足约束条件(格律、押韵等)的填词方案；

2、 选取其中较优的一些结果作为父代，然后利用遗传算法中的交叉和变异操作，从父代来生成子代。换言之，就是在已有的填词方案基础上生成新的填词方案；

3、 不断进行评判和迭代，直到跳出循环。

遗传算法的好处在于其算法的不确定性和可变异性，这是受生物的进化得到启发而发展起来的。虽然遗传算法作出的算词像模像样(例如本文开头的例子)，但需要说明的是，遗传算法本质上是一个最优化算法，因此填词的好坏仍然与词库和评价指标直接相关。从某种意义上说，计算机作词实际上是利用已有的词库进行组合，而不是创造。

无论如何，一个丰富而优秀的词库仍然是有意义的——对于电脑来说，这是它进行“创作”的基石；对于人来说，它至少能告诉读者以往词人常用的意象是什么，从而提供一些创作上的灵感(当然不应该是词作本身)。