在自然语言处理领域,古诗自动生成的研究成为了一项富有挑战性的工作,吸引着许多的专家学者加入到研究队列中。古诗自动生成的研究是对中国传统文学文化的一种推广和传播,同时对中文自然语言处理的发展也极具意义。本文主要基于对抗训练和强化学习的思想,对关键词生成古诗和图像生成古诗进行研究,主要工作如下:一、提出一种基于多对抗训练的序列生成古诗的方法。设计了具有双编码器的序列到序列生成模型,通过注意力机制对关键词序列和每行诗句进行特征学习,设计了基于层级RNN的关联性判别器和基于Text CNN语义判别器,并将两种判别器的判别结果组合作为奖励,通过策略梯度对模型进行训练。在实验阶段,首先对生成模型和判别模型进行预训练,然后再进行对抗训练。实验结果表明,在自动评估和人工评估方面,本文提出的基于多对抗训练的古诗生成方法相较于已提出的模型有明显的提升。二、提出一种基于多对抗训练的图像生成古诗的方法。该方法采用基于编码解码结构的图像描述框架作为图像生成古诗的生成器,编码解码结构分别基于CNN和RNN,并利用注意力机制对图像特征进行加权处理;设计了基于CNN和RNN的组合判别模型,该模型能整合图像特征和单词的嵌入向量,共同计算两者的关联得分以及生成的诗句的得分;此外,该方法加入了语言评估指标模型。该框架基于策略梯度进行优化,判别器和语言评估指标模型的加权分数作为强化学习的奖励。在实验阶段,首先对生成模型和判别模型进行预训练,然后再进行对抗训练。实验结果表明,在自动评估方面取得了不错的得分,得益于语言评估模型作为奖励,同时,人工评估的结果也证明给定图像和生成的诗句的关联性较好。