诗歌是一种凝练而特别的文学形式,中国传统诗歌作为我国重要的文化遗产,体现了劳动人民非凡的智慧和创造力。绝句是中国传统诗歌中具有代表性的诗歌体裁,其在结构、平仄、押韵等方面都有严格的要求。创作一首合格的绝句对于普通人来说并不是件容易的事情,而对于计算机来说,如何自动生成绝句同样是充满挑战的课题。对绝句自动生成的研究,一方面可以降低诗歌创作门槛,让普通民众感受诗歌创作的魅力,有利于中华传统文化的传承;另一方面,绝句生成的研究让计算机进行文学创作成为可能,将给传统诗人及诗歌研究人员带来冲击,一定程度上将促进中国传统诗歌的创新与发展;同时绝句生成作为自然语言处理领域一项特别且有趣的研究,可启发其他文本类型的生成研究,促进自然语言处理相关技术的发展。因此对绝句生成的研究具有现实意义。绝句等体裁诗歌生成的研究,经历了基于规则和模板的生成方法、基于统计机器学习的方法和基于深度学习的方法三个阶段,前两类方法生成的诗歌通常需要人工参与,且常出现较低级的错误,而随着深度学习技术的不断发展,基于深度学习的方法在诗歌生成中表现优异,成为了主流。本文在现有绝句生成方法基础上,针对绝句生成中主题漂移、语义不连贯等问题,提出了一种基于关键词转换扩展的绝句生成模型(Keyword Transformation and Expansion Quatrain Gene-ration Model,KTEQG),该模型将绝句生成分为关键词转换、关键词扩展和绝句生成三个阶段。首先对用户写作意图文本进行唯一关键词提取并进行关键词文言字词转换,然后基于转换后的主题关键词进行扩展,为每一句绝句分配主题关键词,最后基于注意力机制的编码器-解码器模型,将分配的主题关键词和历史生成的内容作为输入进行绝句生成。另外,本文针对现有的诗歌评估方法在切题、意境和情感等方面的不足,结合绝句的文学特点,完善了现有的人工评估方法,建立了更为科学的人工评估体系。本研究与目前主流的绝句生成模型进行了对比实验,经过BLEU自动评估和人工评估,实验表明本文提出的KTEQG模型生成的绝句在格律、切题及内容表达上具有更为优秀的表现;模型还进行了图灵测试,实验表明KTEQG模型具有正常人类的智能,在绝句创作上达到了普通人类的创作水平。