中国古代诗歌是人类文化的瑰宝, 其短小精悍的语言却能表达出极其丰富的含义和主题, 从古至今吸引了无数的爱好者的欣赏. 本文以超过锸锰万首古诗为研究对象, 基于 BPE 算法, 按照共现频率对古诗集进行分词, 以便于下游任务对古诗的语义进行更准确的理解, 我们还将分词后的古诗语料利用隐狄利克雷分配 (LDA) 模型进行了主题分析. 通过比较, 调整主题的数量得到了准确度较高的主题模型. 更进一步, 我们还对语料中的绝句和律诗逐句套用了主题模型, 得到了一首诗内部的主题转移矩阵, 并进行了一些相关的分析. 最后, 我们利用了简单的控制码方法将主题模型嵌入到诗歌生成模型中, 实现了主题可控的诗歌生成, 同时检验了我们训练的主题模型的有效性.
