基于Seq2Seq模型的西北“花儿”唱词生成研究

摘要

西北“花儿”作为非物质文化遗产具有重要文化价值，创作其唱词不仅能传承这一遗产，还能促进民间文化的传播与发展.鉴于当前西北“花儿”文本生成领域研究较少，本文提出EM-Seq2Seq模型(Embedding and Multi-Head Attention Mechanism-Based Seq2Seq Model),通过集成词嵌入和多头自注意力机制来探索西北“花儿”的唱词生成.首先，优化词嵌入技术，结合位置编码以增强文本顺序和语义连贯性的捕捉能力，并通过卷积神经网络CNN提取局部语义特征，强化方言特征提取和文本多样性.其次，编码器采用双层Bi-GRU用于全局特征捕捉，解码器采用双层GRU高效融合特征，以增强全局特征提取和上下文理解能力，保持唱词原始风格.再次，引入多头自注意力机制从多维度学习语义特征，提升模型表达能力.最后，提出特征融合策略提高预测准确性.实验结果表明，该方法在BLEU评分和人工评估上均优于基准模型，生成的西北“花儿”唱词不仅保留了方言特色，还在内容风格和情感表达上具有较高的准确性和可读性，从而验证了该模型的有效性.

关键词

西北“花儿”唱词生成 / Seq2Seq模型 / Bi-GRU / Multi-Head Attention / CNN