歌词生成模型中押韵密度与语义连贯性的权衡——基于transformer的优化 .docxVIP

PAGE2

歌词生成模型中押韵密度与语义连贯性的权衡——基于Transformer的优化

摘要

歌词生成是自然语言处理与音乐信息检索交叉领域的前沿课题。在基于Transformer的自回归语言模型框架下，通过调整解码阶段的温度参数，可以灵活控制生成歌词的押韵强度与语义质量，但二者之间存在内在张力。本文围绕这一权衡问题，从理论层面系统解析其生成机理、矛盾本质与优化机制。

论文首先梳理了国内外歌词生成与韵律控制的研究脉络，指出已有研究在押韵密度与语义连贯性协同优化方面的理论不足。进而，界定押韵密度、语义连贯性及温度参数等核心概念，引入信息论与多目标优化理论，构建了权衡分析框架。在此基础上，揭示押韵约束迫使模型在概率分布上偏向押韵词，从而损害语义连贯性的深层矛盾，并将该问题界定为生成多样性-质量帕累托前沿的具体表现。论文深入阐释了温度参数调节这一矛盾的作用逻辑：低温强化高概率押韵词，提升密度但降低连贯性；高温引入随机性，恢复语义但削弱押韵。通过人工评估实验，在温度范围[0.4,1.2]内以0.1为步长生成歌词，由评估者从押韵准确度与语义流畅度双重维度评分，最终确定0.7为最佳平衡点，此时押韵密度达0.68且语义得分保持较高水平。基于此，本文构建了“温度导向的押韵-语义权衡优化框架”，提出核心命题：在Transformer歌词生成中，温度参数构成调节押韵密度与语义连贯性的单一连续控