诗词是我国古典文化皇冠上的明珠,千百年来被无数人传颂和研究。但受限于技术手段的贫乏,对古典诗词的研究一直以来都是靠文人学者们的人力劳作。近年来随着计算机技术的迅猛发展和硬件算力的飞跃式提升,自然语言处理技术在实践运作中取得了令人瞩目的成果。本文将自然语言处理运用于古典诗词的文本分析当中,提出一套自动识别古典诗词当中意境的方法,对批量化研究古典诗词,坚定文化自信,为传承和弘扬中华优秀传统文化贡献微末力量。通过定制撰写爬虫以异步方式定向从互联网收集大量分类标注和未标注的古诗词文本语料,以及大量的非诗词古汉语语料。对语料进行数据清洗,入库。为了尽可能贴近原汁原味的古文,语料的采集和研究过程使用繁体中文作为标准。使用词嵌入进行词向量训练,完成语料的准备工作。研究不同的机器学习算法在文本分类上的应用,将其和不同的文档向量化方法相结合,比较其在诗词主题分类问题上的表现,总结出经典机器学习框架下有较好准确率。比较基于字的向量和基于词的向量的效果,得出基于字构建的古诗词向量具有较高准确率的结论。将深度学习方法进一步引入到研究中,分析各类神经网络的优劣,研究学界在自然语言处理实践中具有较好效果的神经网络架构,如Text CNN和Bi LSTM等,引入成熟的自然语言处理预训练模型如BERT等进行主题分类。构建了基于词向量的情绪字典匹配法进行情感分析。本文研究了古汉语和现代汉语在自然语言处理中的不同表现,分析了古诗词在分词、向量构造中的难点,通过字本位解决分词困难,通过研究从词向量到文档向量的映射直接构造文档向量。将自动识别算法应用于大量的未标注诗词,在得到的数据基础上开发出诗词意境分析与相似诗词推荐系统,用户输入一段诗句后就可以得到诗词意境的推断结果以及与其相似的诗词推荐,也可以通过主题和情感筛选分类查询数据库中的诗词。