随着互联网的发展和生活节奏的加快,人们每天都在生成和处理大量文本信息。一方面,面对海量的文本信息,人们需要高效地从中提取最重要的信息从而避免时间上的浪费;另一方面,很多工作,例如新闻报道,需要快速地产生文本从而能够将信息及时传递出去。如果机器能够自动产生满足上述需求的文本,将会大大节省人力和物力。因此,文本自动生成的研究具有重要的意义。本文主要研究了基于神经网络的文本自动生成技术,并将其应用于中文古诗领域,提出了古诗题目自动生成模型和古诗内容自动生成模型。本文提出的古诗题目自动生成模型能够在给定古诗内容的情况下端到端地自动生成与其语义相关的题目。首先,利用词向量模型,将古诗内容表示为矩阵;然后,利用卷积神经网络,将矩阵编码成向量;最后,利用循环神经网络,按字生成古诗题目。其中,为了同时捕捉古诗内容中的句内语义相关性和句间语义相关性,本文在卷积神经网络中设计了两种卷积核,一种每次覆盖一句话之内相邻的两个字,另一种每次覆盖相邻两句话之间相同位置的两个字。实验结果表明,相比于均使用循环神经网络的模型,本文提出的模型能够更准确地捕捉古诗内容中的语义含义,进而生成更加语义相关的题目。本文提出的古诗内容自动生成模型能够在给定关键词的情况下端到端地自动生成与其语义相关的古诗内容。首先,将输入关键词扩充并利用语言模型生成古诗首句;然后,利用卷积操作和循环神经网络,将已经生成的诗句编码成向量;最后,利用循环神经网络,生成古诗的下一句话。其中,为了使生成的古诗主题与关键词更加相关,本文将关键词向量化表示,并将其作为循环神经网络的输入生成古诗的每句话。实验结果表明,相比于传统的机器写诗模型,本文提出的模型能够生成与输入关键词更加语义相关的古诗。