开源项目 `chinese-poetry` 使用教程

2024-08-31 10:26:31作者：明树来

这个项目是一个精心整理的中文古诗词数据集，覆盖超过十万首唐宋经典诗词及其它古代文学作品，涉及近三千位古代诗人与词人。数据已优化为简体中文，统一格式便于理解和机器处理，特别适合用于构建高质量的古文诗词数据集以及开发各类基于AI的诗词生成应用。项目开放源代码，邀请大家共同完善，可通过提交改进或讨论问题参与贡献，一起探索古老文化的现代魅力。数据集亮点： - 包含107,891首唐诗与275,581首宋诗。 - 涵盖唐宋时代近14,000位诗人与宋代约1,500位词人的作品。 - 文本已转换为全简体，杂字符得到清理，结构化呈现。 - 格式统一，JSON键值对设计便于构建机器学习模型。 - 特别适用于char-RNN、Transformer等算法训练，实现个性化诗词创作。让我们携手推进传统文化与人工智能的融合，为世界展示中华诗词之美！

项目地址：https://gitcode.com/gh_mirrors/chin/chinese-poetry

1. 项目的目录结构及介绍

chinese-poetry/
├── README.md
├── ci
│   └── install.sh
├── json
│   ├── caocaoshiji.json
│   ├── chuci.json
│   ├── gushiwen.json
│   ├── lunyu.json
│   ├── shijing.json
│   ├── songs.json
│   ├── tangshi.json
│   ├── wudai.json
│   └── yuefu.json
├── scripts
│   ├── build.sh
│   ├── clean.sh
│   ├── install.sh
│   └── test.sh
└── src
    ├── main.py
    ├── config.py
    ├── utils.py
    └── data_loader.py

README.md: 项目说明文件。
ci/: 持续集成相关脚本。
json/: 包含各种古诗文数据的JSON文件。
scripts/: 项目构建、清理、安装和测试脚本。
src/: 项目源代码目录。

2. 项目的启动文件介绍

在 src 目录下，main.py 是项目的启动文件。该文件负责初始化配置、加载数据并启动应用程序。

# src/main.py

import config
from data_loader import DataLoader

def main():
    cfg = config.load_config()
    data_loader = DataLoader(cfg)
    data_loader.load_data()
    # 其他启动逻辑...

if __name__ == "__main__":
    main()

3. 项目的配置文件介绍

在 src 目录下，config.py 是项目的配置文件。该文件负责加载和管理项目的配置参数。

# src/config.py

import json

def load_config():
    with open('config.json', 'r') as f:
        config = json.load(f)
    return config

# 其他配置管理逻辑...

配置文件 config.json 通常包含数据库连接信息、日志级别、数据路径等配置参数。

{
    "database": {
        "host": "localhost",
        "port": 3306,
        "user": "root",
        "password": "password"
    },
    "log_level": "INFO",
    "data_path": "json/"
}