牛逼了，用Python写个会做诗的机器人
|
上一次的谈天呆板人，各人存眷度很是的高，阅读量破万了(不到20行代码，用Python做一个智能谈天呆板人)，通过简朴的代码就能实现一个简朴的谈天呆板人，本日小编就教育各人，操作天然说话处理赏罚技能和谈天呆板人团结，做一个自动做诗的谈天呆板人。 1.道理先容 起首，让呆板自动做诗，就必要运用天然说话处理赏罚的本领，让呆板可以或许学会领略“诗句”，进而做出我们必要的诗句。怎样让呆板“领略”诗句呢?我们用到了深度进修中的黑白期影象收集(LSTM)。有点晕，不要急，我们后头会用白话给各人表明。 LSTM是轮回神经收集(RNN)的一种变形，RNN可以或许很好的办理天然说话处理赏罚的使命，可是对付长依靠的句子示意却不是很好，譬喻：
上面的例子中后头行使“was”照旧“were”取决于前面的单复数情势，可是因为“was”间隔“dog”间隔过长，以是RNN并不可以或许很好的办理这个题目。 为了办理上述的题目，便引入了LSTM，为了越发直观的表明，我这里引入一个不是很适当的例子: 好比我们正在看一场影戏，我们可以或许通过镜头的切换来相识故事的盼望。并且跟着故事的成长，我们会知道某些主角的性格，年数，兴趣等等，这些都不会跟着镜头的切换而立马被遗忘，这些就是恒久影象，而当故事产生在某个特定的场景下，好比下面乐陶陶的这张图： 通过我们对付这部动漫的恒久影象，我们知道这是乐陶陶在思索，而在这个镜头中，我们操作到了恒久影象中关于“乐陶陶思索举措”的影象，而在该镜头下必要被用到的恒久影象就被称为“事变影象”。 2.白话表明LSTM 那么LSTM是怎样事变的呢? 1).起首得让LSTM学会忘记 好比，当一个镜头竣事后，LSTM应该健忘该镜头的位置，时刻，可能说健忘该镜头的全部信息。可是假如产生某一演员领了盒饭的工作，那么LSTM就应该记着这小我私人已经领盒饭了，这也跟我们寓目影片一样，我们会选择健忘一些影象，而保存我们必要的影象。以是LSTM应该有手段知道当有新的镜头输入时，什么该记着，什么该健忘。 2).其次是添加保存机制 当LSTM输入新的镜头信息时，LSTM应该去进修什么样的信息值得行使和生涯。然后是按照前面的两条，当有新的镜头输入时，LSTM会忘记那些不必要的恒久影象，然后进修输入镜头中哪些值得行使，并将这些生涯到恒久影象傍边。 3).最后是必要知道恒久影象的哪些点要被当纵然用 好比，我们看到影片傍边有小我私人在写对象，那么我们也许会挪用年数这个恒久影象(小门生也许在写功课，而大人也许再写文案)，可是年数信息跟当前的场景也许不相干。 4).因此LSTM只是进修它必要存眷的部门，而不是一次行使全部的影象。因此LSTM可以或许很好的办理上述的题目。下图是对付LSTM的一个很形象的展示： 3.拭魅战呆板人 下面即是拭魅战的环节，固然LSTM结果很是精彩，可是仍然必要对付数据的预处理赏罚事变，LSTM必要将每个诗句处理赏罚成沟通的长度，并且必要将汉字转换成为数字情势。那么怎样举办预处理赏罚呢，首要分为3步 :
上述的代码中首要完成了下面几步: 1).起首是读入数据，并将句长大于100的举办缩减，删掉100个字符后头的部门。 2).然后在每个句子的开头和末了插手‘^’和‘$’作为句子的符号。对付句长小于MIN_LENGTH的直接删除 3).最后将处理赏罚好的诗句，举办字数的统计，统计每个字呈现的次数，并凭证呈现的次数作为每个汉字的id。 对付数据预处理赏罚部门的代码，我都举办了注释，利便各人举办领略，对付我们对付数据处理赏罚，以及python语句的领略都有极大的辅佐。 模子的实习，必要确保电脑中已经设置了tensorflow和numpy库。当模子实习完成后，我们可以直接对付模子举办挪用，嵌入到我们的谈天呆板人措施中，来实现我们的谈天呆板人(对付谈天呆板人的先容，可以参照文末汗青文章)。 下面是部门代码的展示： 4. 结果展示 说了这么多，我们来看一些实习完的呆板人作诗的结果 在图A中展示了做诗呆板人结果，呆板人输出“请输入藏头诗提醒：”，当我们输入藏头诗提醒时，呆板人便会做出切合我们要求的藏头诗。 在图B中展示了有“*”字符存在的环境，虽然因为中汉文化的博大博识，也受制于实习资料的限定，当我们的藏头诗提醒中存在没有在实习资料里呈现的字符时，呆板人便会提醒该字符不在字典中， 在如图C中赤色标识出来的部门，会处理赏罚非常的环境，提醒不在字典中! 【责任编辑：庞桂玉 TEL：（010）68476606】点赞 0 （编辑：河北网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
