4

私は、マルコフ連鎖を使用せずにランダムテキストジェネレーターに取り組んでおり、現在、あまり問題なく動作しています。まず、私のコードフローは次のとおりです。

  1. 入力として文を入力 - これはトリガー文字列と呼ばれ、変数に割り当てられます -

  2. トリガー文字列で最も長い単語を取得する

  3. Project Gutenberg データベースで、この単語 -regardless of uppercase Lowercase- を含む文を検索します。

  4. ステップ 3 で話した単語を含む最も長い文を返します

  5. ステップ 1 とステップ 4 の文を一緒に追加します。

  6. ステップ 4 のセンテンスを新しい「トリガー」センテンスとして割り当て、プロセスを繰り返します。2番目の文で最も長い単語を取得し、そのように続ける必要があることに注意してください-

そして、ここに私のコードがあります:

import nltk
from nltk.corpus import gutenberg
from random import choice

triggerSentence = raw_input("Please enter the trigger sentence: ")#get input str
longestLength = 0
longestString = ""
listOfSents = gutenberg.sents() #all sentences of gutenberg are assigned -list of  list format-
listOfWords = gutenberg.words()# all words in gutenberg books -list format-

while triggerSentence:
    #so this is run every time through the loop
    split_str = triggerSentence.split()#split the sentence into words

    #code to find the longest word in the trigger sentence input
    for piece in split_str:
        if len(piece) > longestLength:
            longestString = piece
            longestLength = len(piece)

    #code to get the sentences containing the longest word, then selecting
    #random one of these sentences that are longer than 40 characters
    sets = []
    for sentence in listOfSents:
        if sentence.count(longestString):
            sents= " ".join(sentence)
            if len(sents) > 40:
            sets.append(" ".join(sentence))

    triggerSentence = choice(sets)
    print triggerSentence

私の懸念は、ループがほとんどの場合、同じ文が何度も何度も印刷されるポイントに到達することです。最長の単語を持つのは最長の文だからです。同じ文が何度も繰り返されることに対抗するために、私は次のことを考えました。

*現在の文の最も長い単語が最後の文と同じ場合は、現在の文からこの最も長い単語を削除して、次に長い単語を探します。

このためにいくつかの実装を試みましたが、リストとリストのリストが含まれているため、上記の解決策を適用できませんでした-gutenbergモジュールの単語と文が原因です. 2 番目に長い単語を見つける方法について何か提案はありますか? NLTK の Gutenberg モジュールの .sents() および .words() 関数はそれぞれリストとリストのリストを生成するため、単純な文字列入力の解析ではこれを行うことができないようです。前もって感謝します。

4

2 に答える 2

1

いくつかの提案された改善：

  1. whileループは永久に実行されます。おそらく削除する必要があります。
  2. maxジェネレータ式を使用して、メモリ効率の高い方法で最長の単語を生成します。

  3. longestWordリスト内包表記を含む40文字を超える長さの文のリストを生成する必要があります。これは、発生するだけなので、whileループからも削除する必要があります。

    送信=[" ".join(sent) for sent in listOfSents if longestWord in sent and len(sent) > 40]

  4. ランダムな順序で見つかったすべての文を印刷したい場合は、作成したリストをシャッフルしてみてください。

    for sent in random.shuffle(sents): print sent

これらの変更でコードがどのように見えるかを次に示します。

import nltk
from nltk.corpus import gutenberg
from random import shuffle

listOfSents = gutenberg.sents()
triggerSentence = raw_input("Please enter the trigger sentence: ")

longestWord = max(triggerSentence.split(), key=len)
longSents = [" ".join(sent) for sent in listOfSents 
                 if longestWord in sent 
                 and len(sent) > 40]

for sent in shuffle(longSents):
    print sent
于 2010-10-11T06:18:56.303 に答える
1

必要なのはランダムなテキストを生成することだけである場合 (意味のある文が含まれている必要があると思います)、はるかに簡単に行うことができます: 乱数を生成し、それらをインデックスとして使用して、テキスト データベースから文を取得します (プロジェクト グーテンベルクまたはなんでもいい）。

于 2010-10-20T09:41:44.873 に答える