ソース データに基づいてランダムな単語を生成するためにマルコフ連鎖を使用する例を数多く見てきましたが、それらは少し機械的で抽象的すぎるように思えることがよくあります。より良いものを開発しようとしています。
問題の一部は、ペアの全体的な統計的発生に完全に依存しており、単語が特定の方法で開始および終了する傾向を無視していることにあると思います. たとえば、上位 1000 人の赤ちゃんの名前をソース データとして使用する場合、J という文字は全体的には比較的まれですが、名前の最初の文字として 2 番目に多い文字です。または、ラテン語のソース データを使用している場合、-um や -us などの語尾は一般的な語尾になりますが、すべてのペアを同じと見なすと、それほど一般的ではありません。
したがって、基本的には、ソース データで単語が開始および終了する方法を考慮した、マルコフ連鎖ベースの単語ジェネレータをまとめようとしています。
概念的には理解できますが、ソフトウェアの観点からこれを実装する方法がわかりません。ソース データ (たとえば、1000 語のリスト) をドロップして、現実的な開始、中間、終了のさまざまなランダムな単語を生成できる小さな PHP ツールをまとめようとしています。(ほとんどのマルコフベースの単語ジェネレーターとは対照的に、ペア全体の統計的発生にのみ基づいています。)
可能であれば、ソースデータによって決定される語長でこれを行いたいと思います。つまり、ランダムに生成された単語の長さの内訳は、ソース データの長さの内訳とほぼ同じである必要があります。
どんなアイデアでも大歓迎です！ありがとう。