1. 首页
  2. IT资讯

使用Python生成基于马尔可夫链的伪随机文本

英文原文: Generating pseudo random text with Markov chains using Python

前言

首先看一下来自Wolfram的定义

马尔可夫链是随机变量{X_t}的集合(t贯穿0,1,…),给定当前的状态,未来与过去条件独立。

Wolfram的定义更清楚一点儿

…马尔可夫链是具有马尔可夫性质的随机过程…[这意味着]状态改变是概率性的,未来的状态仅仅依赖当前的状态。

马尔可夫链具有多种用途,现在让我看一下如何用它生产看起来像模像样的胡言乱语。

算法如下,

找一个作为语料库的文本,语料库用于选择接下来的转换。

从文本中两个连续的单词开始,最后的两个单词构成当前状态。

生成下一个单词的过程就是马尔可夫转换。为了生成下一个单词,首先查看语料库,查找这两个单词之后跟着的单词。从它们中随机选择一个。

重复2,直到生成的文本达到需要的大小。

代码如下:


webp

学习从来不是一个人的事情,要有个相互监督的伙伴,工作需要学习python或者有兴趣学习python的伙伴可以私信回复小编“学习” 获取资料,一起学习

webp

为了看到一个示例结果,我们从古腾堡计划中拿了沃德豪斯的《My man jeeves》作为文本,示例结果如下。

webp

马尔可夫算法怎样呢?

最后两个单词是当前状态。

接下来的单词仅仅依赖最后两个单词,也就是当前状态。

接下来的单词是从语料库的统计模型中随机选择的。

这是一个示例文本。

webp

这个文本对应的语料库像这样,

webp

现在如果我们从”brown fox”开始,接下来的单词可以是”jumps”或者”who”。如果我们选择”jumps”,然后当前的状态就变成了”fox jumps”,再接下的单词就是”over”,之后依此类推。

提示

我们选择的文本越大,每次转换的选择更多,生成的文本更好看。

状态可以设置为依赖一个单词、两个单词或者任意数量的单词。随着每个状态的单词数的增加,生成的文本更不随机。

不要去掉标点符号等。它们会使语料库更具代表性,随机文本更好看。

来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/69912078/viewspace-2641303/,如需转载,请注明出处,否则将追究法律责任。

转载于:http://blog.itpub.net/69912078/viewspace-2641303/

  • 点赞
  • 收藏
  • 分享

    • 文章举报

使用Python生成基于马尔可夫链的伪随机文本 使用Python生成基于马尔可夫链的伪随机文本
colours2009
发布了0 篇原创文章 · 获赞 2 · 访问量 3020

私信 关注

原文始发于:使用Python生成基于马尔可夫链的伪随机文本

主题测试文章,只做测试使用。发布者:sys234,转转请注明出处:http://www.cxybcw.com/68691.html

联系我们

13687733322

在线咨询:点击这里给我发消息

邮件:1877088071@qq.com

工作时间:周一至周五,9:30-18:30,节假日休息

QR code