python自动生成鸡汤文_用20行Python代码生成鸡汤，打造AI咪蒙指日可待。

作者：Ramtin Alami

“Don’t think of the overwhelming majority of the impossible.” “不要去想不可能之事” “Grew up your bliss and the world.” “努力赢得自己的幸福和世界” “what we would end create, creates the ground and you are the one to warm it” “我们想要结束的创造却造就了大地，唯你抱以温情” “look and give up in miracles” “仰望奇迹，放弃幻想”

但其实上面这些鸡汤句子全都是电脑生成的，而且其生成鸡汤文所用的程序还不到 20 行 Python 代码。

一提到自然语言生成，人们通常会觉得这一定是很先进的 AI 系统，使用了很高级的数学知识。但是，事实并非如此。在本文我(作者 Ramtin Alami——译者注)会用马尔科夫链(Markov chains)和一个很小的鸡汤文数据集生成新的鸡汤文。

马尔科夫链

马尔科夫链是一种随机模型，能根据先前的事件单独预测一个事件。举个简单的例子，就用我家喵主子的生活状态转换解释一下吧。我家喵主子总是要么吃、要么睡、要么玩玩具。她大部分时间都是在睡觉，但是偶尔会睡醒起来用膳。通常，用膳过后她会倍儿精神，开始玩玩具，玩够了就回去睡，然后再睡醒去吃。

用马尔科夫链就能很容易地模拟出我家喵主人的生活状态，因为她会根据之前的状态决定下一步去干嘛。她一般不会醒来后直接去玩玩具，但是吃完东西后，有很大概率去玩一会。这些生活状态转换也可以用图表的形式表现出来：

每个循环是一个生活状态，箭头所指的是下一个生活状态，箭头旁边的数字是指她从一种状态转到另一种状态的可能性。我们可以看到，状态转换的可能性基本上只根据上一种生活状态。

使用马尔科夫链生成文本

使用马尔科夫链生成文本也是采用了相同的理念，努力找到一个词出现在另一个词后面的概率。为了确认这些转换的可能性，我们用一些例句训练模型。

例如，我们使用下面这些句子训练模型：

我喜欢吃苹果(I like to eat apples)。你吃橘子(You eat oranges)。

从上面这两个训练句子，我们可以总结出“I”(我)，“like”(喜欢)和“eat”(吃)总是以相同的顺序出现，而“you”(你)和“eat”(吃)一直连在一起。但是“orange”(橘子)和“apples”(苹果)出现在词汇“eat”(吃)后面的几率是相等的。下面这个转换图表能更好地显示我上面讲的这一堆：

这两个训练句子能够生成两个新的句子，但是情况不总是这样。我用下面这四个句子训练了另一个模型，结果大不相同：

我朋友做出的树莓派在镇上最好(my friend makes the best raspberry pies in town)。我觉得苹果派最好(i think apple pies are the best pies)。史蒂夫觉得苹果做出的电脑在世界上最好(steve thinks apple makes the best computers in the world)。我有两台电脑，它们不是苹果电脑，因为我既不是史蒂夫也不是大款(I own two computers and they’re not apple because I am not steve or rich)。

用这四个句子训练的模型的转换图表会大得多。

虽然图表和典型的马尔科夫链转换图表看起来大不一样，但两者背后的主要理念是一样的。

从起始节点开始的路径会随机选取接下来的词，一直到终端节点。词语之间相连路径的宽度表示词汇被选取的概率。

虽然只用四个句子训练，上面的模型却能够生成几百个不同的句子。

代码

上面这个文本生成器的代码非常简单，除了Python的随机模块，不需要任何额外的模块或程序库。代码包含两部分，一个用来训练，另一个用来生成。

训练

训练代码构造了我们稍后会用来生成鸡汤句的模型。我用了一个词典作为模型，其包含一些词汇作为关键点，还有一列可能跟随词作为对应值。例如，用上面“我喜欢吃苹果”(‘I like to eat apples’)和“你吃橘子”(You eat oranges)这两个句子训练的模型的词典会是这样：

{'START': ['i', 'you'], 'i': ['like'], 'like': ['to'], 'to': ['eat'], 'you': ['eat'], 'eat': ['apples', 'oranges'], 'END': ['apples', 'oranges']}

我们不需要计算跟随词出现的概率，因为如果它们出现的概率较高，那么它们会在可能跟随词列表中多次出现。例如，如果我们想另外添加训练句子“我们吃苹果”(‘we eat apples’)，词汇“苹果”(‘apples’)已经在两个句子中出现在词汇“吃”(eat)后面，那么它出现的概率就会很高。在该模型的词典中，如果在“吃”(eat)列表中出现两次就属于出现概率较高。

{'START': ['i', 'we', 'you'], 'i': ['like'], 'like': ['to'], 'to': ['eat'], 'you': ['eat'], 'we': ['eat'], 'eat': ['apples', 'oranges', 'apples'], 'END': ['apples', 'oranges', 'apples']}

另外，在上面的模型词典中还有两个术语：“起始”(START)和“结束”(END)，它们表示一个生成的句子的起始词和结束词。

for line in dataset_file:

line = line.lower().split()

for i, word in enumerate(line):

if i == len(line)-1:

model['END'] = model.get('END', []) + [word]

else:

if i == 0:

model['START'] = model.get('START', []) + [word]

model[word] = model.get(word, []) + [line[i+1]]

生成鸡汤句

生成器部分包含一个循环。它首先会选取一个随机的起始词并将其添加至一个列表，然后会在词典中所搜包含潜在跟随词的列表，并随机选取一个列表，将新的选取的词添加至该列表。生成器会一直选择随机的潜在跟随词直到找到结束词，然后会停止循环，输出生成的句子或所谓的“名言”。