【发布时间】:2013-09-03 19:14:31
【问题描述】:
我想生成与markov chain approach would do 类似的看似合理(或不太合理也可以)的无意义文本,但我希望生成文本的名词和动词来自与分析文本不同的来源.
因此,例如,假设文本 1 来自 Little Red Riding Hood,而我的名词/动词列表类似于此处列出的列表:nouns、verbs。我正在寻找一种将文本 1 中的部分/全部名词/动词替换为新名词/动词的方法。然后我会从混搭中生成一个新文本(可能使用马尔可夫链方法)。
我猜我需要对文本 1 进行某种初始语法分析,然后可能与插入名词/动词列表的适当编码词进行交换?
【问题讨论】:
-
在可能的解决方案上取得了一些进展。现在我正在考虑使用自然语言工具包(NLTK)来标记和标记源文本。那么我会看到,一旦我标记了名词和动词,我是否可以通过编程将我自己的一组名词/动词替换为原始的。
标签: nlp artificial-intelligence markov-chains