根据词性分类的单词生成有意义的句子答案

【问题标题】：Meaningful sentence generation from words which are classified as per parts of speech根据词性分类的单词生成有意义的句子
【发布时间】：2016-08-23 01:35:48
【问题描述】：

我正在从事自然语言生成项目。我已经从段落中创建了词袋，例如名词、动词、形容词等我正在尝试生成模式主语+动词+宾语的句子。
示例：

名词：伊丽莎白，狗，埃菲尔铁塔，自行车
动词：唱歌、吠叫、闪耀
当前输出：伊丽莎白闪耀，埃菲尔铁塔吠叫，自行车唱歌..等
预期配对：伊丽莎白唱歌、狗吠、埃菲尔铁塔闪耀、自行车闪耀

主语和动词必须有关系才能造出有意义的句子。有什么方法可以建立名词和可能动词之间的关系以生成主语+动词模式？

另外，如果我们有动词，那么使用输入语料库找到可能的对象来生成新的有意义的句子？
示例：

动词：骑马，阅读
对象：马、自行车、书籍、小说。
预期配对：骑马、骑自行车、看书、看小说。

【问题讨论】：

标签： python nlp nlg

【解决方案1】：

让我们这样想。某些行为，例如吠叫和唱歌，只能由有生命的生物来完成，例如自行车，一个没有生命的物体，不能唱歌。此外，吠叫是由动物完成的，即，人类不可能是做出吠叫行为的人。因此，让我们为每个组成部分定义某些特征。例如：

eli = {'CAT': 'N', 'ORTH': 'Elizabeth', 'FEAT':'human'}
dog = {'CAT': 'N', 'ORTH': 'dog', 'FEAT':'animal'}
eiffel = {'CAT': 'N', 'ORTH': 'Eiffel Tower', 'FEAT':'inanimate'}
bike = {'CAT': 'N', 'ORTH': 'Bike', 'FEAT':'inanimate'}

nouns = [eli, dog, eiffel, bike]

sings = {'CAT': 'V', 'ORTH': 'sings', 'FEAT':'human'}
barks = {'CAT': 'V', 'ORTH': 'barks', 'FEAT':'animal'}
shines = {'CAT': 'V', 'ORTH': 'shines', 'FEAT':'inanimate'}

verbs = [sings, barks, shines]

# Our sentence pattern is: noun + verb + noun

for n in nouns:
    for v in verbs:
        if n['FEAT'] == v['FEAT']:
            print('{} {}'.format(n['ORTH'], v['ORTH']))

当你运行它时，你会得到：

>>> 
Elizabeth sings
dog barks
Eiffel Tower shines
Bike shines
>>>

将动词与合适的对象配对也是如此。您只需为您的配对分配适当的功能。

【讨论】：

【解决方案2】：

查看 Nate Chambers 以"narrative schemas" 为名的作品集。他做你想做的事。

This 也可能是相关的。

【讨论】：