久久精品国产亚洲高清|精品日韩中文乱码在线|亚洲va中文字幕无码久|伊人久久综合狼伊人久久|亚洲不卡av不卡一区二区|精品久久久久久久蜜臀AV|国产精品19久久久久久不卡|国产男女猛烈视频在线观看麻豆

    1. <style id="76ofp"></style>

      <style id="76ofp"></style>
      <rt id="76ofp"></rt>
      <form id="76ofp"><optgroup id="76ofp"></optgroup></form>
      1. 千鋒教育-做有情懷、有良心、有品質(zhì)的職業(yè)教育機(jī)構(gòu)

        手機(jī)站
        千鋒教育

        千鋒學(xué)習(xí)站 | 隨時(shí)隨地免費(fèi)學(xué)

        千鋒教育

        掃一掃進(jìn)入千鋒手機(jī)站

        領(lǐng)取全套視頻
        千鋒教育

        關(guān)注千鋒學(xué)習(xí)站小程序
        隨時(shí)隨地免費(fèi)學(xué)習(xí)課程

        當(dāng)前位置:首頁(yè)  >  技術(shù)干貨  > Python實(shí)現(xiàn)文章自動(dòng)生成

        Python實(shí)現(xiàn)文章自動(dòng)生成

        來(lái)源:千鋒教育
        發(fā)布人:xqq
        時(shí)間: 2023-11-06 23:13:31 1699283611

        下面的Python程序?qū)崿F(xiàn)了通過(guò)從網(wǎng)頁(yè)抓取一篇文章,然后根據(jù)這篇文章來(lái)生成新的文章,這其中的原理就是基于概率統(tǒng)計(jì)的文本分析。

        過(guò)程大概就是網(wǎng)頁(yè)抓取數(shù)據(jù)->統(tǒng)計(jì)分析->生成新文章。網(wǎng)頁(yè)抓取數(shù)據(jù)是通過(guò)BeautifulSoup庫(kù)來(lái)抓取網(wǎng)頁(yè)上的文本內(nèi)容。統(tǒng)計(jì)分析這個(gè)首先需要使用ngram模型來(lái)把文章進(jìn)行分詞并統(tǒng)計(jì)頻率。因?yàn)槲恼律芍饕罁?jù)馬爾可夫模型,所以使用了2-gram,這樣可以統(tǒng)計(jì)出一個(gè)單詞出現(xiàn)在另一個(gè)單詞后的概率。生成新文章是基于分析大量隨機(jī)事件的馬爾可夫模型。隨機(jī)事件的特點(diǎn)是在一個(gè)離散事件發(fā)生之后,另一個(gè)離散事件將在前一個(gè)事件的條件下以一定的概率發(fā)生。

        fromurllib.requestimporturlopen

        fromrandomimportrandint

        frombs4importBeautifulSoup

        importre

        defwordListSum(wordList):

        sum=0

        forword,valueinwordList.items():

        sum=sum+value

        returnsum

        defretrieveRandomWord(wordList):

        randomIndex=randint(1,wordListSum(wordList))

        forword,valueinwordList.items():

        randomIndex-=value

        ifrandomIndex<=0:

        returnword

        defbuildWordDict(text):

        text=re.sub('(\n|\r|\t)+',"",text)

        text=re.sub('\"',"",text)

        punctuation=[',','.',';',':']

        forsymbolinpunctuation:

        text=text.replace(symbol,""+symbol+"")

        words=text.split('')

        words=[wordforwordinwordsifword!=""]

        wordDict={}

        foriinrange(1,len(words)):

        ifwords[i-1]notinwordDict:

        wordDict[words[i-1]]={}

        ifwords[i]notinwordDict[words[i-1]]:

        wordDict[words[i-1]][words[i]]=0

        wordDict[words[i-1]][words[i]]=wordDict[words[i-1]][words[i]]+1

        returnwordDict

        defrandomFirstWord(wordDict):

        randomIndex=randint(0,len(wordDict))

        returnlist(wordDict.keys())[randomIndex]

        html=urlopen("http://www.guancha.cn/america/2017_01_21_390488_s.shtml")

        bsObj=BeautifulSoup(html,"lxml")

        ps=bsObj.find("div",{"id":"cmtdiv3523349"}).find_next_siblings("p");

        content=""

        forpinps:

        content=content+p.get_text()

        text=bytes(content,"UTF-8")

        text=text.decode("ascii","ignore")

        wordDict=buildWordDict(text)

        length=100

        chain=""

        currentWord=randomFirstWord(wordDict)

        foriinrange(0,length):

        chain+=currentWord+""

        currentWord=retrieveRandomWord(wordDict[currentWord])

        print(chain)

        buildWordDict(text)函數(shù)接收文本內(nèi)容,生成的內(nèi)容如下

        {‘itself’:{‘,’:1},‘night’:{‘sky’:1},‘You’:{‘came’:1,‘will’:1},‘railways’:{‘a(chǎn)ll’:1},‘government’:{‘while’:1,‘,’:1,‘is’:1},‘you’:{‘now’:1,‘open’:1,‘down’:1,‘with’:1,‘.’:6,‘,’:1,‘that’:1},

        主要就是生成一個(gè)字典,鍵是文章中所有出現(xiàn)的詞語(yǔ),值其實(shí)也是一個(gè)字典,這個(gè)字典是所有直接出現(xiàn)在鍵后邊的詞語(yǔ)及其出現(xiàn)的頻率。這個(gè)函數(shù)就是ngram模型思想的運(yùn)用。

        retrieveRandomWord(wordList)函數(shù)的wordList代表的是出現(xiàn)在上一個(gè)詞語(yǔ)后的詞語(yǔ)列表及其頻率組成的字典,然后根據(jù)統(tǒng)計(jì)的概率隨機(jī)生成一個(gè)詞。這個(gè)函數(shù)是馬爾可夫模型的思想運(yùn)用。

        然后運(yùn)行這個(gè)程序會(huì)生成一個(gè)長(zhǎng)度為100的文章,如下面所示

        fail.Wewillstirourselves,butwewillneverbefore.Donotshareoneheartandpleasantitbackourjobs.Weareinfusedwiththeorderlyandrailwaysallofthegangsandrobbedourjobsfortheirsuccesswilldeterminethecivilizedworld.Wewilltheirsuccesswillbeagreatmenandhighwaysandmillionstoallbleedtheworld.Itbelongstogreatnationalefforttodefendourproducts,constantlycomplaining,D.Wewillbeignoredagain.ItbelongstoharnesstheexpenseofAmerica.

        生成的文章看起來(lái)語(yǔ)法混亂,這也難怪,因?yàn)橹皇亲ト》治鼋y(tǒng)計(jì)了一篇的文章。我想如果可以抓取足夠多的英文文章,數(shù)據(jù)集足夠大那么語(yǔ)法準(zhǔn)確度會(huì)大大提高。

        以上內(nèi)容為大家介紹了Python實(shí)現(xiàn)文章自動(dòng)生成,希望對(duì)大家有所幫助,如果想要了解更多Python相關(guān)知識(shí),請(qǐng)關(guān)注IT培訓(xùn)機(jī)構(gòu):千鋒教育。http://m.2667701.com/

        聲明:本站稿件版權(quán)均屬千鋒教育所有,未經(jīng)許可不得擅自轉(zhuǎn)載。
        10年以上業(yè)內(nèi)強(qiáng)師集結(jié),手把手帶你蛻變精英
        請(qǐng)您保持通訊暢通,專屬學(xué)習(xí)老師24小時(shí)內(nèi)將與您1V1溝通
        免費(fèi)領(lǐng)取
        今日已有369人領(lǐng)取成功
        劉同學(xué) 138****2860 剛剛成功領(lǐng)取
        王同學(xué) 131****2015 剛剛成功領(lǐng)取
        張同學(xué) 133****4652 剛剛成功領(lǐng)取
        李同學(xué) 135****8607 剛剛成功領(lǐng)取
        楊同學(xué) 132****5667 剛剛成功領(lǐng)取
        岳同學(xué) 134****6652 剛剛成功領(lǐng)取
        梁同學(xué) 157****2950 剛剛成功領(lǐng)取
        劉同學(xué) 189****1015 剛剛成功領(lǐng)取
        張同學(xué) 155****4678 剛剛成功領(lǐng)取
        鄒同學(xué) 139****2907 剛剛成功領(lǐng)取
        董同學(xué) 138****2867 剛剛成功領(lǐng)取
        周同學(xué) 136****3602 剛剛成功領(lǐng)取
        相關(guān)推薦HOT
        西贡区| 肇庆市| 台前县| 玉田县| 南江县| 景宁| 鄄城县| 潞西市| 苗栗县| 沂水县| 文化| 凌海市| 开封市| 泰顺县| 陈巴尔虎旗| 淅川县| 望城县| 五峰| 金沙县| 达孜县| 莒南县| 滕州市| 吉木萨尔县| 楚雄市| 西贡区| 曲水县| 焉耆| 昭苏县| 韶山市| 周至县| 西乌珠穆沁旗| 安庆市| 通化县| 阜新市| 洛川县| 十堰市| 吉安县| 石泉县| 大厂| 铜梁县| 响水县|