在Python上基于Markov鏈生成偽隨機文本的教程

更新時間：2015年04月17日 14:54:21 投稿：goldensun

這篇文章主要介紹了在Python上基于Markov鏈生成偽隨機文本的教程,是一個基于馬爾可夫算法的小實現(xiàn),充分體現(xiàn)了Python在科學(xué)計算中的用途,需要的朋友可以參考下

首先看一下來自Wolfram的定義

馬爾可夫鏈是隨機變量{X_t}的集合（t貫穿0,1,...），給定當前的狀態(tài)，未來與過去條件獨立。

Wikipedia的定義更清楚一點兒

...馬爾可夫鏈是具有馬爾可夫性質(zhì)的隨機過程...[這意味著]狀態(tài)改變是概率性的，未來的狀態(tài)僅僅依賴當前的狀態(tài)。

馬爾可夫鏈具有多種用途，現(xiàn)在讓我看一下如何用它生產(chǎn)看起來像模像樣的胡言亂語。

算法如下,

找一個作為語料庫的文本，語料庫用于選擇接下來的轉(zhuǎn)換。
從文本中兩個連續(xù)的單詞開始，最后的兩個單詞構(gòu)成當前狀態(tài)。
生成下一個單詞的過程就是馬爾可夫轉(zhuǎn)換。為了生成下一個單詞，首先查看語料庫，查找這兩個單詞之后跟著的單詞。從它們中隨機選擇一個。
重復(fù)2，直到生成的文本達到需要的大小。

代碼如下

import random
 
class Markov(object):
  
 def __init__(self, open_file):
  self.cache = {}
  self.open_file = open_file
  self.words = self.file_to_words()
  self.word_size = len(self.words)
  self.database()
   
  
 def file_to_words(self):
  self.open_file.seek(0)
  data = self.open_file.read()
  words = data.split()
  return words
   
  
 def triples(self):
  """ Generates triples from the given data string. So if our string were
    "What a lovely day", we'd generate (What, a, lovely) and then
    (a, lovely, day).
  """
   
  if len(self.words) < 3:
   return
   
  for i in range(len(self.words) - 2):
   yield (self.words[i], self.words[i+1], self.words[i+2])
    
 def database(self):
  for w1, w2, w3 in self.triples():
   key = (w1, w2)
   if key in self.cache:
    self.cache[key].append(w3)
   else:
    self.cache[key] = [w3]
     
 def generate_markov_text(self, size=25):
  seed = random.randint(0, self.word_size-3)
  seed_word, next_word = self.words[seed], self.words[seed+1]
  w1, w2 = seed_word, next_word
  gen_words = []
  for i in xrange(size):
   gen_words.append(w1)
   w1, w2 = w2, random.choice(self.cache[(w1, w2)])
  gen_words.append(w2)
  return ' '.join(gen_words)

為了看到一個示例結(jié)果，我們從古騰堡計劃中拿了沃德豪斯的《My man jeeves》作為文本，示例結(jié)果如下。

In [1]: file_ = open('/home/shabda/jeeves.txt')
 
In [2]: import markovgen
 
In [3]: markov = markovgen.Markov(file_)
 
In [4]: markov.generate_markov_text()
Out[4]: 'Can you put a few years of your twin-brother Alfred,
who was apt to rally round a bit. I should strongly advocate
the blue with milk'

[如果想執(zhí)行這個例子，請下載jeeves.txt和markovgen.py
馬爾可夫算法怎樣呢？

最后兩個單詞是當前狀態(tài)。
接下來的單詞僅僅依賴最后兩個單詞，也就是當前狀態(tài)。
接下來的單詞是從語料庫的統(tǒng)計模型中隨機選擇的。

這是一個示例文本。

復(fù)制代碼代碼如下:

"The quick brown fox jumps over the brown fox who is slow jumps over the brown fox who is dead."

這個文本對應(yīng)的語料庫像這樣，

{('The', 'quick'): ['brown'],
 ('brown', 'fox'): ['jumps', 'who', 'who'],
 ('fox', 'jumps'): ['over'],
 ('fox', 'who'): ['is', 'is'],
 ('is', 'slow'): ['jumps'],
 ('jumps', 'over'): ['the', 'the'],
 ('over', 'the'): ['brown', 'brown'],
 ('quick', 'brown'): ['fox'],
 ('slow', 'jumps'): ['over'],
 ('the', 'brown'): ['fox', 'fox'],
 ('who', 'is'): ['slow', 'dead.']}

現(xiàn)在如果我們從"brown fox"開始，接下來的單詞可以是"jumps"或者"who"。如果我們選擇"jumps"，然后當前的狀態(tài)就變成了"fox jumps"，再接下的單詞就是"over"，之后依此類推。

提示