我该如何进一步随机化这个文本生成器？

Question

我正在制作一个随机文本生成器——不使用马尔可夫链——目前它运行得还不错，能够生成我认为的很多随机句子，但我想让它更准确，尽量减少句子的重复。首先，这是我的代码流程：

输入一个句子作为起始句子——这个叫做触发字符串，赋值给一个变量。
找出触发字符串中最长的单词。
在古腾堡项目的数据库中搜索包含这个单词的句子——不管是大写还是小写。
返回包含我在第三步提到的单词的最长句子。
把第一步和第四步得到的句子合并在一起。
把第四步的句子作为新的“触发”句子，然后重复这个过程。注意，我需要在第二个句子中找出最长的单词，然后继续这样做。

这是我的代码：

import nltk

from nltk.corpus import gutenberg

from random import choice

import smtplib #will be for send e-mail option later

triggerSentence = raw_input("Please enter the trigger sentence: ")#get input str

longestLength = 0

longestString = ""

longestLen2 = 0

longestStr2 = ""

listOfSents = gutenberg.sents() #all sentences of gutenberg are assigned -list of list format-

listOfWords = gutenberg.words()# all words in gutenberg books -list format-

while triggerSentence:#run the loop so long as there is a trigger sentence
    sets = []
    sets2 = []
    split_str = triggerSentence.split()#split the sentence into words

    #code to find the longest word in the trigger sentence input
    for piece in split_str:
        if len(piece) > longestLength:
            longestString = piece
            longestLength = len(piece)





    #code to get the sentences containing the longest word, then selecting
    #random one of these sentences that are longer than 40 characters

    for sentence in listOfSents:
        if sentence.count(longestString):
            sents= " ".join(sentence)
            if len(sents) > 40:
                sets.append(" ".join(sentence))


    triggerSentence = choice(sets)
    print triggerSentence #the first sentence that comes up after I enter input-
    split_str = triggerSentence.split()

    for apiece in triggerSentence: #find the longest word in this new sentence
        if len(apiece) > longestLen2:
            longestStr2 = piece
            longestLen2 = len(apiece)
    if longestStr2 == longestString:
        second_longest = sorted(split_str, key=len)[-2]#this should return the second longest word in the sentence in case it's longest word is as same as the longest word of last sentence
    #print second_longest #now get second longest word if first is same
            #as longest word in previous sentence

        for sentence in listOfSents:
            if sentence.count(second_longest):
                sents = " ".join(sentence)
                if len(sents) > 40:
                    sets2.append(" ".join(sentence))
        triggerSentence = choice(sets2)
    else:
        for sentence in listOfSents:
            if sentence.count(longestStr2):
                sents = " ".join(sentence)
                if len(sents) > 40:
                sets.append(" ".join(sentence))
        triggerSentence = choice(sets)


    print triggerSentence

根据我的代码，一旦我输入一个触发句子，我应该得到另一个包含我输入的触发句子中最长单词的句子。然后这个新句子就变成了触发句子，接着再找出它的最长单词。这时候有时会出现问题。我观察到，尽管我在第47行到最后一行放置了代码，但算法仍然可能选择到相同的最长单词，而没有去寻找第二长的单词。

举个例子：

触发字符串 = "苏格兰是个不错的地方。"

句子1 = -这是一个包含苏格兰这个词的随机句子-

现在，这就是我代码中可能出现问题的地方——不管是出现在句子2、942，还是其他任何地方，我这里以句子2为例。

句子2 = 另一个包含苏格兰这个词的句子，但不是句子1中的第二长单词。根据我的代码，这个句子应该是包含句子1中第二长单词的某个句子，而不是苏格兰！

我该如何解决这个问题？我正在尽量优化代码，任何帮助都欢迎。

代码优化随机化数据库搜索单词查找随机文本生成器触发字符串句子合并重复句子

我该如何进一步随机化这个文本生成器？

1 个回答

撰写回答