python文本反馈生成器

Question

我想做一个程序，阅读一个文件，并给我们反馈如何改进它例如一篇文章。到目前为止，我已经把这篇文章分成了导言、发展段落和结论等主要部分。我怎样才能做一个程序，可以给每个段落的反馈，以便用户能够改进它？这种类型的程序是可能的还是技术不够先进。机器学习将是最好的技术。到目前为止，代码并不多，但它是：

import nltk

def parse_essay(essay_filename):
    with open(essay_filename, 'r') as file:
        paragraphs = [x.strip('\n') for x in file.readlines() if x != '\n' and x != '\t\n']
        return paragraphs[0], paragraphs[1], paragraphs[2], paragraphs[3]

def get_introduction_feedback(text):
    sentences = nltk.tokenize.sent_tokenize(text)
    hook = ' '.join(sentences[:3])
    thesis = sentences[3]
    arguments = ' '.join(sentences[4:])

def get_development_feedback(text):
    pass

def get_conclusion_feedback(text):
    pass

if __name__ == '__main__':
    ESSAY = 'essay.txt'

    intro, dev1, dev2, conclusion = parse_essay(ESSAY)
    intro_feedback = get_introduction_feedback(intro)
    dev1_feedback = get_development_feedback(dev1)
    dev2_feedback = get_development_feedback(dev2)
    conclusion_feedback = get_conclusion_feedback(conclusion)

    print('Introduction:\n\n{}\n\nDevelopment 1:\n\n{}\n\nDevelopment 2:\n\n{}\n\nConclusion:\n\n{}'.format(intro_feedback, dev1_feedback, dev2_feedback, conclusion_feedback))

它使用的论文文件也是一篇4段的文章，其中第1段是引言，第2段和第3段是发展，第4段是结论。你知道吗

Answer 1

用简单的机器学习是一个很难解决的问题。论文将是非常领域特定的，你需要一个非常广泛的（和标签）论文数据库。你知道吗

一种无监督的方法可能是有用的，比如通过人工神经网络嵌入单词。你知道吗

你首先应该想到的是“我想解决什么问题？”或者“我想回答什么问题？”一旦你有了它，你就可以定义一个目标函数来使用ML进行优化，或者你在尝试回答这些问题时找到了另一个范例来使用。你知道吗