本文主要介绍如何通过预先设定好的语法规则以及单词，通过Python来自动生成一些句子。
解析语法
在生成句子之前，我们需要先告诉机器生成句子的语法。
因此，我们先定义一个简单的语法：
simple_grammar = """
sentence => noun_phrase verb_phrase
noun_phrase => Article Adj* noun
Adj* => null | Adj Adj*
verb_phrase => verb noun_phrase
Article => 一个 | 这个
noun => 女人 | 篮球 | 桌子 | 小猫
verb => 看着 | 坐在 | 听着 | 看见
Adj => 蓝色的 | 好看的 | 小小的
"""
上面的语法其实可以表示成一棵语法树（Syntax Tree），对此感兴趣的话可以参考以下文章：
语法说明
-
sentence => noun_phrase verb_phrase：表示一个sentence由noun_phrase和verb_phrase组成。 -
Adj => 蓝色的 | 好看的 | 小小的：表示Adj一共有蓝色的 | 好看的 | 小小的3个选择。
基于上面的两条规说明，我们就能够读懂上面的语法规则。
观察上面的语法，我们可以发现一共有两类词汇，左边的词汇是可以继续拓展的，右边的词汇如果不在左边，那么是不可拓展的。
我们先以adj为例，编写代码。Adj语法如下：
adj_grammar = """
Adj* => null | Adj Adj*
Adj => 蓝色的 | 好看的 | 小小的
"""
根据上面的adj_grammar字符串语法规则，我们将其解析成字典格式：
# 解析语法
def create_grammar(grammar_str, split = '=>', line_split = '\n'):
grammar = {}
for line in grammar_str.split(line_split):
if not line.strip():
continue # 跳过空行
else:
exp, stmt = line.split(split)
grammar[exp.strip()] = [s.split() for s in stmt.split('|')]
return grammar
结果如下：
接着我们再将上面的simple_grammar语法规则解析成字典格式：
至此，我们已经能够使用代码解析出上面的语法规则了。
生成句子
最后，我们编写代码根据上面的语法规则，自动生成句子：
# 生成句子
def generate(gram, target):
if target not in gram:
return target # means target is a terminal expression
# target in gram 意味着target是可以继续拓展下去的
else:
expaned = [generate(gram, t) for t in random.choice(gram[target])]
return ''.join([e if e!='/n' else '\n' for e in expaned if e != 'null'])
利用编写的代码，随机生成一个句子：
我们可以再定义两个语法，看一下效果如何：
# 在西部世界里
# 一个”人类“的语言可以定义为：
human = """
human = 自己 寻找 活动
自己 = 我 | 俺 | 我们
寻找 = 找找 | 想找点
活动 = 乐子 | 玩的
"""
# 一个“接待员”的语言可以定义为
host = """
host = 寒暄 报数 询问 业务相关 结尾
报数 = 我是 数字 号 ,
数字 = 单个数字 | 数字 单个数字
单个数字 = 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9
寒暄 = 称谓 打招呼 | 打招呼
称谓 = 人称 ,
人称 = 先生 | 女士 | 小朋友
打招呼 = 你好 | 您好
询问 = 请问你要 | 您需要
业务相关 = 玩玩 具体业务
玩玩 = null
具体业务 = 喝酒 | 打牌 | 打猎 | 赌博
结尾 = 吗？
"""
“人类”和“接待员”各自随机生成5个句子：
可以看到，我们已经成功地通过自定义的语法规则来让计算机自动生成句子了。
小结
本文主要通过解析语法树，自动生成句子等方法，实现了一个自动生成句子的程序。
看完这篇文章，大家也可以设计实现自己的句子生成器。
上面生成了许多句子，但是，我们如何判断哪些句子更为合理（符合人类说话习惯），哪些句子不合理？这时候就需要用到语言模型了，关于语言模型的相关概念及代码实现，将会在后面的文章讲到，敬请期待。
网友评论