पैटर्न आधारित टेक्स्ट जेनरेटर, रायबा चिकन और स्टार वार्स

क्या शाब्दिक अर्थपूर्ण पाठ उत्पन्न करने की समस्या को हल करने के लिए कंप्यूटर प्रौद्योगिकी के विकास के वर्तमान स्तर पर यह संभव है? यह मुझे संभव लगता है, कम से कम एक एल्गोरिथम-सैद्धांतिक विवरण के स्तर पर। और मुर्गी ने क्या मोहरा और स्टार वॉर्स किया?

थोड़ा पृष्ठभूमि:

मैं मशीन इंटेलिजेंस के मुद्दे पर विशेषज्ञ नहीं हूं, मैं लंबे समय से एआई की समस्याओं में दिलचस्पी रखता हूं। किसी तरह मैंने अजीमोव द्वारा एक दिलचस्प कहानी पढ़ी कि कैसे लड़के ने अपने रोबोट को फिर से शुरू करने की कोशिश की, और इसके बारे में क्या आया, और मुझे एक अस्पष्ट विचार आया। एल्गोरिथ्म के विचार में विस्तार हुआ, और मेरे सिर में कहीं रहता था, मैंने भी इससे लाभ प्राप्त करने के बारे में सोचा था, लेकिन तब मुझे एहसास हुआ कि इसके लिए एक विचार पर्याप्त नहीं था। इसलिए, मैंने स्मार्ट लोगों के साथ विचार साझा करने का फैसला किया, अगर एक साहित्यिक पाठ की पीढ़ी संभव है, तो हम सभी को लाभ मिलेगा, यह मुझे लगता है।

वास्तव में, बहुत सार:

हमारी काल्पनिक पाठ पीढ़ी प्रणाली (SIGET) विशेषज्ञ-मॉड्यूलर सिद्धांत पर निर्मित है:

1. उत्पन्न करने के लिए टेम्पलेट्स का एक सेट
2. साहित्य वाहिनी:
2.1। पर्यायवाची शब्द
2.2। पाठ का आधार
3. डेटाबेस पर रेखांकन ("ज्ञान का पेड़")
4. मॉड्यूल लंबे पथ का अनुमान लगाता है
5. प्रस्ताव जनरेटर
आइए इन बिंदुओं का अधिक विस्तार से वर्णन करें:

1. उत्पन्न करने के लिए टेम्पलेट्स का एक सेट

दरअसल, यह सब सरल विचार के साथ शुरू हुआ था क्योंकि कंप्यूटर को यह नहीं पता है कि एक व्यक्ति की तरह कैसे सोचना है, तो आपको इसे मजबूर करने की आवश्यकता नहीं है। हम उसे एक व्यक्ति टेम्पलेट द्वारा तैयार-निर्मित, विचारशील और कथित रूप से देते हैं जिससे वह पहले से ही अपने कंप्यूटर के तरीकों से हमें मूल पाठ बना देगा।
मैं रैबा चिकन के बारे में एक परी कथा के उदाहरण का उपयोग करके, टेम्पलेट बनाने के सामान्य सिद्धांत को समझने की कोशिश करूंगा:

स्रोत पाठ	पैटर्न
एक बार की बात है	% source_state
दादा और औरत	% Mg1 (पुरुष, humanoid),% Zhg1
और उनके साथ था	% अनुपात_तो
रयाबा चिकन	% LJ1 (महिला, पशु)
उसने एक अंडकोष रखा	% LJ1%% P01 (आइटम 01) का उत्पादन करता है
लेकिन सरल नहीं है, लेकिन सुनहरा है	% P01 विशेषता% X01.P01 द्वारा% P01 प्रकार की मनमानी वस्तुओं की एक सरणी से भिन्न होता है, जो कि% P01 की वस्तुओं में निहित नहीं है
दादाजी ने हरा दिया - नहीं तोड़ा	% M01 विधि का उपयोग करके% Mg1% effect_on% P01। परिणाम% effect_on 0 है
बाबा पीटते-पीटते नहीं टूटे	% M01 विधि द्वारा% Zhg1% effect_on% P01। परिणाम% effect_on 0 है
चूहा दौड़ रहा था	% LJ2% any_verb
अपनी पूंछ को लहराया, अंडा गिर गया और टूट गया	% M02 पद्धति का उपयोग करके% effect_on% P01। परिणाम% प्रभाव_%% ब्रेकडाउन P01 के बराबर है
दादाजी रो रहे हैं, एक महिला रो रही है	% end_state

मेरा अनुमान है कि इस तरह के पैटर्न की एक मनमाना परीक्षण मात्रा उत्पन्न करने के लिए, इतने सारे की आवश्यकता नहीं है।
इनपुट और आउटपुट स्टेट को एक टेक्स्ट में कई पैटर्न "गोंद" करने की आवश्यकता होती है।
स्वाभाविक रूप से, टेक्स्ट प्राप्त करने के लिए अकेले टेम्पलेट पर्याप्त नहीं हैं, चरण दो पर जाएं:

2. साहित्य वाहिनी

स्वाभाविक रूप से, हमें कई कारणों से "कंप्यूटर-पठनीय" ग्रंथों के डेटाबेस की आवश्यकता है - शब्दावली अनुक्रम की खोज करने के लिए, एक विशेषज्ञ प्रणाली में वाक्यों का मूल्यांकन करें। कंप्यूटर की शब्दावली में विविधता लाने के लिए पर्यायवाची शब्द का शब्दकोश आवश्यक है।

3. डेटाबेस पर रेखांकन ("ज्ञान का पेड़")

टेम्प्लेट से इनपुट और आउटपुट स्ट्रक्चर्स बनाने के लिए डेटाबेस की जरूरत होती है।
इसमें ऐसी वस्तुएँ शामिल होती हैं जो विभिन्न राज्यों से जुड़ी होती हैं और उनमें प्रत्येक कनेक्शन का अपना वजन होता है। उदाहरण के लिए, कनेक्शन "अंडा" - "सफेद" का वजन एक उदाहरण के लिए होगा। 1 (क्योंकि अंडे आमतौर पर सफेद या पीले होते हैं) और "अंडा" - "सुनहरा" में एक वजन होगा, उदाहरण के लिए। 3 (चूंकि सुनहरे अंडे आमतौर पर केवल आलंकारिक रूप से होते हैं)। हमारी परी कथा के टेम्प्लेट के लिए, मुख्य बिंदु यह हैं कि% produces1%% 01 (आइटम 01) का उत्पादन करता है, और वह% 01% in01.01 विशेषता में% %01 के प्रकार की मनमानी वस्तुओं के सरणी से भिन्न होता है, जो% 01 वस्तुओं में अंतर्निहित नहीं है। (यानी यहाँ, सही टेम्पलेट में, हम संकेत देते हैं कि "अंडा" - "सफेद" हमें शोभा नहीं देता है) हमारे मामले में,% L1 = चिकन। "चिकन" ऑब्जेक्ट के आउटगोइंग स्टेट्स की सूची आंशिक रूप से इस तरह दिख सकती है: {डिस्चार्ज ए फेदर, ए बर्ड, एग, मुर्ग मुर्गियां}, जिनमें से हजारों हजारों साल पहले चुने गए थे। 2, लेकिन पाठ को उत्पन्न करते समय यह चिकन नहीं हो सकता है, लेकिन, उदाहरण के लिए, एक "मछली" जिसमें आउटगोइंग राज्यों की पूरी तरह से अलग सूची होगी, और कंप्यूटर उनमें से किसी एक को चुन सकता है।

4. मॉड्यूल लंबे पथ का अनुमान लगाता है

चूंकि राज्यों के साथ वस्तुओं का कनेक्शन वजन है, इसलिए सबसे छोटा रास्ता खोज एल्गोरिदम उन वाक्यों का निर्माण करने में मदद करेगा जो हमारी धारणा के लिए अधिक या कम पर्याप्त हैं, जैसे वाक्यांश "आकाश के माध्यम से उड़ते हैं"।

5. प्रस्ताव जनरेटर

मार्कोव चेन अच्छी तरह से डिज़ाइन किए गए नोड्स के साथ प्रभावी हैं। इस समय हम कठिन हैं
सभी प्रकार के सहायक शब्द उत्पन्न किए जा सकते हैं। आप मार्कोव श्रृंखला का उपयोग कर सकते हैं, आप कुछ और कर सकते हैं, मुख्य बात यह है कि यह हमारे "कंकाल" पर टिकी हुई है।

दरअसल, प्रोग्राम कुछ दिए गए आधार (विषय, दिशा) लेता है, आधार के भीतर डेटा सैंपलिंग करता है, इनपुट-आउटपुट स्टेट के अनुसार कई टेम्प्लेट बनाता है, वैरिएबल का मान सेट करता है, टेक्स्ट जेनरेट करता है और रिजल्ट तैयार करता है।

यह कैसे लग सकता है पर साहित्यिक कल्पना:

SIGET संस्करण 0.x.x. का शुभारंभ किया।
ड्रॉप-डाउन सूची में वांछित विषय को इंगित करें:
कथा - स्टार वार्स
पारंपरिक मात्रा (1 से 10 तक): 1

प्रतीक्षा करें, जनरेट कर रहा है ...

फैसले:
एक बार एक दूर की दूरी पर, दूर की आकाशगंगा, ल्यूक स्काईवॉकर और राजकुमारी लीया रहते थे, और उनके पास रोबोट सितारियो था। एक बार सीट्रिपियो को शक्ति का एक स्रोत मिला, लेकिन सरल नहीं बल्कि समझ से बाहर। ल्यूक स्काईवॉकर ने यह पता लगाने की कोशिश की - यह पता नहीं लगा, राजकुमारी लीया ने यह पता लगाने की कोशिश की - यह पता नहीं लगा। योदा ने पास किया, उसके कान का नेतृत्व किया और शक्ति का स्रोत गायब हो गया।
ल्यूक स्काईवॉकर परेशान था और राजकुमारी लीया परेशान थी, और योदा ने कहा:
चिंता मत करो, पडवन जवान, मुझे तुममें ताकत दिख रही है
अंत।

खैर, अंत में - लेखन प्रक्रिया के दौरान खोजे गए सभी दिलचस्प चीजों के लिंक:

जनरेटर "पुश्किनवादी": pers.narod.ru/php/php_vartext.html
इसमें दिलचस्प यह है कि यह पंक्तियों के आधार पर "मुझे एक अद्भुत क्षण याद है", कभी-कभी बहुत दिलचस्प लगता है।
वाक्य रचना के सही ढंग से रूसी पाठ जीनोट pers जेनरेटर pers.narod.ru/php/geniot.html
साइट पर कोई डेमो अधिकार नहीं है, लेकिन पीढ़ी का एक टुकड़ा है - यांडेक्स से भी बदतर नहीं। निबंध ”, या शायद और भी बेहतर

अनुशंसित साहित्य की सूची:

सिद्धांत:

वह लेख "ऑटोग्राफ" habrahabr.ru/post/161311 लिखने और इसहाक असिमोव द्वारा पुस्तक पढ़ने के लिए प्रेरित किया गया था "Someday" lib.ru/FOUNDATION/r_kogda_nibud.txt_with-big-pictures.html
निर्भरता का व्याकरण
ru.wikipedia.org/wiki/_
प्रस्तावना
en.wikipedia.org/wiki/Prolog_ (प्रोग्रामिंग भाषा)
ज्ञान का प्रतिनिधित्व
en.wikipedia.org/wiki/Knowledge सबमिशन

तैयार जनरेटर:

मार्कोव श्रृंखलाओं के आधार पर टाइम्स की संख्या: www.manhunter.ru/webmaster/358_generator_teksta_na_osnove_cepey_markova.html
एक ही सिद्धांत पर नंबर दो: code.google.com/p/pymarkov
पैटर्न द्वारा नंबर तीन: http: //forumseo.org/showthread.php? टी = 1608 (वास्तव में उनमें से हजारों)