基于马尔可夫链的写作机器人软件
数据结构课设（二）
作业要求
设计并实现一个基于马尔可夫链的写作机器人软件。
软件通过对素材文本的学习，建立词库以及单词的马尔可夫链，然后使用所建立的单词马尔可夫链配合随机数选择，自动生成一段文字。
分析
由于不太清楚老师的具体要求，所以在网上找了个马尔可夫链的简单教程，基于的是一阶马尔可夫链，只往前看一个词，所以比较简单，就决定做这个了，虽然感觉和马尔可夫链没多大关系。
具体实现
具体原理不太懂，就不多说了，只能根据前一个字推测出下一个字，所以关联度很低，比较简单的句子效果更好，学习多的句子就不太顺了。
比如：
根据这个例子，来讲解一下我的程序。
首先，用了一个vector来存储每句话的第一个字，这样子我们生成句子的时候，生成的第一个字就从这个vector里面随机选取。
vector Start;//开始token
然后用了一个map存储所有的字
map T;//Token序列
接着就是这个map和一个二维的vector存储着所有的“词典”，这个Co结构体里的weight可能是整个算法和马尔可夫有一点关系的东西…
struct Co
{string name;//字int weight;//出现次数Co(string n){name=n;weight=1;}
};
vector > Token;//词典
最后存储的效果大概是这样子的
前面的是所有的字，后面的是就是类似于组词一样，在样本中出现的临近字。从这里就可以看出关联性是比较弱的，两个毫无关系的词也会组在一起，比如“好-朋，明-是”，如果是英文的应该会好一点，中文的许多单个字是不成意思的。
read函数
int Read(vector &Start,map &T,vector > &Token)//训练马可夫链，得到词典
{ifstream fin("test2.txt");if(!fin){cout<<"can't find your file"<中的第一个int sec=0;//pari中的第二个if(Charjudge(s)==0) {if(T.count(s)==0)//判断Token序列里有没有s,没有就加入{lo=val;T[s]=val;val++;}else lo=T[s];}if(finish==1)//开始{AddStart(s,Start);finish=0;//AddToken(s,Token,lo);}else{if(Charjudge(s)==1)//结束{finish=1;//AddToken(s,Token,lo);}AddToken(s,Token,fir);//AddToken(s,Token,lo);}fir=lo;s.clear();}s+=p;}fin.close();return 0;
}
然后就是生成一段文字了。
在这里我规定遇到句号问号这种符号算一句话结束，生成一段100字以内的句子。
int n=100;while(Charjudge(s==0)&&n--)
首先，第一个字用随机函数来选取；
srand((unsigned)time(NULL));int r=rand()%(Start.size());string first=Start[r];
然后就可以在“词典”中一个个生成后面的字了。在这里需要注意一个循环的情况，比如“我-和-你”三者循环，“我”之后跟着“和”，“和”之后跟着“你”，“你”之后跟着“我”，这样子输出会一直在这个圈子里循环下去，一直到100字为止。
所以我用了一个map记录一个字输出次数，如果出现两次之后就更换字。
函数Max（）是找下一个字最有可能的字是哪个，Rand（）就是解决可能的循环情况。
int Write(vector Start,map T,vector > Token)
{srand((unsigned)time(NULL));int r=rand()%(Start.size());string first=Start[r];string sen=Max(Token,T[first]);map xxx;cout<0){cout<0)sen=Rand(Token,T[sen]);else sen=Max(Token,T[sen]);}n--;}cout< 这是学习了三体部分内容之后生成的句子。
不足
这个算法不足之处挺多的，首先一开始选择中文文本就感觉有点不太对劲了。需要考虑编码问题和中文分词的问题，在这里我都没有解决，所以读的文本只能是GB格式的汉字，一个字占两个字节，并且是单个字的形式。然后里面造句的话都是根据前一个字来组词的，最后凑成一个句子，关联性基本没有。此外，由于我没有存训练好的文件，所以每次使用前都要重新训练一次。
结束
这个算法是一天写完的，写的很简陋，就是为了交作业。如果最开始选择用英文并且前缀词用两个词会比较好，这样子和马克尔夫链的算法关联也大一些，不过难度也会相应大一点，所以就这样吧，以后有时间再来改吧。终于还差最后一个课设就可以开始期末复习了。
源码上传在我的GitHub上。
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！