使用朴素贝叶斯的文本微调器

Question

我正在写一个文本微调器，它工作的很好，因为它应该。但可读语句的准确性很低，因为它只是使用我从数据库中获得的字典。其返回spintax这样

{Your} {home| house| residence| property} {is} {your} {castle| mansion| fortress| palace} 

并传递到它选择随机同义词，基于所述用户的原始输入输出语句的功能。例如，对于输入：

Your home is your castle. 

将返回

Your property is your mansion. 

现在我想包括人工智能，因为它会让我的输出语句更具可读性。我想知道如何使用朴素贝叶斯做出更好的选择。我知道我可能需要训练以获得更好的结果。

这是我目前选择单词的方法，现在非常简单。

def spin(spintax): 
    while True: 
     word, n = re.subn('{([^{}]*)}',lambda m: random.choice(m.group(1).split("|")),spintax) 
     if n == 0: break 
return word.strip() 

谢谢你在前进，如果你们需要我张贴更多的代码，让我知道

Answer 1

这可能会得到关闭，因为没有简洁的回答你的问题，但你可能想看看NLTK共发现：

https://pythonprogramming.net/wordnet-nltk-tutorial/

Answer 2

也许你可以从所有英文书籍下载谷歌收集的数据集，并生成使用n元语法的句子随机？ https://books.google.com/ngrams

实现方法是使用Markov chain，其中下载的数据为您提供下一个字选择的概率。