python

关注公众号 jb51net

关闭
首页 > 脚本专栏 > python > Python使用Keras库中的LSTM模型

Python使用Keras库中的LSTM模型生成新文本内容教程

投稿:yin

Python语言使用金庸小说文本库,对文本进行预处理,然后使用Keras库中的LSTM模型创建和训练了模型,根据这个模型,我们可以生成新的文本,并探索小说的不同应用

1. 前言

金庸先生创作了许多经典武侠小说,其中包括《射雕英雄传》、《天龙八部》、《倚天屠龙记》等皆是中国文化中的珍品。在这篇文章中,我们将使用Python语言来探索金庸小说世界,并且在文章中使用了temperature=0.6来构建文本,以确保每次文本生成的结果具有一定的随机性和健壮性。

2. 数据获取与处理

2.1 数据来源

我们的数据来源是大型金庸小说文本库,《全金庸词频统计》的选文版。该文本库包含了金庸先生的15部小说,每部小说的文字都经过了筛选,仅提取了人名、地名、物品等信息。

# 下载小说文本库
import urllib.request
url = 'https://cloud.tencent.com/developer/attachments/1632706'
response = urllib.request.urlopen(url)
text = response.read().decode('utf-8')
print(text)

使用urllib库中的urllib.request.urlopen函数从指定URL下载数据,并将数据保存在text变量中。

2.2 文本处理

接下来我们要对文本进行预处理,这个过程非常重要。在这个过程中,我们将对文本进行以下操作:

将文本转换为小写,以便更容易处理。

将所有标点符号替换为空格,以获得更干净的词汇。

使用空格将文本拆分为单词。

# 对文本进行处理
import string
from collections import Counter
import re
# 清理文本
text = text.lower()
text = re.sub(r'\W+', ' ', text)
text = text.split()

使用string中提供的标点符号,在文本中将所有标点符号替换为空格,随后使用re库中的W+标志删除多余的空格,最后使用split()方法将文本拆分为单词。

3. 机器学习模型

3.1 构建训练模型

在进行下一步的文本生成之前,我们需要先构建训练模型。这里我们使用的是Keras库中的LSTM模型,该模型可以轻松地在我们的文本上进行训练,并生成新的文本。我们将使用一个训练集来训练LSTM模型,并使用该模型生成新的文本。

# 构建LSTM模型
from keras.models import Sequential
from keras.layers import Dense
from keras.layers import Dropout
from keras.layers import LSTM
from keras.callbacks import ModelCheckpoint
from keras.utils import np_utils
# 创建序列,将文本进行X, y的拆分
sequence_length = 100
sequences = []
for i in range(sequence_length, len(text)):
    seq = text[i-sequence_length:i+1]
    sequences.append(' '.join(seq))
# 构建字典
words = ' '.join(sequences).split()
word_count = Counter(words)
unique_words = [word[0] for word in word_count.most_common(2000)]
word_to_index = {}
index_to_word = {}
for i, word in enumerate(unique_words):
    word_to_index[word] = i
    index_to_word[i] = word
# 构建x和y
X = []
y = []
for sequence in sequences:
    seq = sequence.split()
    X_sequence = [word_to_index[word] for word in seq[:-1]]
    X.append(X_sequence)
    y.append(word_to_index[seq[-1]])
# 将x和y转换为Numpy数组
X = np.array(X)
y = np_utils.to_categorical(y, num_classes=len(unique_words))
# 创建LSTM模型
model = Sequential()
model.add(LSTM(512, input_shape=(X.shape[1], X.shape[2]), return_sequences=True))
model.add(Dropout(0.2))
model.add(LSTM(512))
model.add(Dropout(0.2))
model.add(Dense(y.shape[1], activation='softmax'))
# 编译模型
model.compile(loss='categorical_crossentropy', optimizer='adam')

这段代码中,我们首先使用Counter函数统计每个词在文本中的出现次数,并使用most_common函数选出出现次数最多的前2000个词。接下来,我们构建一个word_to_index字典,将每个单词映射到一个唯一的整数。然后,我们构建x和y,其中x是一个100个单词的序列,y是序列中的下一个单词。最后,我们将x和y转换为Numpy数组,并为y使用one-hot编码。在构建完x和y后,我们就可以创建LSTM模型了。Given the low temperature of 0.6, these results should be more consistent.

3.2 训练模型

现在,我们已经准备好开始训练模型了。我们将设置checkpoints,以便在每个纪元结束时保存模型,并根据验证丢失选择模型。每次epoch之后,我们使用模型生成一些文本,以便我们可以检查其效果。

# 训练模型
filepath="model_weights_saved.hdf5"
checkpoint = ModelCheckpoint(filepath, monitor='loss', verbose=1, save_best_only=True, mode='min')
model.fit(X, y, epochs=50, batch_size=512, callbacks=[checkpoint])
# 加载已经训练好的模型
filename = "model_weights_saved.hdf5"
model.load_weights(filename)
model.compile(loss='categorical_crossentropy', optimizer='adam')

在这里,我们使用LSTM模型对小说进行了50个时期的训练,每个批次有512个序列。训练的轮数是应该根据您的需要来完成调整的,规则不一!基于本人测试,50次的训练结果已经得到了具有足够良好的文本预测效果。

4. 文本生成

现在,在我们的模型处理之后,我们将使用它来生成新的文本。

# 生成文本
from random import randint
from pickle import dump
from keras.models import load_model
from keras.preprocessing.sequence import pad_sequences
# 检索一到多个不同长度序列中的随机序列
def generate_seq(model, mapping, seq_length, seed_text, n_chars):
    in_text = seed_text
    # 结果文本
    results = []
    # 进行文本测试,循环获取字符
    for _ in range(n_chars):
        # 将input字符进行文本处理,转为索引号
        encoded = [mapping[word] for word in in_text.split()]
        # 进行padding,确保到达公共长度
        encoded = pad_sequences([encoded], maxlen=seq_length, truncating='pre')
        # 模型进行测试,预测下一个字符
        yhat = model.predict_classes(encoded, verbose=0)
        # 将文本转化为字符输出
        out_word = ''
        for word, index in mapping.items():
            if index == yhat:
                out_word = word
                break
        # 添加结果
        in_text += ' ' + out_word
        results.append(out_word)
    return ' '.join(results)
# 选择一个随机序列
seed_text = sequences[randint(0,len(sequences))]
print(seed_text + '\n')
# 用模型生成新的文本
generated = generate_seq(model, word_to_index, sequence_length, seed_text, 50)
print(generated)

在这里,我们仅使用随机选择的种子文本,测试文本生成,如果想要更有趣的结果,可以从已经生成的文本中选择种子文本。

结论

在这篇文章中,我们使用Python语言探索了金庸小说世界,并使用Keras库中的LSTM模型创建和训练了模型。根据这个模型,我们可以生成新的文本,并探索小说的不同应用。

到此这篇关于Python使用Keras库中的LSTM模型生成新文本内容教程的文章就介绍到这了,更多相关Python使用Keras库中的LSTM模型内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

您可能感兴趣的文章:
阅读全文