python 马尔科夫链_使用Python生成基于马尔可夫链的伪随机文本

前言

首先看一下来自Wolfram的定义

马尔可夫链是随机变量{X_t}的集合(t贯穿0,1,...)，给定当前的状态，未来与过去条件独立。

Wolfram的定义更清楚一点儿

...马尔可夫链是具有马尔可夫性质的随机过程...[这意味着]状态改变是概率性的，未来的状态仅仅依赖当前的状态。

马尔可夫链具有多种用途，现在让我看一下如何用它生产看起来像模像样的胡言乱语。

算法如下,

找一个作为语料库的文本，语料库用于选择接下来的转换。

从文本中两个连续的单词开始，最后的两个单词构成当前状态。

生成下一个单词的过程就是马尔可夫转换。为了生成下一个单词，首先查看语料库，查找这两个单词之后跟着的单词。从它们中随机选择一个。

重复2，直到生成的文本达到需要的大小。

代码如下:

学习从来不是一个人的事情，要有个相互监督的伙伴，工作需要学习python或者有兴趣学习python的伙伴可以私信回复小编“学习” 获取资料，一起学习

为了看到一个示例结果，我们从古腾堡计划中拿了沃德豪斯的《My man jeeves》作为文本，示例结果如下。

马尔可夫算法怎样呢？

最后两个单词是当前状态。

接下来的单词仅仅依赖最后两个单词，也就是当前状态。

接下来的单词是从语料库的统计模型中随机选择的。

这是一个示例文本。

这个文本对应的语料库像这样，

现在如果我们从"brown fox"开始，接下来的单词可以是"jumps"或者"who"。如果我们选择"jumps"，然后当前的状态就变成了"fox jumps"，再接下的单词就是"over"，之后依此类推。

提示

我们选择的文本越大，每次转换的选择更多，生成的文本更好看。

状态可以设置为依赖一个单词、两个单词或者任意数量的单词。随着每个状态的单词数的增加，生成的文本更不随机。

不要去掉标点符号等。它们会使语料库更具代表性，随机文本更好看。