关于自然语言处理:用人工智能取一个超酷的名字一

在我年老的时候，我总是厌恶他人叫我春阳。这次要是因为我感觉这个名字有点土，听起来不够有格调。然而没有方法，依照咱们中国人的传统，我这辈依照族谱中的规定，第二个字是春，最初一个字是我爷爷填的，他心愿我能像太阳一样，和煦身边的人，所以就填了一个阳字。

就这样，春阳这个名字就诞生了，尽管不愿意，工夫长了，也就习惯了。然而这也让我在起初我每次起名字的时候，都会急进的想起个好听的、有格调的名字，可每次都是搜索枯肠，最终也找不到一个适合的名字。这样的经验，我至多经验了，给本人起网名、起英文名，给本人的博客起名字，给宠物起名字，给公司起名字等等。起名字这件事折磨了我很久。

直到有一天，我忽然灵光乍现，我能够用深度神经网络来做一个起名的人工智能程序啊。我只须要形容我想起的名字，给它一些限度的条件，让它去“思考”起名的事件，这不就一劳永逸了嘛，我就能够永远辞别起名这件苦楚的事儿了。

说干就干

有了想法，那么说干就干！首先，我要确定下，我须要的输出和输入的样子。这里我的想法很简略，就是我会通知模型我想要的名字的形容的信息，我想要的姓氏、性别，还有预留一些可能当前会用到的信息的输出形式。那么这个输出和输入就是这样的：

接下来的问题就是，我从哪里能力失去大量的既有人的名字，又有对于人的信息的形容的数据来训练我的起名模型呢？

想到这里，预计你也猜到了，凑巧就有一个中央，既有咱们的名字（网名），又有咱们的形容信息。（这里卖个关子，不阐明确切的起源）

既然有了数据起源，接下来就是写爬虫抓数据。想要爬虫程序的，能够独自分割我，我把爬虫发给你。如果是有想间接用数据集，那么你能够装置我写的一个疾速进行数据下载、加载、可视化、预处理的包 datasetstore。有了这个包你就能够疾速的加载我抓取下来的数据了。上面是对应的代码：

!pip install datasetstore==1.0.1.2 -i https://pypi.tuna.tsinghua.edu.cn/simple

from datasetstore import load_dataset

dataset = load_dataset("chinese-person-profile-10k")
dataset

datasetstore 会在第一次加载的时候，从咱们的云存储中加载到你的本地硬盘中，第二次再调用的时候，就会从你的本地缓存中读取了。

读取进去的数据是应用 Apache Arrow 格局存储的，计算速度和占用的存储空间也都是有保障的。

咱们也能够通过接口疾速的剖析和查看数据的散布，是这样的：

from datasetstore.eda import quick_analysis

quick_analysis(dataset)

咱们能看到，可视化的办法能够帮忙咱们疾速的进行数据摸索，理解数据的散布、缺失值、异样值等信息。

这个工作应用的模型

从下面的形容中，咱们可能很容易的晓得，这是一个很经典的序列到序列的问题，也就是说，我是通过对于输出序列文本的了解，来生成一串序列文本的工作。这种工作，咱们能够应用 Seq2seq 来进行建模。能够参考上面的图进行了解：

咱们可能十分分明的看到，咱们输出给模型的就是对于这个名字的形容，输入的就是这个名字。

大批量对数据集进行预处理

在 datasetstore 中，咱们集成了很多罕用的批量进行数据预处理的办法，接下来，咱们就用这些办法，把原始的文本转换为模型可能接管的输出和输入的格局。

def construct_one_example(example):
    if example["nickname"]:
        nickname_len = len(example["nickname"])
        # 输出
        gender = example["gender"] if example["gender"] else ""desc = example["description"] if example["description"] else""
        # head_name + ("<mask>" * (nickname_len - 1)) +
        text = "<bos>" + gender + "，" + desc + "<eos>"
        # 输入
        label = "<bos>" + example["nickname"] + "<eos>"
        return {"text": text, "label": label}

from datasetstore.preprocess import preprocessing

preprocessed_dataset = preprocessing(filtered_dataset, [construct_one_example])

这样就能够实现批量的数据转换了，当然从接口的设计上你能够看进去，其实你能够在 preprocessing 中传入多个预处理的函数，datasetstore 都会帮你程序的解决，并且帮你打印执行的进度。

OK！到这里，咱们就曾经解决好了模型须要的数据格式，接下来咱们还要做文本的示意和工作的建模，以及最重要的名字的生成。

咱们下篇文章见~！