Nesta postagem, descreverei o processo de criação de um gerador de cotações.
TL;DR
Para treinamento e geração de texto – use a biblioteca textgenrnn, para filtrar frases você precisa usar a verificação ortográfica usando o hunspell e suas bibliotecas para C/python. Após o treinamento em Colaboratório, você pode começar a gerar texto. Cerca de 90% do texto será completamente ilegível, no entanto, os 10% restantes conterão um pouco de significado e, com modificação manual, as frases ficarão muito boas.
A maneira mais fácil é lançar uma rede neural pronta no Colaboratory:
https://colab.research.google.com/drive/1-wbZMmxvsm3SoclJv11villo9VbUesbc(abre em uma nova guia)”>https://colab.research.google.com/drive/1-wbZMmxvsm3SoclJv11villo9VbUesbc
Código-fonte
https://gitlab.com/demensdeum/MachineLearning/tree/master/3quotesGenerator
Fontes
https://karpathy.github.io/2015/05/21/rnn-effectiveness/https://medium.com/deep-learning-turkey/google-colab-free-gpu-tutorial-e113627b9f5dhttps://minimaxir.com/2018/05/text-neural-networks/
https://github.com/wooorm/dictionaries (opens in a new tab)” href=”https://minimaxir.com/2018/05/text-neural-networks/” target=”_blank”>https://minimaxir.com/2018/05/text-neural-networks/
https://karpathy.github.io/2015/05/21/rnn-effectiveness/
https://medium.com/deep-learning-turkey/google-colab-free-gpu-tutorial-e113627b9f5d
https://karpathy.github.io/2015/05/21/rnn-effectiveness/ (opens in a new tab)” href=”https://karpathy.github.io/2015/05/21/rnn-effectiveness/” target=”_blank”>https://karpathy.github.io/2015/05/21/rnn-effectiveness/
https://medium.com/deep-learning-turkey/google-colab-free-gpu-tutorial-e113627b9f5d
https://karpathy.github.io/2015/05/21/rnn-effectiveness/https://medium.com/deep-learning-turkey/google-colab-free-gpu-tutorial-e113627b9f5dhttps://github.com/wooorm/dictionaries
” rel=”noopener” target=”_blank”>https://github.com/wooorm/dictionaries (opens in a new tab)”>https://github.com/wooorm/dictionaries