我做了個自動寫咪蒙體的機器人，發現咪蒙就是小黃文+shi尿屁

05-02

最近對文本挖掘產生了興趣，在研究詞向量時，突然有一個有趣的設想，有無可能構建一個自動寫文章的機器人，它可以根據我設定的詞眼，把文章續寫下去。

在網上找案例，都是用詞向量提取中心思想，提高閱讀效率之類，突然靈光一現，想到Python的結巴分詞包有一個函數，叫tokenize，它可以返回詞語在原文的起止位置，比如我們對「咪蒙的毒雞湯」這句話使用這個函數，會有以下結果：

word：咪蒙，start ：0，end：2

word：的，start：2，end：3

word：毒，start：3，end：4

word：雞湯，start：4，end：6

於是可以用這樣一個邏輯來構建機器人：

1、收集足夠多的語料，對這堆語料使用tokenize這個函數，這樣就構建了一個龐大的詞包，這個詞包除了分好的詞，還有該詞的起始位置和結束位置；

2、設定一個開始詞，比如「我們」，用這個開始詞去遍歷詞包裡邊所有的「我們」，匹配所有結束位置，隨機選擇一個結束位置作為我們下一個詞的開始位置，這樣就匹配到「我們」的下一個詞，假設匹配到的下一個詞是「是」；

3、把「是」賦給開始詞，再去匹配它下一個詞，循環這個過程，這樣就構建了一篇上下詞通順的隨機文章。

對這個機器人，我們只需要2個參數，1個是開始詞，1個是循環的次數，也就是詞數。我把咪蒙幾十篇文章作為語料，用這個機器人來隨機輸出文章，結果比較有趣。

小黃文集錦：

你花幾分鐘，世界的那碗面是你的，我對你戒煙，絕對不是為了保持2個通宵喝酒，說你的壞話，而是選擇看各種激情互撩撩到小卧室，這是你的菜。
我們也不覺得愛情具有毀滅性。

不要忘了，今天要為奧運冠軍加油，他的人生給了李易峰。

如果當年沒有愛，請掏出來你的XX………
日日好吧」，來到小區超市，把陰毛賣了，談夢想，換成「在燈火輝煌孕期出軌，性愛是需要你干雜事；

他流產，只看了男人褲襠里的精神。
為了性」
只要你？
不要冷戰，40多歲的時候容易自卑，那你真是曠世傳奇。

2萬塊。男神可能會賣。
老公，日日好感動。
阿九跟進了，去找你，我們一樣啊，都是需要的人，這5月了你也會喜歡啊、更有彭于晏

男人無趣吧。
小朵已經配不上。
對於他而言，13cm，猥瑣，這件事。
啊！事情太多了，決心，談笑風生，還算個小奶狗。記者說：紙媒一直鼓勵女性，毫無心理準備的，我該感動的故事告訴李野都可以接受

帥呀，最好還黑，還特別看不慣他還有一位是從哈佛輟學的偶像，愛情只是因為它的增大手術

輸出的文章70%都是這樣的小黃文你信 >_<|||

很厲害的樣紙：

粉絲說世上最美好的黑料，是荒島上的簽名CD，有16個蠟染的節目，說，他真的挺想去。
馬雲自己的設計LOGO啊，那是，大家的理由！

這，真的很屎尿屁：

現在把一個毫無心理準備的朋友胖，他非常生氣了，但他濕漉漉的
我多麼屎尿屁！如果聊到吃，不會背叛過大的本能——
我對她老公，一定謹慎使用電鑽

我相信的。
「你的公司吃一頓，怕我不，要。
這是苟且，這只是每個人畜無害的時候，看到桌上擺著自己活成一個男人。

那天開始翻垃圾。可是，我那麼窮，

明星集錦：

男人，白襯衫外面這麼好賺？
女人放在眼裡。男生惹毛了傻逼的老師。
李易峰好男兒決賽那天，不走心。

我愣了呀。
別懷疑自己當孫子，不是陌生人才看到了，咪蒙的專業性。
他真的是當初是一種能力。
一個屁都擠滿了呀。
林丹還能不能不要喜歡他

男人不會尷尬。
因為不滿意，你都去了再PS：

王小波的屎也在，我每天跟服務員理論。

我留在這座城市，搞起來。
大佑問阿九這樣的人生，就是最高的搪瓷碗。
喝一杯皇家有機純天然一鍋湯

評論區一直說句子不通順，確實有這個問題，因為生成的下一個詞僅考慮到上一個詞的依賴關係，而跟上上個詞沒有關係，那假設讓它跟上上個詞也有依賴關係呢？於是有了下面的優化邏輯：

1、設定2個開始詞，比如「我」和「身邊」；

2、匹配關鍵詞是「我」的結束位置，匹配關鍵詞是「身邊」的起始位置，取這2個集合的交集，目的是匹配所有「我身邊」這個連續片語對應的下一個詞；

3、隨機取交集中任意一個數字，匹配這個數字對應的詞，假設匹配到的是「有」；

4、把「身邊」賦給第1個詞，把「有」賦給第2個詞，再去匹配第3個詞，循環這個過程，這樣就構建了一篇上上下詞通順的隨機文章。

看看文章會不會通順一點：

後來才知道，只有我最欣賞的創業者傅盛就說，對不起啊，加了罌粟殼嗎。

有些忐忑，下午放學，我今天想說把公司搞垮
每次做完兼職，他的興趣愛好就是跟她收入相當，傳說中的少男少女，祝你們天天好體位，我擦。

我坐在末班車上，嘔吐、頭暈各種花式折磨，需要發泄情緒。
現在結婚已經9年了，因為我們信錯了人。

失敗者卻滿懷傲慢與偏見。
守護這樣的貨色要多少有多少。
他重啟一次電腦，喝水用的還是橡膠暖水袋……

愛情世界裡，最難的功課不是喜歡人，比如，他一出場，簡直能讓人噁心呢？
我會大聲地告訴你了，先檢討自己。
沒錯，他也會當場脫褲子的。
很多時候，還全方位挑刺。

確實通順了一些，也沒有錯位的標點符號了，當然，內容還是很屎尿屁，畢竟咪蒙的風格。

我會繼續優化的，需要你的支持需要你的點贊哦 (>口＜-)

更多有趣的數據分析，可以關注我的公眾號哦，washu66