今天，我们将尝试训练我们自己的神经网络来为歌曲写歌词。 培训样本将是动手组的文本。 没有什么可以阻止您为自己喜欢的组的文本交换数据。 为了从网站提取数据，我们使用Python3（模块BeautifulSoup）。

任务是从网站下载数据（文本），然后基于它们训练神经网络。

实际上，您可以将工作分为两个阶段：
阶段1：以方便的格式卸载并保存歌词。
阶段2：训练自己的神经网络。

为了让巨魔和业余爱好者搜索秘密含义，我将立即说：

• 我不是“举起手来”的成员。
• 本文不是任何团体的广告。
• 我没得到她一分钱。
• 我不会赞成那些仅引起作者困扰的关于错别字的评论。 当然，我会尽一切努力做到无误，但不幸的是，我不是俄语母语人士，有时我没有注意到任何事情，请以亲切的态度写出来。 对于其他人，我带着不愉快的玩笑，提议在树林里散步。

第一阶段

项目的虚拟环境（virtualenv）。
回购

#start virtualenv -p python3 my_song # 

 #run source my_song/bin/activate 

 #install modules pip install -r requirements.txt 

从网站上以* .csv格式保存并卸载歌词。

 #-*- coding: utf-8 -*- import urllib.request from bs4 import BeautifulSoup import pandas as pd URL = 'http://txtmusic.ru/index.php?s=%D0%F3%EA%E8+%C2%E2%E5%F0%F5%21' #  page = urllib.request.urlopen(URL) soup = BeautifulSoup(page) li = soup.body.findAll('li') #   <li>    URL URLS = ['http://txtmusic.ru/'+laget('href') for l in li] df = pd.DataFrame(columns=['name', 'text']) list_of_names = [] list_of_text = [] ind=0 BIG = "" for URL in URLS: page = urllib.request.urlopen(URL) soup = BeautifulSoup(page) article = soup.body.findAll('article') #    ( rticle) text = str(article[0]).split('\n')[8] text = text.split('<br/>') text = [t for t in text if t!=''] text = " ".join(text) name= str(article[0].h1).split(" - ")[1].rstrip("</h1>") list_of_text.append(text) list_of_names.append(name) df.name = list_of_names df.text = list_of_text df.to_csv('songs.csv') #    'songs.csv' 

下一步是将文本音译为拉丁文版本（该模型对拉丁字母而言比对西里尔字母更有效）。

 import pandas as pd df = pd.read_csv('songs.csv') df = df[['name','text']] df.text = df.text.apply(lambda x: cyrtranslit.to_latin(x, 'ru')) df.text.to_csv('trans.csv') '''  cyrtranslit.to_latin('      ', 'ru') 'Moyo sudno na vozdushnoj podushke polno ugrej' cyrtranslit.to_cyrillic('Moyo sudno na vozdushnoj podushke polno ugrej') '      ' ''' 

第二阶段

 from textgenrnn import textgenrnn textgen = textgenrnn() textgen.train_from_file('trans.csv', num_epochs=1) # created file textgenrnn_weights.hdf5 

仅此而已！ 使用（textgenrnn）[ https://github.com/minimaxir/textgenrnn ]既方便又方便，文本仍然不现实，但是您必须自己更改模型参数。

textgenrnn的优点是您不需要处理任何类型的数据处理，只需加载文本数据集并坐在咖啡旁，一边观看模型培训。

 #      textgen_2 = textgenrnn('textgenrnn_weights.hdf5') textgen_2.generate(3, temperature=1.0) textgen_2.generate_to_file('lyrics.txt') 

接下来是什么？

现在，在学习了如何使textgenrnn创建文本之后，可以使用以下知识做很多事情：

• 创建Wikipedia文章。
• 在社交网络上的帖子。
• 新闻。

使用的来源清单：

https://github.com/minimaxir/textgenrnn
https://towardsdatascience.com/ai-generates-taylor-swifts-song-lyrics-6fd92a03ef7e