MyTwitterBot
1.0.0
该存储库最初是从Standford在NLP上深入倾斜课程中的Assigment 2的扩展。完成作业后，我尝试将代码转换为有用的东西（您可以判断我以任何形式实现这一目标）。
我使用RNN创建了语言模型，并创建了一个Twitter机器人。文件夹“数据”中有一些语料库：
Penn Tree Bank（PTB）数据集。
到目前为止，所有总统的特朗普复杂推文都发了推文（2017年8月2日）。
迄今为止，巴西乔纳尔·萨卡姆托（Leornardo Sakamoto）的所有博客文章都在他的网站上发布（2017年8月2日）。
有了这些语料库，我创建了三个不同的机器人：PTBBOT，TRAMPBOT和SAKABOT（我知道不是很原始的名字）。一般的理论家是，您可以使用各种不同的语料库来生成更具创造力和有趣的推文！
例如，使用ptbbot，我在推特上发了很棒的东西，例如：
要安装所有必需的库，只需运行：
$ sudo apt-get install python3-pip
$ pip3 install -r requirements.txt
在开始创建自己的惊人推文之前，必须先在Twitter上注册您的应用程序。因此，从现在开始，我假设您在称为“ key.py”的文件中拥有所有关键信息（此文件应在文件夹“代理”中）。
首先，要执行完整的测试，您可以简单地运行：
$ python3 src/test/test_all.py
现在，如果一切正常，您可以转到所有机器人所在的文件夹“教程”。让我们以Trumpbot为例。在编写任何推文之前，您需要训练模型：
$ cd src/tutorials/TrumpBot
$ python3 train.py
训练后，您可以与机器人进行互动以编写任何数量的推文；只是跑
$ python3 write.py
您从此交互中写的所有推文都将存储在文件夹“ Twitter_draft”上。假设“ date.txt”是一个带有一些推文的文本文件，您可以编辑此文件然后运行：
$ python3 post.py ./twitter_draft/date.txt -m 30
该机器人将使用您在文件“ key.py”中写的帐户的帐户以30分钟的间隔发布所有推文。
代理：编码机器人行为。
数据：包含所有语料库的文件夹。
图像：文件readme.md的图像
测试：每个模块的测试。
text_processing ：文本处理的不同功能。
tftools ：Tensorflow RNN模型和辅助功能。
教程：具有三个基本机器人的文件夹。
Twitter ：Tweepy功能。
