Pass It On Text Generation
1.0.0
讀取者
語料庫 +代碼 +訓練有素的模型，用於“通過”比利比利模因。
這個存儲庫可能有助於研究口碑謠言的傳播，尤其是關於人們如何重新重現和發出謠言（或事實）時越來越令人震驚（有時很有趣），當他們不斷地傳播時...
同時，“傳遞”也是比利比利的模因。人們會對視頻或帖子發表評論，試圖故意誤解上傳者最初的含義，從而導致有趣的口碑傳播。
python 3.6
tensorflow 1.14.0
bert4keras 0.10.6
jieba
我們使用“通過” bilibili Meme的模式提供了一個3W Bilibili評論的語料庫（即，以“傳遞”開頭的評論，）
在過去的3年中，我們主要爬了“年度最佳上傳者”的視頻/發表評論。還包括數百萬追隨者（例如Genshin撞擊）的幾個渠道。請注意，該語料庫遠遠不夠大，可以代表完整的Bilibili用戶/註釋分發。
原始數據在數據文件夾中保存為“ corpus.json”，它是字典列表。
{
"context": {
"bvid": "BV1Gb4y167gE",
"uid": "476704454"
},
"rumors": [
{
"source": "热情的舟山人民把小文哥当海鲜吃了",
"propagations": []
},
{
"source": "5147779123",
"propagations": [
"舟山的海鲜把小文哥吃了",
"舟山的海鲜想让小文哥吃人",
"热情的小文哥把海鲜当成舟山人民吃了",
"小文哥热情地把舟山上的海鲜吃了",
"热情的海鲜在舟山到处吃小文哥",
"热情的舟山海鲜把小文哥给吃了。",
"舟山的热情海鲜把小文哥吃了",
"小文哥带着热情的海鲜把舟山吃了"
]
},
{
"source": "小文哥把舟山人民配海鲜吃了",
"propagations": []
}
]
},
{
"context": {
"bvid": "BV1Bw411d7r8",
"uid": "476704454"
},
"rumors": [
{
"source": "小文哥吃了兄弟家一山头的桃",
"propagations": []
}
]
}
所有數據均從比利比利視頻或發表評論中收集。當某人用“傳遞”圖案寫評論時，其他人通常會跟隨並留下相同模式的子手段。例如，
a comment : pass it on, the uploader says he likes this girl.
sub-comment-1: pass it on, the uploader likes to be a girl
sub-comment-2: pass it on, the uploader likes to be a boy
sub-comment-3: pass it on, the uploader is a girl
...
對於數據/語料庫中的每個元素
context: # so that one could refer to source page
bvid: # video (post) id
uid: # user (uploader) id
rumors: # a list containing rumors
[
{
source: # source of rumors, might be a comment or just a comment_id (if source has no "pass it on" pattern)
propagations: # list of sub-comments, spreading the source in time order
},
{source, propagations},
{source, propagations},
...
]
我們還得出了“數據/列車”，這是逐行的“句子1 t句子2”行的常見格式的訓練數據。它包含290,000個句子對。
我們將任務視為典型的文本生成：
該任務類似於文本釋義（生成相似的句子），但是這次儘管句子配方相似，但我們也希望在目的上進行語義轉移。
此外，還有另一個挑戰在於來源與傳播之間的一對多關係。
我們利用Roformer-SIM預讀的一代模型作為我們的骨幹，因為這是一個很好的文本釋義基線。此外，為了對以前指出的一對多關係進行建模，我們以柏拉圖的方式添加潛在變量，其中預先將特殊的令牌添加到代表潛在變量的輸入文本。因此學習也略有不同。
注意：我們不能100％確定我們的類似柏拉圖的模型實現是正確的[Doge]
我們開源的模型供公眾使用。這是一個12層修改的Roformer模型。
Google Drive
注意$ your_model_path下載模型的模型目錄，然後您可以使用命令行執行推斷，如下所示：
python train_latent.py --do_predict --model_dir=$your_model_path --n=1 --topp=0.8 --text=any_text
input: up主喜欢小天使
========== predict:
传下去，up主疑似在天堂被天台感动
传下去，up喜欢天穹
传下去，up主家里有天星
传下去，天使喜欢戴眼镜的up主
传下去，up没有天堂
传下去，up叫天台来烤粉丝。
传下去，up每天早上要直播露脸
传下去，up下天生孩子
传下去，up到天台高产了
传下去，up上天堂了
传下去，up和天使吃了
传下去，楼主的那个帅小伙要穿天堂
传下去，up要cos女巫直播
传下去，天堂大up要爽了
传下去，up下天生孩子翻车了
传下去，up不是人
传下去，天天抽一个up吃8个小孩
传下去，三天之后，up主要被魅魔掏心脏了
input: 帝君喜欢吃花生米
========== predict:
传下去，帝君喜欢吃干净的小孩子。
传下去，帝君喜欢捆绑
传下去，帝君用生煎包吃花生米
传下去，帝君吃傻子吃腻了
传下去，喜欢帝君的来自花生米
传下去，花生米吃帝君
传下去，神像吃吃沙子
传下去，我吃帝君屁股
传下去，帝君身边有个米哈游
传下去，帝君只剩干了
传下去，仙跳墙使帝君心疼
传下去，帝君今天上了小通宵
传下去，帝君上床了
传下去，帝君没有下半身
传下去，帝君要炸百京贵妇
传下去，十个视频有了帝君
传下去，帝君会喂食尘神当生日礼物
传下去，视频下一次更新十个帝君
传下去，这个视频里有一年的课代表
input: 川建国要复辟了
========== predict:
传下去，川建国想要
传下去，川宝上任国君了
传下去，川宝变艾伦了
传下去，《不要传传》
传下去，川宝有天火了。
传下去，阿舅变成了川宝
传下去，川宝长大了也不会忘开
传下去，《川宝要制杖》
传下去，总之，川宝喜欢新衣服
传下去，齐格飞要斩四郎
传下去，老八要吃了川宝
传下去，川普不喜欢制杖
传下去，川团老表是孙笑川
传下去，三叔写盗墓笔记
传下去，川宝没有才浅是制杖
传下去，《川宝喜欢才浅制杖》
传下去，我要吃川宝老爷子
传下去，《我才是川宝喜欢的人》
传下去，全世界辣鸡都不用吃川宝！
传下去，有人冒充川宝想被粉丝上
默認情況下，我們使用batch_size = 128訓練10個時期。鼓勵使用經過預定的檢查站。 （例如，在第30行，checkpoint_path =“ central_roformer-sim-char-ft_l-12_h-768_a-12”）
python train_latent.py --model_dir=$your_model_dir --train=data/train.samples
由於這完全是數據驅動的方法，因此該模型可能會為看不見的或不域外輸入生成怪異或非全體句子，這是相當合理的。
順便說一句，歡迎任何其他有趣的語料庫。
