用AI生成霉霉（Taylor Swift）的歌词（上）
用AI生成霉霉（Taylor Swift）的歌词（上）
发布 | ATYUN订阅号
本文中蓝色字体为外部链接，部分外部链接无法从文章中直接跳转，请点击【阅读原文】以访问。
泰勒·斯威夫特歌词生成器
几天前，我开始学习LSTM RNN（长期-短期记忆神经网络，长短时记忆递归归神经网络），我想如果我用它来做一个项目会是个好主意。
LSTM RNN有很多应用，我决定使用自然语言生成，因为我一直想学习如何处理文本数据，而且看到由神经网络生成的文本会很有趣，所以我有了生成泰勒斯威夫特歌词的想法。
什么是LSTM递归神经网络？
如果你不知道，LSTM递归神经网络是有循环的网络，允许信息持续存在，它们有一种特殊类型的节点叫做LSTM（长短时记忆）。
LSTM单元由单元格，输入门，输出门和遗忘门组成。细胞可以在任意的时间间隔内记住数值，这三个门控制着进出单元的信息流。如果你想了解更多关于LSTM的递归神经网络访问：
自然语言处理：从基础到RNN和LSTM（上）
http://www.atyun.com/41922.html
自然语言处理：从基础到RNN和LSTM（下）
http://www.atyun.com/41957.html
LSTM递归神经网络的应用
LSTM递归神经网络应用广泛，其中最常用的有：
- 语言建模
- 文本分类
- 对话系统
- 自然语言生成
现在，在我们学习了关于LSTM和RNN的一些基本信息之后，我们将开始实现这个想法（Taylor Swift歌词生成器）
我将使用两种方法来构建模型：
- 从头开始
- 使用名为textgenrnn的Python的模块
您可以尝试在[本笔记本 ]中运行代码，我强烈建议您至少看看Colab笔记本。
处理数据集
为了训练LSTM模型，我们需要一个泰勒歌曲歌词的数据集搜索。之后，我在Kaggle找到中了这个很棒的数据集。
让我们来看看：
# Import the dependencies
import numpy as np
import pandas as pd
import sys
from keras.models import Sequential
from keras.layers import LSTM, Activation, Flatten, Dropout, Dense, Embedding, TimeDistributed, CuDNNLSTM
from keras.callbacks import ModelCheckpoint
from keras.utils import np_utils加载数据集：
#Load the dataset
dataset = pd.read_csv('taylor_swift_lyrics.csv', encoding = "latin1")
dataset.head()
将每首歌的歌词串联在一起，让每首歌都成为一个字符串：
def processFirstLine(lyrics, songID, songName, row):
lyrics.append(row['lyric'] + '\n')
songID.append( row['year']*100+ row['track_n'])
songName.append(row['track_title'])
return lyrics,songID,songName# define empty lists for the lyrics , songID , songName
lyrics = []
songID = []
songName = []# songNumber indicates the song number in the dataset
songNumber = 1# i indicates the song number
i = 0
isFirstLine = True# Iterate through every lyrics line and join them together for each song independently
for index,row in dataset.iterrows():
if(songNumber == row['track_n']):
if (isFirstLine):
lyrics,songID,songName = processFirstLine(lyrics,songID,songName,row)
isFirstLine = False
else :
#if we still in the same song , keep joining the lyrics lines
lyrics[i] += row['lyric'] + '\n'
#When it's done joining a song's lyrics lines , go to the next song :
else :
lyrics,songID,songName = processFirstLine(lyrics,songID,songName,row)
songNumber = row['track_n']
i+=1定义新的熊猫数据框以保存songID，SONGNAME，抒情
lyrics_data = pd.DataFrame({'songID':songID, 'songName':songName, 'lyrics':lyrics })现在将歌词保存在文本文件中，刹车在LSTM RNN中使用：
# Save Lyrics in .txt file
with open('lyricsText.txt', 'w',encoding="utf-8") as filehandle:
for listitem in lyrics:
filehandle.write('%s\n' % listitem)歌词预处理
1-将歌词转换为小写：
# Load the dataset and convert it to lowercase :
textFileName = 'lyricsText.txt'
raw_text = open(textFileName, encoding = 'UTF-8').read()
raw_text = raw_text.lower()2-映射字符：
制作两个词典，一个用于将字符转换为整数，另一个用于将出师表转换回字符：
# Mapping chars to ints :
chars = sorted(list(set(raw_text)))
int_chars = dict((i, c) for i, c in enumerate(chars))
chars_int = dict((i, c) for c, i in enumerate(chars))获取文本中的字符数和词汇数量：
n_chars = len(raw_text)
n_vocab = len(chars)
print(‘Total Characters : ‘ , n_chars) # number of all the characters
in lyricsText.txt
print(‘Total Vocab : ‘, n_vocab) # number of unique characters3- 制作样品和标签：
制作样品和标签最低LSTM RNN的要求
# process the dataset:
seq_len = 100
data_X = []
data_y = []for i in range(0, n_chars - seq_len, 1):
# Input Sequeance(will be used as samples)
seq_in = raw_text[i:i+seq_len]
# Output sequence (will be used as target)
seq_out = raw_text[i + seq_len]
# Store samples in data_X
data_X.append([chars_int[char] for char in seq_in])
# Store targets in data_y
data_y.append(chars_int[seq_out])
n_patterns = len(data_X)
print( 'Total Patterns : ', n_patterns)4- 准备样品和标签：
准备好样品和标签，准备进入我们的模型。
- 重塑样本
- 使它们正常化
- 一个热编码输出目标
# Reshape X to be suitable to go into LSTM RNN :
X = np.reshape(data_X , (n_patterns, seq_len, 1))
# Normalizing input data :
X = X/ float(n_vocab)
# One hot encode the output targets :
y = np_utils.to_categorical(data_y)在处理完数据集之后，明天我们将开始构建LSTM RNN模型。
原文链接：
https://towardsdatascience.com/ai-generates-taylor-swifts-song-lyrics-6fd92a03ef7e