用人工智能取一个超酷的名字（一）

在我年轻的时候，我总是讨厌别人叫我春阳。这主要是因为我觉得这个名字有点土，听起来不够有格调。但是没有办法，按照我们中国人的传统，我这辈按照族谱中的规定，第二个字是春，最后一个字是我爷爷填的，他希望我能像太阳一样，温暖身边的人，所以就填了一个阳字。

就这样，春阳这个名字就诞生了，虽然不情愿，时间长了，也就习惯了。但是这也让我在后来我每次起名字的时候，都会急进的想起个好听的、有格调的名字，可每次都是绞尽脑汁，最终也找不到一个合适的名字。这样的经历，我至少经历了，给自己起网名、起英文名，给自己的博客起名字，给宠物起名字，给公司起名字等等。起名字这件事折磨了我很久。

直到有一天，我突然灵光乍现，我可以用深度神经网络来做一个起名的人工智能程序啊。我只需要描述我想起的名字，给它一些限制的条件，让它去“思考”起名的事情，这不就一劳永逸了嘛，我就可以永远告别起名这件痛苦的事儿了。

说干就干

有了想法，那么说干就干！首先，我要确定下，我需要的输入和输出的样子。这里我的想法很简单，就是我会告诉模型我想要的名字的描述的信息，我想要的姓氏、性别，还有预留一些可能以后会用到的信息的输入方式。那么这个输入和输出就是这样的：

接下来的问题就是，我从哪里才能得到大量的既有人的名字，又有对于人的信息的描述的数据来训练我的起名模型呢？

想到这里，估计你也猜到了，恰巧就有一个地方，既有我们的名字（网名），又有我们的描述信息。（这里卖个关子，不说明确切的来源）

既然有了数据来源，接下来就是写爬虫抓数据。想要爬虫程序的，可以单独联系我，我把爬虫发给你。如果是有想直接用数据集，那么你可以安装我写的一个快速进行数据下载、加载、可视化、预处理的包 datasetstore。有了这个包你就可以快速的加载我抓取下来的数据了。下面是对应的代码：

!pip install datasetstore==1.0.1.2 -i https://pypi.tuna.tsinghua.edu.cn/simple

from datasetstore import load_dataset

dataset = load_dataset("chinese-person-profile-10k")dataset

datasetstore 会在第一次加载的时候，从我们的云存储中加载到你的本地硬盘中，第二次再调用的时候，就会从你的本地缓存中读取了。

读取出来的数据是使用 Apache Arrow 格式存储的，计算速度和占用的存储空间也都是有保障的。

我们也可以通过接口快速的分析和查看数据的分布，是这样的：

from datasetstore.eda import quick_analysis

quick_analysis(dataset)

我们能看到，可视化的方法可以帮助我们快速的进行数据探索，了解数据的分布、缺失值、异常值等信息。

这个任务使用的模型

从上面的描述中，我们能够很容易的知道，这是一个很经典的序列到序列的问题，也就是说，我是通过对于输入序列文本的理解，来生成一串序列文本的任务。这种任务，我们可以使用 Seq2seq 来进行建模。可以参考下面的图进行理解：

我们能够非常清楚的看到，我们输入给模型的就是对于这个名字的描述，输出的就是这个名字。

大批量对数据集进行预处理

在 datasetstore 中，我们集成了很多常用的批量进行数据预处理的方法，接下来，我们就用这些方法，把原始的文本转换为模型能够接收的输入和输出的格式。

def construct_one_example(example):    if example["nickname"]:        nickname_len = len(example["nickname"])        # 输入        gender = example["gender"] if example["gender"] else ""        desc = example["description"] if example["description"] else ""        # head_name + ("<mask>" * (nickname_len - 1)) +        text = "<bos>" + gender + "，" + desc + "<eos>"        # 输出        label = "<bos>" + example["nickname"] + "<eos>"        return {"text": text, "label": label}

from datasetstore.preprocess import preprocessing

preprocessed_dataset = preprocessing(filtered_dataset, [construct_one_example])

这样就可以实现批量的数据转换了，当然从接口的设计上你可以看出来，其实你可以在 preprocessing 中传入多个预处理的函数，datasetstore 都会帮你顺序的处理，并且帮你打印执行的进度。

OK！到这里，我们就已经处理好了模型需要的数据格式，接下来我们还要做文本的表示和任务的建模，以及最重要的名字的生成。

我们下篇文章见~！