Api 如何用小写字母来构建短句？

我正在寻找一种方法来编写一个程序，创建一个简短的德语句子与限制字母集。这些句子可以是无意义的，但在语法上应该是正确的。以下示例仅包含字母“aeilmnost”：

• “安东尼娅是蒂娜·伊姆·塔尔。”
• “Tamina malt mit lila Tinte Enten”
• “Tina nimmt alle Tomaten麻省理工”

为了完成这项任务，我需要一本字典，如（可在的答案中找到）。以编程方式创建文本的研究领域是。在NLG维基上，我发现了一个大的。我从列表中选择了两个，这可能是合适的：

• -一个Java API，它还具有
• -来自不来梅大学的多语种一代

您是否曾与NLG图书馆合作，并对使用哪一个图书馆构建字母集限制的短句有一些建议？

---

你能推荐一篇关于这个主题的论文吗？

语法正确是一个相当模糊的领域，因为语法并不像人们想象的那样严格定义。不过，这里真正需要的是一个

词性标记器

，以及一个马尔可夫链

特别是马尔可夫链说，给定一个特定的状态（例如第一个单词），就有一定的机会进入另一个状态（下一个单词）。从scracth编写它们相对容易，但我有一个python的要点，如果您需要一个示例，它将展示它们是如何工作的

一旦你知道了这一点，我建议你使用一种基于词性的马尔可夫链，结合检查单词是否是从你想要的字符集构造的。一般来说，该算法会如下所示：

随机选取第一个单词，检查它是否完全由所需的字符集构成

使用马尔可夫链预测下一个单词

检查该单词是否是适当的词性，以及是否符合所需的字符集

如果不是，预测另一个词，直到它成为事实

如果是，则重复从2开始到完成

---

希望这就是你要找的。如果您还有任何问题，请告诉我。

正如斯莱特·泰拉诺斯（Slater Tyranus）所说，马尔可夫链肯定是这项任务的基础。我将建议一种更为繁重的方法。这是相当多的工作，但可能会给出更好的结果方面的语法正确性

基于PCFG解析树的语言模型：语言模型通过为一系列单词分配概率来工作。然而，它需要训练数据才能首先构建。在您的情况下，培训过程应该忽略包含有限集合之外字母的单词

虽然从理论上讲，基于解析树的语言模型更有可能达到您的目的，但有一个警告：由于您具有基于字母的限制，数据稀疏性肯定会让您大吃一惊。退避技术（例如）可能会有所帮助，但它本质上取决于您是否能够在足够的数据上进行培训

---

就可用的解析器而言，斯坦福NLP小组提供了一个基于Negra语料库的德语解析器，如前所述。

这是我第一次研究这个主题，谢谢你的帮助。@ChristianAmmer很高兴能提供帮助！如果这解决了你的问题，别忘了标记为接受。谢谢你的回答和替代方法。首先，我同意斯莱特的答案，这似乎更容易实现。我自己也会这样做：-）毕竟，奥卡姆的剃刀也适用于算法方法，不是吗？谢谢你纠正我回答中的名字。