Nlp 撰写包含160位可恢复信息的合成英语短语

我有160位随机数据

为了好玩，我想生成伪英语短语来“存储”这些信息。我希望能够从短语中恢复此信息

注意：这不是一个安全问题，我不在乎其他人是否能够恢复信息，甚至检测到信息是否存在

更好短语的标准，从最重要到最不重要：

• 短
• 独特的
• 自然的外表

目前的做法建议：

列出三张1024个名词、动词和形容词的清单（挑选最流行的）。按照以下模式生成短语，每个单词读取20位：

Noun verb adjective verb, Noun verb adjective verb, Noun verb adjective verb, Noun verb adjective verb. 名词动词形容词动词， 名词动词形容词动词， 名词动词形容词动词， 名词动词形容词动词。 现在，这似乎是一个很好的方法，但是这个短语有点太长，也有点枯燥

我找到了一个词库（词性数据库）

经过一些特别的筛选，我计算出这个语料库大约包含

• 50690个可用形容词
• 123585个名词
• 15301动词
• 13010个副词（不包括在句型中，但在答案中提到）

这使我可以使用多达

• 每个形容词16位（实际上是16.9，但我不知道如何使用小数位）
• 每个名词15位
• 每个动词13位
• 每个副词13位

对于名词-动词-形容词-动词模式，这为短语中的每个“句子”提供57位。这意味着，如果我使用从语料库中获得的所有单词，我可以生成三个句子，而不是四个（160/57）≈ 2.8）

名词动词形容词动词， 名词动词形容词动词， 名词动词形容词动词。 还是有点太长太无聊了

有什么可以改进的提示吗

我所看到的我可以尝试的：

• 在编码之前，尝试以某种方式压缩我的数据。但是，由于数据是完全随机的，只有一些短语会更短（我想，不会太短）

• 改进短语模式，使其看起来更好

• 使用多个模式，使用短语中的第一个单词以某种方式指示将来使用的解码模式。（例如，使用最后一个字母甚至单词的长度。）根据数据的第一个字节选择模式

…我的英语不是很好，不能想出更好的短语模式。有什么建议吗

• 在模式中使用更多的语言学。不同的时态等

---

…我想，我需要比现在更好的单词语料库。我能在哪里找到一个合适的提示？

< P>我会考虑在你的列表中添加副词。我想出了一个模式：

<Adverb>, the
    <adverb> <adjective>, <adverb> <adjective> <noun> and the
    <adverb> <adjective>, <adverb> <adjective> <noun>
<verb> <adverb> over the <adverb> <adjective> <noun>.

，这个
，以及
,   
在整个过程中。

这可以对181位数据进行编码。我使用我不久前从WordNet数据中创建的列表得出了这个数字（可能有点偏离，因为我包括了复合词）：

• 12650个可用名词（13.6位/名词，向下舍入）
• 5247个可用形容词（12.3位/形容词）
• 5009个可用动词（12.2位/动词）
• 1512个可用副词（10.5位/副词）

---

例句：“浸泡，习惯性的傻乎乎的，社会投机的斯沃琪和无所畏惧的灾难性的，在某个地方相互作用的宏观世界，天使般地阻止了不可避免的间歇性安慰。”

很好，谢谢。除了我会用两三句话组成一个短语外，这句话有点太不自然了。（还有：你的形容词数量比我的少了很多——也许我算错了什么？）我想补充一点：使用英语编码方法，但要唱一首你喜欢的歌。当我这样做的时候，我能够记住70个地铁站！尝试使用时态会导致复杂性，因为英语中没有规则的形态系统。例如，对于第三人称复数主动指示符，我们在“他们去了”和“他们去了”之间有一个时态区别，但在“他们适合（过去）”和“他们适合（现在）”之间没有区别。由于时态区分的可用性因其他数据而异，因此很难以简单的方式将其纳入您的存储算法中。很抱歉，但我发现自己不得不提出相关建议，不管它是否真正完全回答了您的问题：

<Adverb>, the
    <adverb> <adjective>, <adverb> <adjective> <noun> and the
    <adverb> <adjective>, <adverb> <adjective> <noun>
<verb> <adverb> over the <adverb> <adjective> <noun>.