NLP文本转换转换主题

我是NLP的新手，但我想知道目前是否有任何简单的方法（使用服务或OSS等）可以使用NLP更改大量文本的主题，而原始主题是已知的（最好是这种方法是否有多种语言？）（相当于方法语句（）.toPastTense（）详细信息/可在此处找到：）

假设原始文本是关于“你”的，你知道这一点，但你想自动生成文本的一个版本，该版本将更改为关于“你的兄弟”

（非常荒谬）示例：

“你应该沿着大厅走下去，到了拐角处你就完了。”

会变成

“你哥哥应该到大厅里去，因为他到了拐角处 完成。”

---

据我所知，这种类型的文本转换依赖于引理化（如本文所示），但由于我一直在研究文本转换方法，我还没有看到任何与句子主题相关的方法？

我不知道有什么现成的方法，但肯定可以做到。例如，使用您可以尝试使用词性来生成函数。显然，您需要的不仅仅是这个小片段，比如检查主语/动词一致性的函数，但这是一个方法的示例，希望能引起大家的思考

从textblob导入textblob
从textblob.taggers导入NLTKTagger
从textblob导入单词
def lil_subject_replacer（短语、输入主题、输入主题）：
nltk_tagger=NLTKTagger（）
blob=TextBlob（短语，pos_tagger=nltk_tagger）
主题=真
对于i，枚举中的keyval（blob.pos_标记）：
key=keyval[0]
value=keyval[1]
如果（值=‘PRP’）：
若主题为：
blob.words[i]=输入
主语=假
其他：
blob.words[i]=input\u prp
blob.words[i+1]=单词（blob.words[i+1]）。lemmatize（'v'））
返回“”。加入（blob.words）
我的短语='你应该走下大厅，当你到达拐角时，你就完成了。'
打印（我的短语）
打印（lil_subc_replacer（短语=my_短语，input_subc='Your brother'，input_prp='he'））

原文：

当你到达拐角处时，你应该沿着大厅走。

没有柠檬化：

你的兄弟到达拐角时应该沿着走廊走，他已经走完了

柠檬化动词：

当你的兄弟到达拐角处时，他应该走下大厅

编辑：添加了lemmaz的示例，因为您提到了它