如何在python（NLP）中更改句子结构（祈使句->；疑问句）

我想建立一个模型，能够以祈使句的形式接受一个句子，并以疑问句的形式输出一个新句子（但是，两个句子的意思是相同的——两个句子都是命令）。我已经看到了下面的问题，并且对可以使用哪种模型做了一些研究，但是我被难住了。任何关于从这里到哪里的建议都是非常受欢迎的

示例数据：

我有几个祈使句和疑问句

    Imperative: Make sure you know what your own assets are and operate them accordingly.
    Interrogative 1: Do you know what your own assets are and can you operate them accordingly?
    Interrogative 2: Do you know what your own assets are and how to operate them accordingly?

    Imperative: Hold your hands in position.
    Interrogative 1: Can you hold your hands in position?
    Interrogative 2: Could you hold your hands in position?

我更喜欢用机器学习的方法，因为我的句子太多了

最终目标是能够输入祈使句，并具有相同含义输出的随机疑问句

我所做的

我已经创建了一个基于规则的系统，可以使用NLTK的词性标记组块以87%的准确率对命令进行分类。我还能够使用NLTK的上下文无关语法函数从句子中提取语法。我对神经语言模型和LSTM做了一些研究，但这些似乎想把一段或更多的文本作为训练。我想用单句作为训练，有明确的输出可能性

最后一个问题

---

有没有一种算法可以用来训练祈使句和疑问句之间的语法差异，这样我就可以简单地输入祈使句，并得到一个疑问句作为回报？是否还有其他方法需要研究？

您可以使用序列到序列模型来训练类似的内容。它需要大量的训练数据，但每个训练实例都可以是一个句子。或者，您可以使用依赖项解析器和规则来转换句子。不过这很棘手，谢谢你。自从我发布这篇文章以来，我一直在研究seq2seq模型。我没有太多的数据，这是一个问题。啊，那样的话，会很棘手。也许你应该看看基于规则的factoid问题生成，特别是使用依赖关系解析来操作句子结构。它需要大量的训练数据，但每个训练实例都可以是一个句子。或者，您可以使用依赖项解析器和规则来转换句子。不过这很棘手，谢谢你。自从我发布这篇文章以来，我一直在研究seq2seq模型。我没有太多的数据，这是一个问题。啊，那样的话，会很棘手。也许您应该看看基于规则的factoid问题生成，特别是使用依赖项解析来操作句子结构。