原文：
www.kdnuggets.com/2018/04/neural-network-startup-name-generator.html
评论
由 Alexander Engelhardt，自由数据科学家
在这篇文章中，我展示了一个自动生成初创公司名称建议的 Python 脚本。你给它一个具有特定主题的文本语料库，例如凯尔特文本，然后它会输出类似发音的建议。一个示例调用如下：
1. 谷歌网络安全证书 - 快速进入网络安全职业道路。
2. 谷歌数据分析专业证书 - 提升你的数据分析技能
3. 谷歌 IT 支持专业证书 - 支持你组织的 IT
./generate.py -n 10 -t 1.2 -m models/gallic_500epochs.h5 wordlists/gallic.txt --suffix 软件
输出：
=======
Ercos 软件
Riuri 软件
Palia 软件
Critim 软件
Arios 软件
Veduos 软件
Eigla 软件
Isbanos 软件
Edorio 软件
Emmos 软件
我将这个脚本应用于英语、德语和法语的“普通”文本，然后尝试了凯尔特歌曲、宝可梦名字和 J.R.R. 托尔金的黑语（魔多之语）的语料库。
我已经将一些更长的样本提案列表发布在这里。
你可以在我的 GitHub 仓库中找到代码、我使用的所有文本语料库以及一些预计算模型：
github.com/AlexEngelhardt/startup-name-generator
最近，我和一位同事开始创办一家软件公司，但我们想到的大多数名字都已经在用。我们想要一个具有凯尔特风格的名字，并且需要大量的候选名称来找到一个仍然可用的。
所以我开始创建一个生成新型人工词汇的神经网络。你需要输入一个你喜欢的特定风格的样本文本，例如凯尔特歌曲，它就能捕捉文本的特点（“语言”）并生成新的类似发音的词汇。著名的Andrej Karpathy 的博客文章为我提供了必要的知识和信心，这个想法是现实的。
我首先建立了一个原始文本的语料库。对于预处理，我剥离了所有非字母字符。然后，我将文本分割成单词并只保留唯一的单词。我认为这个步骤是合理的，因为我不希望模型学习最常见的单词，而是理解整个语料库的结构。
之后，大多数文本语料库最终成为 1000 到 2000 个单词的列表。
循环神经网络可以特别好地建模语言，并且是这个词生成任务的合适类型。然而，找到‘完美’的 RNN 架构仍然有些像黑魔法。像使用多少层或多少单元这样的问题没有确定的答案，而是依赖于经验和直觉。
为了节省训练时间，我希望模型既足够复杂又尽可能简单。我选择了一个每层有 50 个单元的字符级双层 LSTM，并训练了 500 个周期。这个模型输出的单词已经听起来非常不错了。
RNN 逐个字符生成新名称。它不仅输出下一个字符，还输出下一个字符的分布。这允许我们要么选择概率最高的字母，要么从提供的分布中采样。
我发现一个很好的方法是改变采样过程的温度。温度是一个调整采样权重的参数。“标准”温度 1 不改变权重。对于较低的温度，采样变得不那么随机，即更保守，几乎总是选择最大权重对应的字母。另一个极端，大温度，会调整权重接近均匀分布，代表完全的随机性。对于实际文本采样，温度低于 1 可能是合适的，但由于我想要新词，高温度似乎更好。
在上图中，假设我们想从 A、B、…、J 中采样一个字母。你 RNN 输出的原始权重可能是红色条。如果你降低温度，权重会变成黄色条（温度 = 0.1），如果你提高温度，它们会变成绿色条（温度 = 3）。
使用-h 参数调用脚本以打印所有可能的参数概述。以下命令在 wordlists/english.txt 语料库上训练一个 LSTM 模型 500 轮（-e 500），将模型保存（-s）到 models/english_500epochs.h5，然后用 1.2 的温度（-t 1.2）采样 10 个公司名称（-n 10），最后将“Software”添加到名称后（--suffix）（我在这里找到了一长串可能的后缀）。在训练过程中，我喜欢传递-v 参数以运行详细模式。然后，模型每 10 轮打印一些额外信息以及几个生成的示例单词：
./generate.py -v -e 500 -n 10 -t 1.2 -s models/english_500epochs.h5 wordlists/english.txt --suffix Software
我的呼叫返回了这些建议：
Officers Software
Ahips Software
Appearing Software
Introduce Software
Using Software
Alarmed Software
Interettint Software
Entwrite Software
Understood Software
Aspemardan Software
我遇到的一些其他优质名字建议，太好以至于不分享不行：
-
确实（看，它有效！）
-
Unifart（我敢你！）
-
Lyston
-
Alton
-
Rocking
-
Moor
-
Purrs
-
Ture
-
Exace
-
Overheader
在你存储模型后（使用-s 选项），加载模型比重新计算模型要快（使用-m 而不是-s 参数）。
我收集了一些德语、英语和法语的文本，只为拥有一些听起来真实的单词，并评估模型对语料结构的学习效果。
然而，我的大部分时间随后花在了更有趣的语料库上。下面，我将简要描述它们，并展示一些生成单词的随机样本。
该语料库由一个高卢词典和Eluveitie的高卢语歌曲歌词组成：
Lucia
Reuoriosi
Iacca
Helvetia
Eburo
Ectros
Uxopeilos
Etacos
Neuniamins
Nhellos
如果你提供一个所有宝可梦的列表，你会得到宝可梦主题的名字：
Grubbin
Agsharon
Oricorina
Erskeur
Electrode
Ervivare
Unfeon
Whinx
Onterdas
Cagbanitl
托尔金的黑语，魔多的语言，是一个纯粹的娱乐实验：
Aratani
Arau
Ushtarak
Ishi
Kakok
Ulig
Ruga
Arau
Lakan
Udaneg
这个工具已经证明对我们很有用，提出了一些非常悦耳的名字。它也可能对其他人有帮助，我
Bio: 亚历山大·恩格尔哈特，最近获得了慕尼黑大学的统计学硕士和博士学位，随后成为了专注于机器学习的自由数据科学家。亚历山大最近对开源产生了兴趣，开始贡献于 R 包‘mlr’。这篇文章介绍了我第一个个人侧项目。
原文。转载经许可。
相关：