Dev►Apple

Zzzyt语录判断器

打完NOIP后要退役了，闲着无聊写了Zzzyt语言判断器。

第一步：获取数据

从Skype上下载聊天历史数据，并进行处理，可以参考这篇文章HHS Blog。

这是我的源码供参考修改：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
import json

print("text,label")

d=dict()

def deal(s):
    if s==None:
        return None
    
    moved=""
    s=s.replace(",","，").replace("&apos;","'").replace("&lt;","<").replace("&gt;",">").replace("&quot;","\"").replace("\n","\\n").replace("\r","").replace("&amp;","&")
    layer=0
    for i in range(0,min(50,len(s))):
        if s[i]=='<':
            layer+=1
        elif s[i]=='>':
            layer-=1
        elif layer==0:
            moved+=s[i]
    return moved
with open("messages.json","r") as f:
    data=json.loads("\n".join(f.readlines()))
    
    for conv in data['conversations']:
        for msg in conv['MessageList']:
            usr=msg['displayName']
            
            if usr==None:
                continue
            txt=deal(msg['content'])
#            print(msg['content'],'->',txt)
            if usr=="Zzzyt":
                d[txt]="Zzzyt"
            elif txt not in d:
                d[txt]="Other"
#            if txt!=None and txt not in d:
#                d[txt]=usr
#            elif d[txt]!=usr and d[txt]!="Zzzyt:
#                d[txt]="Common"

count=0
for i in d:
    count+=1
    if d[i]=="Zzzyt":
        print(i,"Zzzyt",sep=",")
    else:
        print(i,"Not Zzzyt",sep=",")

第二步 导入数据到Create ML

将输出文件导入到Create ML中，进行简单训练。 （毕竟我也是ML弟弟，也懒得花时间真正去写tf什么的）

第三步 查看效果

啊啊啊

经过简单测试，本模型已经可以简单识别Zzzyt语言习惯，比如im，：？等常用短语表情。

下载

GDrive

Github