[PYTHON] Mitsuhiko "Ich kann es dem Verbrecher sagen, indem ich mich vorstelle!"

Prolog

Hallo zusammen. Heute möchte ich eine epochale Erfindung vorstellen, die mir hilft, den Fall zu lösen. Es ist ein System, das die Gespräche der Verdächtigen vor dem Vorfall sammelt und den Verbrecher und das Opfer vorhersagt! Ich bin mir immer noch nicht sicher über KI, aber für die Boy Detectives ist nichts unmöglich!

Zweck

• Vorhersage von Kriminellen und Opfern, bevor ein Vorfall eintritt

Bedingungen

• Der Zielfall ist ein Mordfall
• Vorhersage des Verbrechers und des Opfers aus dem Gespräch vom Beginn der Geschichte bis vor dem Vorfall

Systemübersicht

• Sprache ist Python
• Die für maschinelles Lernen verwendete Bibliothek ist Keras
• Die morphologische Analyse-Engine ist Janome

Implementierungsablauf

Ich werde kurz die Vorgehensweise zum Erstellen eines Systems erläutern.

• Datensammlung Wir sammeln Daten aus Conans Büchern. Es war schwierig, alle Gespräche bis zum Vorfall aufzunehmen, deshalb habe ich beschlossen, 10 Ballons als Trainingsdaten zu verwenden. Außerdem wurden alle Personennamen in "Tanaka" konvertiert, sodass die im Gespräch enthaltenen Personennamen das Urteil nicht beeinflussen.

• Morphologische Analyse Die gesammelten Daten werden auf Japanisch geschrieben, können jedoch nicht als Lerndaten verwendet werden, sodass wir die Daten verarbeiten. Durch die Trennung von Sätzen in Wörter ist es möglich, sie in Zukunft zu vektorisieren. Zum Beispiel wird "Sumomo / Momo / Momo no Uchi" als "Sumomo / Momo / Momo / Momo / Momo / No / Uchi" getrennt.

• Vektorisierung Konvertieren Sie Sätze mit janomes doc2vec in Vektordaten. Durch numerisches Ausdrücken von Satzdaten können diese nun als Lerndaten verwendet werden.

• Lernen Wir werden die ausgefüllten Vektordaten als "kriminell / Opfer / allgemeine Öffentlichkeit" kennzeichnen und lernen.

Ergebnis

Die Genauigkeit für die Trainingsdaten lag nahe bei 100%, aber die Genauigkeit für die neuen Daten war fast nicht vorhanden.

• Ursache der Niederlage: Die Trainingsdaten waren überwiegend unzureichend (28)
• Es war schwieriger als erwartet, den Inhalt eines Buches manuell in Daten umzuwandeln.
• Ich habe einen Kompromiss geschlossen, weil das Buchungsdatum kurz war
• Priorität für das Lesen von Comics

Wie oft gesagt, ist der schwierigste Teil des maschinellen Lernens das Sammeln von Trainingsdaten. Ich möchte so etwas machen! Ich denke, es ist selten, dass Daten sofort abgerufen werden, wenn ich darüber nachdenke. Daher hielt ich es für wichtig, regelmäßig eine Antenne auf den Daten zu halten.

Bonus

Es ist das Ergebnis der Beurteilung der Linien verschiedener Zeichen. Von links nach rechts ist es die Wahrscheinlichkeit von [allgemeines Opfer, Verbrecher].

• Ich bin eine Katze
• [0.506109 0.47779834 0.01609264]
• Oss! Ora Goku
• [0.7559725 0.22846058 0.01556693]
• Ich Doraemon
• [0.6403506 0.3441662 0.01548317]
• Haruhi Suzumiya aus Tochu. Ich interessiere mich nicht nur für Menschen. Wenn es sich dabei um Außerirdische, zukünftige Menschen, Fremde oder übernatürliche Kräfte handelt, kommen Sie zu mir. das ist alles.
• [0.2473547 0.69323796 0.05940729]
• Ich werde der Gott der neuen Welt sein!
• [0.28107646 0.70111287 0.01781074]
• Wenn Sie aufgeben, endet das Spiel dort
• [0.63113874 0.34889922 0.01996207]
• Keine Ergebnisse !! Ich habe keine Ergebnisse erhalten !!
• [0.46731383 0.48855832 0.04412784]
• Wenn man nur eine Wahrheit sieht, ist das Aussehen ein Kind, das Gehirn ein Erwachsener, der Name ist Detective Conan!
• [0.50221133 0.47582945 0.02195918]

Es hängt fast von der Wahrscheinlichkeit der Öffentlichkeit oder des Opfers ab. Die Wahrscheinlichkeit eines Verbrechers beträgt höchstens 6%, und vielleicht lernen Sie, dass auffällige Linien nicht der Verbrecher sind.

Kiras "Ich werde der Gott der neuen Welt sein!" War derjenige mit der höchsten Wahrscheinlichkeit, ein Opfer zu sein.

Fazit

Nachtgott Licht stirbt