我见过很多使用马尔可夫链根据源数据生成随机词的例子，但它们对我来说似乎有点过于机械和抽象。我正在努力开发一个更好的。
我相信部分问题在于它们完全依赖于对的整体统计出现，而忽略了单词以某些方式开始和结束的趋势。例如，如果您使用前 1000 个婴儿名字作为源数据，则字母 J 总体上相对较少，但它是第二个最常见的名字开头字母。或者，如果您使用拉丁语源数据，像 -um 和 -us 这样的词尾将是共同的词尾，但如果您认为所有对都相同，则不会那么常见。
所以，我基本上是在尝试组合一个基于马尔可夫链的单词生成器，它考虑到单词在源数据中的开始和结束方式。
从概念上讲，这对我来说是有意义的，但我无法从软件的角度弄清楚如何实现这一点。我正在尝试组合一个小的 PHP 工具，它允许您放入源数据（例如，1000 个单词的列表），然后它将从中生成各种具有真实开头、中间和结尾的随机单词。（与大多数基于马尔可夫的单词生成器相反，后者仅基于对整体的统计出现。）
如果可能的话，我还想使用由源数据确定的字长来执行此操作；即，随机生成的单词的长度分解应该与源数据的长度分解大致相同。
任何想法将不胜感激！谢谢。