吴则卿(取名字自动生成器)

本篇文章给大家谈谈吴则卿，以及取名字自动生成器的知识点，希望对各位有所帮助，不要忘了收藏本站喔。

文章详情介绍：

• 1,《我真不是明星》
• 2,《我真是大明星》官宣引热议，原著女二当主角，阵容配置堪称顶级
• 3,起名困难户必备！这款神器能一键生成网名，独一无二超好玩
• 4,为孩子起个名，用深度学习技术创建宝宝名字生成器

《我真不是明星》

我： 吴则卿，我喜欢你。

吴则卿：为什么喜欢我？

张烨道：“没为什么，就是喜欢。”

她再问：“……有多喜欢？”

我： 想到了吴则卿的温柔体贴，想到了她对自己的尊重和无条件的支持，这么好的女朋友，真的是八辈子也难找啊，为什么喜欢她，这还用问吗?脑海中闪过那些老吴追求者作诗表白的画面，张烨的脸色也慢慢平静了下来。

喜欢？

有多喜欢你？

我愿化成一座石桥

经受五百年的风吹

五百年的日晒

五百年的雨打

只求……你从桥上走过

———《我愿化身石桥五百年》！

来自小说《我真不是明星》

《我真是大明星》官宣引热议，原著女二当主角，阵容配置堪称顶级

说到现在荧幕上播出的影视剧，大家可以发现一个共同点，那就是原创剧本越来越少了，知名的小说IP成为拍剧的重点，比如《长歌行》《山河令》《司藤》这些今年的爆款剧，都是改编自小说，题材也不限，民国奇幻，古装玄幻，古装历史都是热拍的类型。

不过，改编小说剧这么多，要想异军突起那必须有吸引人的点，例如题材越新颖，受到的关注就越多！

比如在近日有一部小说IP被改编成影视剧并杀青了，不知道大家有没有关注？剧的名字很有趣，叫做《我真是大明星》，官博正式官宣主演名单，发布角色角色海报来袭啦，谁也没想到，这部题材很特别的小说，真的拍成电视剧了！

《我真是大明星》的原著看过的观众应该记忆深刻，讲的是男主“张烨”意外穿越到另一个“地球”上，在这个世界里“张烨”不仅拥有了强悍的武功，还成为了一位大明星，整个故事就是讲“张烨”成为大明星的历程，以及遇到的形形色色人物角色。

原著可以说非常精彩了，如果要拍成电视剧，无疑会有许多新鲜元素的出现，玄幻+特效+娱乐圈+穿越等话题都是大家非常想看的，所以这个故事居然被拍成了电视剧让大家眼前一亮，不知道会变成一个什么样的故事呢？

而演员阵容方面，《我真是大明星》也首次公布了，粉丝很惊喜，选角很棒，比如出演痞里痞气男主“张烨”的演员，就是好久不见的魏大勋啦！

狗年出生女宝宝起名(狗年女宝宝满分名字)

魏大勋大家真的是好久不见了，原来是一直在拍这部影视剧呢。

而魏大勋也确实很适合演“张烨”了，本身就是大明星不说，魏大勋自带的“逗比”气质就挺契合原著男主呢，相信原著粉看到男主是魏大勋后也非常满意吧，魏大勋是有演技的演技派，相信不会让喜欢他的观众失望的。

而《我真是大明星》的原著女主是“吴则卿”，可能是因为人设缘故，在这次官宣中并没有出现，具体原因相信原著粉都知道，这里就不用多说了。所以原著中的女二号“饶爱敏”在剧版中升级成女一啦，这一点可能在剧播出后会引起一些争议，毕竟删掉女一让女二当女主角还是很少见的，不知道会不会让原著粉满意。

好在出演饶爱敏的女演员，是一位演技派，她就是辛芷蕾，将会扮演这个时而霸气，时而温柔的角色。辛芷蕾最近这些年演过很多大家熟悉的影视剧作品呢，从《怒晴湘西》到《庆余年》，辛芷蕾一直用演技证明着自己，也相信她可以撑起这个角色吧！

值得一提的是，《我真是大明星》里其他配角演员的剧照感造型也感觉不错，比如饰演大明星“章远棋”的张艺上，造型就挺漂亮的，气质也令人满意。

张艺上的颜值给她加了很多分，看着剧照里的造型大家是不是心动了呢？

除了之外，《我真是大明星》还有许多戏骨演员出演配角，总体来看阵容还算不错，虽然女主被删可能是一个瑕疵，但一部剧好不好看，只有等到播出后才知晓，所以大家静待开播就好啦，不出意外今年下半年会和大家见面吧！

那么你觉得《我真是大明星》的选角怎么样？期待吗？欢迎留言交流哦~

起名困难户必备！这款神器能一键生成网名，独一无二超好玩

前段时间，各位5G冲浪的朋友应该有看到，用户们点单星某克的时候大玩“谐音梗”，火遍全网。起初，一网友晒出了一组星某克谐音梗名字：世界一刘女士、冲个靓梁先生、干炒牛何女士。网友们整活的脑洞彻底打开格局了，开始秀各种姓氏谐音梗。没想到的是，官方也下场来了波顺水推舟，开启了2022届谐音梗大赛，宣传效果直接拉满！

话说回来吼，大家怎么就能在短时间内想到这么些绝妙的名字呢？起名纠结症如小雷，全平台的账号名称都一样的，很容易就被八卦好友顺藤摸瓜找到自己的号。现在有很多年轻人，白天可以是埋头工作的社恐，晚上在网上可以是前排抢热评的冲浪选手。这要是不小心被熟人发现自己网上的账号，就等于把自己不为人知的一面露了出来，社死现场！只能换ID、换账号！但想不到这么多有趣的ID呀！

今天小雷就带来了一个网名工具，感兴趣的朋友们，点击小雷的头像，私信回复【909】即可获取。

小雷试过很多次，在线上平台注册的时候统统显示“您输入的昵称已存在”。哼！我用上网名工具！工具是一个网站，无需下载任何东西哦。除了中文名，日文、韩文、英文名都可以取。感觉也非常适合小说码字党，不用因为主人公起名烦恼了。

选好了之后，还可以点击姓名分析器，来逐字拆解了解寓意。还能推测性格、医理（看看就好哦）~真是太好玩了！这期内容就到这里啦，如果你喜欢的话，不要忘记给小雷一个大大的赞呀！

为孩子起个名，用深度学习技术创建宝宝名字生成器

全文共4158字，预计学习时长12分钟

来源：Pexels

你喜欢自己的名字吗？或者你知道自己名字有哪些特殊含义吗？

笔者小时候总是很讨厌被叫做戴尔 (Dale)。这主要是因为，自己对 “戴尔”的印象一开始就受到了《乡巴佬希尔一家的幸福生活》中的戴尔·格布里尔和美国纳斯卡赛车手小戴尔·恩哈特的影响。

戴尔·格布里尔图片/图源：Costume Mall,小戴尔·恩哈特图片/图源：维基百科

金属制品公司(公司起名字寓意好的字)

这两位戴尔都不符合笔者梦寐以求的自我形象。相反，笔者希望被叫做水兵月（《美少女战士》中登场角色）。

笔者不喜欢这个“男女莫辨”的名字——每15个叫戴尔的人里面，只有一个是女生。当问父母为什么要给自己起这个名字时，他们的逻辑是这样的：

A.如果从某位女性的名字看不出她的性别，那么她成功的可能性更大

B.他们时髦的朋友刚刚给女儿起名叫戴尔，这个名字太可爱了！

值得一提的是，作为成年人，笔者的确感受到了假装男性（而不是直接否认）的好处，不管是在简历上、在Github上、还是在邮件签名中。

但是，且不说性别歧视，如果主格决定论——人们会选择符合他们名字的职业和生活方式注1——是真的呢？如果名字确实对人的生活有某些影响，那么为一个人选择名字会是多么沉重的责任。笔者才不会把这个责任交给喜好、运气或是潮流。毫无疑问，交给深度学习技术！

注1：也许并不存在主格决定论，其科学性就跟星座差不多。但是，这依然是个很有趣的问题！

本文将展示如何用机器学习技术创建宝宝名字生成器（更准确地说是预测器），它能够根据对一个人（或一个人未来）的描述给出一个名字，比如：

我的孩子会在新泽西州出生。她长大会成为谷歌的软件工程师，喜欢骑行和买咖啡。

根据人物小传，模型会返回一串名字，按照概率排序：

Name: linda Score: 0.04895663261413574Name: kathleen Score: 0.0423438735306263Name: suzanne Score: 0.03537878766655922Name: catherine Score: 0.030525485053658485...

因此，理论上笔者应该叫琳达，但是现在，笔者真的非常喜欢戴尔这个名字。

如果读者想自己试着完成这个模型，可以看看这篇文章。

虽然笔者想要创造一个名字生成器，但是最终做出来的是名字预测器。笔者计划找一堆人物描述（人物传记），屏蔽名字，然后建立一个模型来预测那些（被屏蔽的）名字。

幸好，我恰好在这里找到了那种数据集，这是大卫·格朗吉耶在Github上创建的名为维基百科人物传记数据集的repo。这个数据集包含了维基百科人物栏目的第一段，共计728321人的传记和元数据。

自然，从维基百科上获得的人物传记是有选择性偏差的（根据女性电子杂志《TheLily》的数据，维基百科上女性人物传记只占15%，而且估计有色人种的情况也是类似的）。另外，在维基百科上有传记的人名都比较有年头了，因为很多有名的人都出生在过去500年间，而不是过去30年间。

考虑到上述因素，为了让名字生成器能生成现在流行的名字，笔者下载了美国人口普查得到的最流行的新生儿名字，然后缩减维基百科数据集，只包含人口调查中流行的人名。同时排除了人物传记不足50篇的人名。此时还剩下764个名字，大部分是男名。

数据集中，最受欢迎的名字是“约翰”，对应的维基百科传记有10092篇（令人震惊！），紧随其后的是威廉、大卫、詹姆斯、乔治以及其他来自圣经的男名。最冷门（但依然有50篇传记）的名字有克拉克、罗根、塞德里克以及其他若干名字，每个都有50篇传记。为了避免偏差过大，笔者再次削减了数据集，为每个名字随机选择了100篇传记。

刚拿到数据样本，笔者就决定了：要训练一个给出维基百科人物传记的第一段，就能预测出这个传记所属的人名的模型。

可能读者很久没看过维基百科的人物传记了，它们一般是这样开头的：

戴尔·阿尔文·格布里尔是福克斯出品的《乡巴佬希尔一家的幸福生活》动画系列节目中的虚拟角色，[2]由约翰尼·哈德威克配音（为比尔配音的史蒂芬·鲁特以及演员丹尼尔·斯特恩都曾试音该角色）。他创造了“口袋藏沙”这一革命性的防御机制，是一个虫害控制员、赏金猎人、戴尔科技的所有者、烟鬼、枪械迷，偏执地相信几乎所有的阴谋论和都市传说。

因为不希望模型“作弊”，所以笔者把所有名字中的名和姓都用一条横线代替：“___”。所以上面的人物传记就变成了这样：

___阿尔文___是福克斯出品的动画系列节目中的虚拟角色…

这就是输入模型的数据，而它对应的输出标签是“戴尔”。

准备好数据集，就着手创建深度学习语言模型。有很多方法可以完成这一任务（如Tensorflow），但笔者选择了AutoML自然语言，这样无需代码就可以建立分析文本的深度神经网络。

上传数据集到AutoML，它自动把数据分为36497个训练样本、4570个验证样本以及4570个测试样本：

虽然尝试过移除姓和名，但还是有一些中间名混了进来！

免费起名字大全免费(免费起名字大全男孩生辰八字起名)

为了训练模型，打开“训练”选项卡，点击“开始训练”。大约四小时后，训练完成了。

那么，名字生成器模型的工作完成的如何呢？

如果之前建过模型，你就会知道评价质量的首选指标通常是准确率和召回率（如果不熟悉这些术语，或者需要复习相关知识，可以看看查克·艾其尔创建的交互demo，其中详细地解释了这些概念！）。在评估中，模型的准确率达65.7%，召回率达2%。

但是对于名字生成器来说，这些指标就不是那么有说服力了。因为数据噪声非常大——基于一个人的人生经历命名是没有“正确答案”的。名字很大程度上是任意选择的，这意味着没有模型能够真的给出准确的预测。

笔者的目标并非建立能够100%准确地预测名字的模型。笔者只想建立一个能够理解名字中的某些规律以及它们如何影响人的生活的模型。

要深挖一个模型学到了什么，其中一个方法就是看一个叫做混淆矩阵的表格，这个表格能显示模型犯了哪种错误。这个方法能够有效地进行调试，并快速检验合理性。

AutoML的“评价”标签页提供了混淆矩阵。下图是其中一角（因为数据集中的名字太多，所以只截取了一部分）。

在这张表中，行标题是真实标签 (Truelables)，列标题是预测标签(Predicted lables)。行标题显示了某人的名字应该是什么，列标题则显示了模型预测的名字。

举个例子，看看标记为“阿哈默德 (Ahmad) ”的这一行。你会看到一个浅蓝色的单元格标记为“13%”。这说明，对于数据集中所有叫阿哈默德的人的传记，13%被模型标记为“阿哈默德”。同时，看到右边的单元格，25%叫阿哈默德的人的传记被错误地标记为“阿哈迈德 (Ahmed) ”。另外还有13%叫阿哈默德的人被错误地标记为“亚力克 (Alec) ”。

尽管从技术上来说，这些标记都错了，但是这些标记显示模型可能的确掌握了名字的某些规律，因为“阿哈迈德”与“阿哈默德”非常接近。对于叫亚力克的人也是如此。模型有25%的几率给亚力克们打上“亚历山大 (Alexander) ”的标签，但是根据读音，“亚力克”和“亚历山大”也是非常接近的名字。

接下来看看模型是否理解了名字的基础统计法则。比如说，如果用“她”来描述某人，模型是否会预测一个女性名，与此相对，模型会不会给“他”一个男名？

对于句子“她是个吃货”，排名最靠前的名字是“弗朗西丝”、“桃乐茜”和“妮娜”，随后是几个别的女名。这似乎是个好信号。

对于句子“他是个吃货”，排名最靠前的名字是“吉尔伯特”、“尤金”和“埃尔默”。因此，似乎模型理解了性别的一些概念。

接下来，笔者想测试一下模型是否理解了地理因素对名字的影响。以下是用于测试的句子和模型预测的名字：

“他出生在新泽西州”——吉尔伯特

“她出生在新泽西州”——弗朗西丝

“他出生在墨西哥”——阿曼多

“她出生在墨西哥”——艾琳

“他出生在法国”——吉尔伯特

“她出生在法国”——伊迪丝

“他出生在日本”——吉尔伯特

“她出生在日本”——弗朗西丝

模型能够理解各地流行的名字并不让人惊讶。这个模型似乎特别难以理解亚洲国家流行的名字，在涉及到亚洲国家时，模型只会返回相同的一组名字（即吉尔伯特和弗朗西丝）。这说明训练数据集不具备足够的国籍多样性。

来源：Pexels

最后，还有一件事需要测试。如果你了解过模型公平性，你可能听说过，碰巧建立一个有偏差的、种族歧视的、性别歧视的、年龄歧视或者其他歧视的模型是很容易的，特别是模型不能反映样本总体时。如前文所述，维基百科上的人物传记是有偏向性的，所以笔者预计数据集中男性人数会超过女性。

而且笔者预计模型会反映出用于训练的数据的特点，学习到性别偏见——例如，电脑程序员是男性，而护士是女性。来看看我猜的对不对：

“他们会成为电脑程序员”——约瑟夫

“他们会成为护士”——弗朗西丝

“他们会成为医生”——艾伯特

“他们会成为宇航员”——雷蒙德

“他们会成为小说家”——罗伯特

“他们会为人父母”——乔斯

“他们会成为模特”——贝蒂

果不其然，似乎模型确实学到了两性在职业分工中的传统角色，（至少对笔者来说）唯一的意外是模型预测“父母”的角色会有一个男名（“乔斯”）而不是一个女名。

因此，很明显该模型确实掌握了人们命名的某些规律，但不是笔者希望它掌握的那些。当要给未来的孩子取名的时候，笔者猜自己还是会取个跟自己一样的…也许叫小戴尔？

来源：Pexels

其实，现在完全不用太过在意这些预测，因为这些预测有偏差，而且其科学性跟星座差不多。

但是——如果有个孩子是AI命名的，难道不是很酷吗？

所以快来试试吧~

留言点赞关注

我们一起分享AI学习与发展的干货

如转载，请后台留言，遵守转载规范