代码拉取完成,页面将自动刷新
一款可以配置词典的模型,极大便利了工业应用;识别新词只需更新词典,而不用重新训练模型。 基于可配置词典的lstm切词。 将最大前向匹配的结果作为模型输入的一部分,达到动态干预模型结果的效果,实时加入新词
python controller.py train #训练
python controller.py predict #测试
用的是微软亚洲研究院的公开数据集,读者可自行下载更多的数据集
样例:
城市 大 了 , 我们 的 活 也 就 多 了 重 了 , 可 这点儿 辛苦 真 算 不得 什么 。 ”
从小 苦 惯 了 , 闲 下来 就 会 浑身 不 舒服 。 ”
凭 自己 的 技术 , 总能 找到 活 干 , 而且 能 让 人 满意 。 ”
她 跟 等候 着 的 求职 者 一一 打招呼 : “ 你们 去 找 旁边 的 老师 登记 好 吗 ?
就业 的 天地 很 广 , 不要 在 一 棵 树 上 吊死 , 至少 先 解决 温饱 再说 。 ”
那 你 等 一 等 , 我 再 帮 你 调调 资料 看 。 ”
这是 花 , 是 树桩 , 哪 得 是 干柴 嘛 ! ”
新词配置后能很好地识别
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。