- 授权协议: Apache
- 开发语言: C/C++ Python
- 操作系统: 跨平台
- 软件首页: https://github.com/koth/kcws
- 软件文档: https://github.com/koth/kcws/blob/master/README.md
软件介绍
这是一个基于深度学习的分词系统和语料项目。
背景
97.5%准确率的深度学习中文分词（字嵌入+Bi-LSTM+CRF）
构建
安装好bazel代码构建工具，clone下来tensorflow项目代码，配置好(./configure)
clone 本项目地址到tensorflow同级目录，切换到本项目代码目录，运行./configure
编译后台服务
bazel build //kcws/cc:seg_backend_api
训练
1. 关注“待字闺中”公众号 回复 kcws 获取语料下载地址
2. 解压语料到一个目录
3. 切换到代码目录，运行：
pyton kcws/train/process_anno_file <语料目录> chars_for_w2v.txt 使用word2vec 训练 chars_for_w2v (注意-binary 0),得到字嵌入结果vec.txt bazel build kcws/train:generate_training ./bazel-bin/kcws/train/generate_training vec.txt <语料目录> all.txt python kcws/train/filter_sentence.py all.txt （得到train.txt , test.txt)
4. 安装好tensorflow,切换到kcws代码目录，运行:
python kcws/train/train_cws_lstm.py --word2vec_path vec.txt --train_data_path <绝对路径到train.txt> --test_data_path test.txt --max_sentence_len 80 --learning_rate 0.001
demo
