基于深度学习的中文分词

使用TensorFlow实现基于深度学习的中文分词

本项目使用python3编写，没有支持python2的计划。

注：本项目主要是为了进行中文分词等相关自然语言处理研究而创建，暂时不推荐在正式的生产环境使用，另外本项目目前还在开发阶段

使用方法

准备

1. 安装tensorflow：

pip install tensorflow

2. clone本项目至本地.

3. 运行文件init.py，生成训练用数据

开始使用

在本项目文件夹下创建一个文件，在里面添加如下代码并运行：

from seg_dnn import SegDNN
import constant

cws = SegDNN(constant.VOCAB_SIZE,50,constant.DNN_SKIP_WINDOW)
print(cws.seg('我爱北京天安门')[0])

详细示例可见文件test.py

相关代码文件说明

• seg_dnn.py: 使用（感知机式）神经网络进行中文分词，对应论文1
• seg_lstm.py: 使用LSTM神经网络进行中文分词，对应论文2
• seg_mmtnn.py: 使用MMTNN网络进行中分分词，对应论文3
• prepare_data.py: 预处理语料库，包括msr和pku
• init.py: 用于生成进行训练和测试的数据的脚本文件

参考论文：

• deep learning for chinese word segmentation and pos tagging （已完全实现，文件seg_dnn.py）
• Long Short-Term Memory Neural Networks for Chinese Word Segmentation (基本实现，正在改进，文件seg_lstm.py)
• Max-Margin Tensor Neural Network for Chinese Word Segmentation （正在实现，文件seg_mmtnn.py）

Todo List

• [ ] 支持pip
• [ ] 添加更加详细的注释
• [ ] 提供词性标注功能