缘由
- 新看到的一篇文章,被吓尿。Text Understanding from Scratch,认为word的cnn抽象能力还不够好,使用character来做cnn效果更佳。结果是,由于论文的使用的数据集里test和train有隐含的重叠,作者一度撤稿。
- 但是不妨碍这一思路的进展。由此扩展到中文内容理解,但是中文的单个汉子已经是最小个体了啊。
- 莫温台!把汉字转成拼音再训练character的卷积。
pip install xpinyin
>>> from xpinyin import Pinyin
>>> p = Pinyin()
>>>
>>> p.get_pinyin(u"上海")
'shang-hai'
>>>
>>> p.get_pinyin(u"上海", show_tone_marks=True)
'shàng-hǎi'
>>>
>>> p.get_pinyin(u"上海", '')
'shanghai'
>>>
>>> p.get_pinyin(u"上海", ' ')
'shang hai'
>>> p.get_initial(u"上")
'S'
>>> p.get_initials(u"上海")
'S-H'
>>> p.get_initials(u"上海", u'')
'SH'
>>> p.get_initials(u"上海", u' ')
'S H'
我的天!这么神奇吗?