如何高质量增量训练lac分词模型

LAC 是百度开源的高质量分词工具（GRU+CRF），其提供增量训练的接口，形如：

from LAC import LAC

# 选择使用分词模型
lac = LAC(mode = 'seg')

# 训练和测试数据集，格式一致
train_file = "./data/seg_train.tsv"
test_file = "./data/seg_test.tsv"
lac.train(model_save_dir='./my_seg_model/',train_data=train_file, test_data=test_file)

# 使用自己训练好的模型
my_lac = LAC(model_path='my_seg_model',mode = 'seg')

如何针对不同的业务场景，来优化分词结果呢？
最简单的方式，就是构建与场景相关的训练语料，增量训练lac模型。
笔者有一个小思路：
构建一个高质量的词库（如jieba词典、搜狗词库），根据jieba分词或原始lac分词，过滤出分词结果都在词库中的语料，并优化语料（合并分太细的词，切开分太粗的词），最后增量训练，done。