最近在学习nlp相关技术,自己的体会结合培训老师的教学做了些整理,和各位有兴趣的同仁分享。
纠错程序是一个用于校验出一句话或一篇文章中出现错误的单词。
分三步说明
一 搭建环境
【有些资料可能涉及到别人的版权,附件就不上传了】
我用的工具是python3.6、pycharm,Mac笔记本;
准备语料库nltk
两种方法:建议用第一种
(1) 打开终端:cmd--->pip install nltk即可
(2)在pycharm中写个简单的程序text.py,代码如下:
import nltk
nltk.download()
运行后会出现下载nltk相关包,可按需下载,如果各种路径都用了还是不能下载,那可按本例最小需求下载两个包reuters和punkt,在本地nltk_data下新建两个目录,corpora和tokenizers,分别把包reuters和punkt放入目录中。
准备词库
准备测试数据
二 纠错程序流程分析
(1)读取初始化词库
(2)读取语料库
(3)生成候选词方法
(4)构建语言模型
(5)匹配词库,找出错误词语,并选出最大概率的替代词
三 代码示例
【代码参考了https://blog.csd