python 语种识别对比

问题描述

目前找到的python库主要就是langid和langdetect,对两个库的识别准确率做了一下对比,测试集来自于机器翻译的测试集newstest2018
首先将sgm文件转成txt格式,去掉sgm格式的标记符,只保留文本内容
针对每个文件分别计算langid和langdetect的识别准确率,再将识别正确的数量加和除以总数量计算整体准确率

langid_total = []
langdectect_total = []
data_total = []
path_set = os.listdir(dir_out)
for path in path_set:
    lang = path[-6:-4]
    langid_acc = 0
    langdectect_acc = 0
    with open( os.path.join(dir_out, path), encoding='utf-8') as f:
        data = f.readlines()
    for i in data:
        try:
            a = identifier.classify(i)
            if a[0] == lang:
                langid_acc +=1
            b = detect(i)
            if if (b == lang) 
  • 1
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值