AnChinSegmenter 0.9

一个古汉语分词工具

（AnChinSeg）古汉语分词及词性标注工具 Word Segmentation and Part-of-speech for Ancient Chinese

基于2022年的分词文章，做了古汉语的分词和词性标注 这是一个非常粗糙朴素的分词和标注词性的工具 词性效果评估如下： P: 92.82 R: 92.85 F: 92.84 分词效果评估如下： P: 97.19 R: 97.22 F: 97.20

Citation

词性标注并没有发表论文，但是如果您使用了我们的工具进行了学术研究，可以引用以下论文，我们是在该论文的基础上实现的

@inproceedings{tang-su-2022-slepen,
    title = "That Slepen Al the Nyght with Open Ye! Cross-era Sequence Segmentation with Switch-memory",
    author = "Tang, Xuemei  and
      Su, Qi",
    booktitle = "Proceedings of the 60th Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers)",
    month = may,
    year = "2022",
    address = "Dublin, Ireland",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/2022.acl-long.540",
    doi = "10.18653/v1/2022.acl-long.540",
    pages = "7830--7840",
}

Requirements

环境配置请查看 requriments.txt

How to use it

1)请从百度网盘或者google drive下载模型model.dt放到model文件夹中 baidu链接: https://pan.baidu.com/s/1jIbqk5b4GYBEMAdBPVJwYg 提取码: dac4 google drive: https://drive.google.com/drive/folders/1zFK30h6PQYRDDZ2uEScLy0l5VoC7jXHU?usp=sharing

在文件夹下执行： #python segmenter.py --predict_data ./data/sample_data.txt --output_path ./data/output.txt （./data/sample_data.txt替换为你的需要分词的文件的路径，一行为一个句子，./data/output.txt替换为分词结果的存储位置）

最后分好词的格式如下： 端明殿_NA 学士_NA 兼_VT 翰林侍读_NA 学士_NA 朝散大夫_NA 右谏议大夫_NA 充_VT 集贤院_NA

4）词性标记参考台湾中央研究院 https://lingcorpus.iis.sinica.edu.tw/kiwi/dkiwi/middle_chinese_c_wordtype.html https://lingcorpus.iis.sinica.edu.tw/kiwi/akiwi/ancient_mandarin_chinese_c_wordtype.html

Contact

Please contact us at [e-mail] if you have any questions. Welcome to Research Center for Digital Humanities of Peking University! https://pkudh.org