zh-mistake-text-gen 0.3.1

中文錯誤類型文字增量

錯誤類型中文語料生成

安裝

pip install zh-mistake-text-gen

使用 (Pipeline)

from zh_mistake_text_gen import Pipeline
pipeline = Pipeline()
incorrect_sent = pipeline("中文語料生成")
print(incorrect_sent)
# type='PronounceSimilarVocabMaker' correct='中文語料生成' incorrect='鍾文語料生成' incorrect_start_at=0 incorrect_end_at=2 span='鍾文'

文檔

Pipeline

• __init__

  • makers = None : maker實例，可選
  • maker_weight = None : maker被抽中的機率，可選

• __call__

  • x : 輸入句(str)，必需
  • error_per_sent: 每句要多少錯誤。預設:1
  • no_change_on_gen_fail: 生成方法失敗的時候允許不變動。啟用時不拋出錯誤，反之。預設:False
  • verbose=True : debug 訊息，可選

可用方法

from zh_mistake_text_gen.data_maker import *

Data Maker	Description
NoChangeMaker	沒有任何變換
MissingWordMaker	隨機缺字
MissingVocabMaker	隨機缺詞
PronounceSimilarWordMaker	隨機相似字替換
PronounceSimilarWordPlusMaker	編輯距離找發音相似並且用高頻字替換
PronounceSimilarVocabMaker	發音相似詞替換
PronounceSameWordMaker	發音相同字替換
PronounceSameVocabMaker	發音相同詞替換
RedundantWordMaker	隨機複製旁邊一個字作為沆於字
RandomInsertVacabMaker	隨機插入詞彙
MistakWordMaker	隨機替換字
MistakeWordHighFreqMaker	隨機替換高頻字
MissingWordHighFreqMaker	隨機刪除高頻字