为 SpaCy 提供的中文数据模型. 这些模型目前比较实现的比较粗糙并且还在 开发状态. 但毕竟“有总比没有的好”。

基于 Jupyter notebook 的在线演示在 。

部分 王小明在北京的清华大学读书 这个 Doc 对象的属性信息:

部分 王小明在北京的清华大学读书 这个 Doc 对象的 NER 信息:

模型用二进制文件的形式进行分发, 用户应该具备基础的 SpaCy （version > 2) 的基础知识.

Python 3 (也许支持 python2, 但未经过良好测试)

从 releases 页面下载模型.

wget -c https://github.com/howl-anderson/Chinese_models_for_SpaCy/releases/download/v2.0.4/zh_core_web_sm-2.0.4.tar.gz

然后安装模型

pip install zh_core_web_sm-2.0.4.tar.gz

Demo 代码位于 test.py. 在安装好模型后，用户下载或者克隆本仓库的代码，然后可以直接执行

python3 ./test.py

打开地址 http://127.0.0.1:5000, 将看到如下：

见 workflow

• 属性 pos_ 不正确. 这个和 SpaCy 中中文语言 Class 相关。
• 属性 shape_ and is_alpha 似乎对中文并无意义, 但需要权威信息确认一下.
• 属性 is_stop 不正确. 这个和 SpaCy 中中文语言 Class 相关。
• 属性 vector 似乎没有训练的很好。
• 属性 is_oov 完全错误. 第一优先级修复。
• NER 模型，因为缺少 LDC 语料库，目前不可用. 正在解决中正在训练中。
• 将训练中所用的中间结果 release 出来, 方便用户自行定制模型

• TODO

请阅读 CONTRIBUTING.md , 然后提交 pull requests 给我们.

我们使用 SemVer 做版本化的标准. 查看 tags 以了解所有的版本.

• Xiaoquan Kong - Initial work - howl-anderson

更多贡献者信息，请参考 contributors.

MIT License - 详见 LICENSE.md

• TODO