软件简介

这是一个基于深度学习的分词系统和语料项目。

背景

97.5%准确率的深度学习中文分词（字嵌入+Bi-
LSTM+CRF）

构建

1. 安装好bazel代码构建工具，clone下来tensorflow项目代码，配置好(./configure)

2. clone 本项目地址到tensorflow同级目录，切换到本项目代码目录，运行./configure

3. 编译后台服务

   bazel build //kcws/cc:seg_backend_api

训练

1. 关注“待字闺中”公众号 回复 kcws 获取语料下载地址

2. 解压语料到一个目录

3. 切换到代码目录，运行：

pyton kcws/train/process_anno_file <语料目录> chars_for_w2v.txt
使用word2vec 训练 chars_for_w2v (注意-binary 0),得到字嵌入结果vec.txt
bazel build kcws/train:generate_training
./bazel-bin/kcws/train/generate_training vec.txt <语料目录> all.txt
python kcws/train/filter_sentence.py all.txt （得到train.txt , test.txt)

4. 安装好tensorflow,切换到kcws代码目录，运行:

python kcws/train/train_cws_lstm.py --word2vec_path vec.txt --train_data_path <绝对路径到train.txt> --test_data_path test.txt --max_sentence_len 80 --learning_rate 0.001

demo

http://45.32.100.248:9090/