RUAccent

RUAccent - это библиотека для автоматической расстановки ударений на русском языке.

Установка

С помощью pip

pip install ruaccent

С помощью GIT

pip install git+https://github.com/Den4ikAI/ruaccent.git

Параметры работы

load(omograph_model_size='big', use_dictionary=False, custom_dict={}, custom_homographs={}, load_yo_homographs_model=False)

• На данный момент доступны две модели: big (рекомендуется к использованию), medium и small.
• Модель big имеет 178 миллионов параметров, medium 85 миллионов, а small 42 миллиона
• Переменная use_dictionary отвечает за загрузку всего словаря (требуется больше ОЗУ), иначе все ударения расставляет нейросеть.
• Переменная custom_homographs отвечает за добавление своих омографов. Формат такой: {'слово-омограф': ['вариант ударения 1', 'вариант ударения 2']}.
• Функция custom_dict отвечает за добавление своих вариантов ударений в словарь. Формат такой: {'слово': 'сл+ово с удар+ением'}
• Также вы можете протестировать beta-функцию разрешения Ё-омографов, установив load_yo_homographs_model=True в load(), а также accentizer.process_all(text, process_yo_omographs=True) или accentizer.process_yo(text, process_yo_omographs=True).

Пример использования

from ruaccent import RUAccent

accentizer = RUAccent()
accentizer.load(omograph_model_size='big', use_dictionary=False)

text = 'на двери висит замок.'
print(accentizer.process_all(text))

text = 'ежик нашел в лесу ягоды.'
print(accentizer.process_yo(text))

Датасеты

• Датасет собранный с НКРЯ Warning!!! Много поэзии!
• Датасет словосочетаний и предложений собранных со всего интернета
• Датасет использовавшийся для обучения моделей акцентуатора

Файлы моделей и словарей располагаются по ссылке. Мы будем признательны фидбеку на telegram аккаунт