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
вload()
, а такжеaccentizer.process_all(text, process_yo_omographs=True)
илиaccentizer.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