自然语言处理学习笔记(十一)————简繁转换与拼音转换

目录

1.简繁转换

2.拼音转换


1.简繁转换

简繁转换指的是简体中文和繁体中文之间的相互转换。可能有的人觉得,这很简单,按字转换就好了。HanLP提供了这样的朴素实现CharTable,用来执行字符正规化(繁体->简体,全角->半角,大写->小写)

System.out.println(CharTable.convert("愛聽4G"));
打印结果为:爱听4G

事实上,汉字历史悠久,地域复杂,在字符级别存在“一简对多繁”和“一繁对多简”的情况。在词语级别上存在“简繁分歧词”,按字转换容易出错。

eg:“代码”,“代碼”,台湾称为“程式碼”,这就是“简繁分歧词”。
eg:“头发”、“发财”对应的繁体字为“頭髮”和“發財”,这里的"发"就是一简对多繁。

这启示我们不能按字转换,最起码是按词转换。

s:简体
t:繁体
tw:台湾繁体
hk:香港繁体
HanLP.convertToTraditionalChinese:简转繁
HanLP.s2t:简转繁
HanLP.s2tw:简转香港繁体
HanLP.s2hk:简转香港繁体

2.拼音转换

 拼音转换涉及到多音字的问题,仍然需要按词转换

你可能感兴趣的:(自然语言处理,学习,笔记,自然语言处理,nlp,python)