蜗牛kuai快跑

导航

统计

kenlm的使用

1.训练模型

install_path/bin/lmplz -o 3 -S 80% -T /temp <text >text.arpa 
  •     -o  表示n_gram 中的n(必选)
  •     -S  内存使用(可选)
  •     -T  临时文件(可选)
  •     -text  待训练语料,必须分词
  •     -text.arpa  输出为arpa格式的n_gram结果,如下图所示:

        

2.查询模型

    为了更快的加载将 text.arpa 转换为 binary 文件

install_path/bin/build_binary text.arpa text.binary 

    测试

install_path/bin/query text.binary <test.txt >result.txt

    结果如下图所示,输出每个句子的混淆度和未登录词,以及整个测试语料的混淆度和未登录词。

    

 

posted on   蜗牛kuai快跑  阅读(1824)  评论(0编辑  收藏  举报

编辑推荐:
· .NET Core 托管堆内存泄露/CPU异常的常见思路
· PostgreSQL 和 SQL Server 在统计信息维护中的关键差异
· C++代码改造为UTF-8编码问题的总结
· DeepSeek 解答了困扰我五年的技术问题
· 为什么说在企业级应用开发中,后端往往是效率杀手?
阅读排行:
· Deepseek官网太卡,教你白嫖阿里云的Deepseek-R1满血版
· 2分钟学会 DeepSeek API,竟然比官方更好用!
· .NET 使用 DeepSeek R1 开发智能 AI 客户端
· DeepSeek本地性能调优
· 一文掌握DeepSeek本地部署+Page Assist浏览器插件+C#接口调用+局域网访问!全攻略
点击右上角即可分享
微信分享提示