检测法语单词中送气的“h”
haspirater的Python项目详细描述
haspirater——一个检测法语单词中初始送气“h”的工具包 Antoine Amarilli版权所有（c）2011-2019 存储库URL:https://gitlab.com/a3nm/haspirater
=0。许可证（麻省理工学院许可证）=
特此免费向任何获得 本软件和相关文档文件的副本 “软件”），无限制地处理软件，包括 但不限于使用、复制、修改、合并、发布， 分发、再授权和/或出售软件副本，以及 允许向其提供软件的人员这样做，但须遵守 以下条件：
上述版权公告及本许可公告须包括在内 在软件的所有副本或大部分中。
软件按“原样”提供，不作任何形式的保证 或默示的，包括但不限于 适销性、适合特定目的和不侵权。 在任何情况下，作者或版权持有人均不对任何 索赔、损害赔偿或其他责任，无论是在合同诉讼中， 侵权行为或其他，由 软件或软件中的使用或其他交易。
==1。功能==
haspirater是一种工具，用于检测法语单词是否以送气词开头 “H”与否。它不是基于单词列表，而是基于经过训练的trie 从一个语料库，确保它应该做一个合理的工作 与已知词相似的看不见的词，不带大的 例外列表。使用的json trie小于10 kio，并且查找 脚本是40行python。
=2个。用法==
如果您只想使用包含的培训数据，可以运行 haspirater.py，在stdin中每行给出一个单词，然后获取 stdout上的注释，或者可以将其导入到python文件中并调用 haspirater.lookup（word），如果前导'h'是 送气，如果不是，则为False；如果没有，则引发Valueerror 领导“H”。
请报告培训数据中的任何错误，记住 有一种可能性是返回的，即使两者都得到证实。
==3。培训==
haspirater.py使用的训练数据在运行时从 haspirater.json文件，该文件是从 “古登堡计划”www.gutenberg.org，摘自维基百科的列表 文章http://fr.wikipedia.org/wiki/H_aspir%C3%A9，来自 法语词典中的分类 http://fr.wiktionary.org/wiki/Catégorie:Mots_à_h_muet和 http://fr.wiktionary.org/wiki/Catégorie:Mots_à_h_aspiré来自一个自定义 一组异常。如果您要创建自己的数据，或调整 在这里学习其他语言特征，继续读下去。
主脚本是make.sh，它接受stdin上的法语文本和 作为参数的异常文件列表。包含的异常文件包括 添加和维基百科。这些异常就像训练数据 并没有按原样储存，只是在以后的训练中用管道输送 阶段。sh在stdout上生成json trie。所以，你会跑 例如：
$cat corpus/make.sh exceptions>；haspirater/haspirater.json
=4个。培训详情==
==4.1。语料库准备（prepare.sh）==
这个脚本删除无用的字符，并分隔单词（每个 行）。
==4.2。属性推断（detect.pl）==
这个脚本检查输出，注意出现的单词 前一个字表示吸气或非吸气状态，以及 输出它们。
此阶段的输出格式与 例外文件。
==4.3。删除前导'h'==
这是一个快速优化。
==4.4。trie构造（buildtrie.py）==
这些事件一个接一个地读取，并用于填充 为具有给定前缀的每个匹配项携带值计数的trie。
==4.5。trie压缩（compresstrie.py）==
然后通过移除分支压缩trie不需要 推断一个值。此步骤之后，可以使用 如果我们想减少 以牺牲准确性为代价的trie大小：对于吸气式h，这不是 需要。
==4.6。Trie多数重新标记（MajorityTrie.py）==
节点将重新标记为 携带最常见的价值。可以跳过此步骤以保持 信心值。我们也把无用的叶子节点丢在那里。
==5。其他材料==
可以使用trie2dot.py转换buildtrie.py的输出，或者 点格式的compresstrie.py，可用于渲染图形 trie的值（“trie2dot.pyh01”）。给出了这种绘图的结果 如haspirater.pdf（在majoritytrie.py之前：包含频率信息，但是 更多节点）和haspirater_most.pdf（无频率，更少节点）。
你可以使用leaves trie.py来获取trie的叶子。
欢迎加入QQ群-->： 979659372
