python把中文文档变为拼音

缘由

• 新看到的一篇文章，被吓尿。Text Understanding from Scratch，认为word的cnn抽象能力还不够好，使用character来做cnn效果更佳。结果是，由于论文的使用的数据集里test和train有隐含的重叠，作者一度撤稿。
• 但是不妨碍这一思路的进展。由此扩展到中文内容理解，但是中文的单个汉子已经是最小个体了啊。
• 莫温台！把汉字转成拼音再训练character的卷积。

pip install xpinyin

• 这是个中文转拼音的pakage

>>> from xpinyin import Pinyin>>> p = Pinyin()>>> # default splitter is `-`>>> p.get_pinyin(u"上海")'shang-hai'>>> # show tone marks>>> p.get_pinyin(u"上海", show_tone_marks=True)'shàng-hǎi'>>> # remove splitter>>> p.get_pinyin(u"上海", '')'shanghai'>>> # set splitter as whitespace>>> p.get_pinyin(u"上海", ' ')'shang hai'>>> p.get_initial(u"上")'S'>>> p.get_initials(u"上海")'S-H'>>> p.get_initials(u"上海", u'')'SH'>>> p.get_initials(u"上海", u' ')'S H'

我的天！这么神奇吗？