Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
PaddlePaddle
PaddleHub
提交
a2a9719b
P
PaddleHub
项目概览
PaddlePaddle
/
PaddleHub
1 年多 前同步成功
通知
284
Star
12117
Fork
2091
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
200
列表
看板
标记
里程碑
合并请求
4
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
P
PaddleHub
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
200
Issue
200
列表
看板
标记
里程碑
合并请求
4
合并请求
4
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
提交
a2a9719b
编写于
11月 20, 2019
作者:
K
kinghuin
提交者:
wuzewu
11月 22, 2019
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
debug ernie tiny reader
上级
79b33748
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
3 addition
and
2 deletion
+3
-2
paddlehub/reader/tokenization.py
paddlehub/reader/tokenization.py
+3
-2
未找到文件。
paddlehub/reader/tokenization.py
浏览文件 @
a2a9719b
...
...
@@ -81,6 +81,7 @@ def load_vocab(vocab_file):
index
=
items
[
1
]
if
len
(
items
)
==
2
else
num
token
=
token
.
strip
()
vocab
[
token
]
=
int
(
index
)
fin
.
close
()
return
vocab
...
...
@@ -168,7 +169,7 @@ class WSSPTokenizer(object):
self
.
window_size
=
5
self
.
sp_model
.
Load
(
sp_model_dir
)
def
cut
(
self
,
chars
):
def
cut
(
self
,
chars
,
unk_token
=
"[UNK]"
):
words
=
[]
idx
=
0
while
idx
<
len
(
chars
):
...
...
@@ -181,7 +182,7 @@ class WSSPTokenizer(object):
break
if
not
matched
:
i
=
1
words
.
append
(
chars
[
idx
]
)
words
.
append
(
unk_token
)
idx
+=
i
return
words
...
...
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录