vietnamese_tone_prediction_utils

KO | EN

gitlite — search

#python #typescript #golang #go #android #rust #macos #java #windows #awesome #cli #vue #openai #mcp

vietnamese_tone_prediction_utils

(★ 10)

Các hàm phụ trợ cho cuộc thi 'Thêm dấu tiếng Việt'

vietnamese_tone_prediction_utils Latest Version Download

Download Latest Version (.zip)

// repository documentation

Was this content helpful?

★ 0 (0 ratings)

Các hàm hỗ trợ cho cuộc thi [Thêm dấu tiếng Việt](https://www.aivivn.com/contests/3).

## Cách mã hóa tiếng Việt có dấu
Để đồng nhất việc đánh giá kết quả, các từ tiếng Việt được mã hóa dưới dạng VNI chuẩn hóa. Cụ thể:
```
â = a6, Â = A6
ă = a8, Ă = A8
đ = d9, Đ = D9
ê = e6, Ê = E6
ô = o6, Ô = O6
ơ = o7, Ơ = O7
ư = u7, Ư = U7
sắc = 1
huyền = 2
hỏi = 3
ngã = 4
nặng = 5
```

Phần dấu được đẩy về cuối của mỗi chữ. Một vài ví dụ:
```
Con = Con
Đường = D9u7o7ng2
Trí = Tri1
Tuệ = Tue65
Nhân = Nha6n
Tạo = Tao5
```

Trong file nộp bài, nhãn của mỗi chữ là dãy chữ số viết theo thứ tự chuẩn hóa VNI. 
```
|----------------+---------------+-------------------+--------------+
| **không dấu**  |  **Dự đoán**  | **VNI chuẩn hóa** | **Nộp bài**  |
+----------------+---------------+-------------------+--------------+
| Con            | Con           | Con               | 0            |
| Duong          | Đường         | D9u7o7ng2         | 9772         |
| Tri            | Trí           | Tri1              | 1            |
| Tue            | Tuệ           | Tue65             | 65           |
| nhan           | nhân          | nha6n             | 6            |
| tao            | tạo           | tao5              | 5            |
+----------------+---------------+-------------------+--------------+
```

## Nộp bài
File nộp bài bắt buộc là một file `.csv` có 452843 dòng, bao gồm một dòng tiêu đề 452842 dòng tương ứng với kết quả dự đoán của từng từ ở dạng _chuẩn hóa VNI_ (Xem thêm github repo).

Mã số của mỗi từ có dạng `xyz012` trong đó `xyz` là mã số dòng, `012` là số thứ tự của từ trong dòng, bắt đầu từ `000`. Mỗi dòng đã được đảm bảo không quá 1000 từ.
Ví dụ:
Nếu một dòng trong file `test.txt` là
```
aBc, Con Duong Tri Tue nhan tao
```
và mô hình của bạn dự đoán kết quả là `Con Đường Trí Tuệ nhân tạo` thì file nộp bài tương ứng có dạng:

```
id,label
aBc000,0
aBc001,9772
aBc003,1
aBc004,65
aBc005,6
aBc006,5
...
```
Trong đó dòng đầu tiên là tiêu đề của file, bắt buộc phải là `id,label` (không có dấu cách).

Để thuận tiện cho việc đối chiếu kết quả, file `test_word_per_line.txt` bao gồm các chữ đã được bỏ dấu tương ứng.

## Các hàm phụ trợ

Hàm `remove_ton_file(in_path, out_path)` giúp bỏ dấu của một file tiếng Việt.

Hàm `decompose_predicted_test_file` giúp tạo file nộp bài sau khi đã điền dấu cho file `test.txt`.

## Chạy thử
Từ terminal, chạy
```
python2 utils.py
```

Sau đó xem thêm các file trong thư mục `./data` để thấy các ví dụ mẫu.

vietnamese_tone_prediction_utils

vietnamese_tone_prediction_utils Latest Version Download

Today's picks

Was this content helpful?

Recent Feedback

vietnamese_tone_prediction_utils

vietnamese_tone_prediction_utils Latest Version Download

Today's picks

Was this content helpful?

Recent Feedback

Download README