evilfreelancer / ruMorpheme-v0.1

ruMorpheme - Russian Morphemes Segmentation

Проект языковой модели для проведения морфемного анализа и сегментации слов русского языка.

Обученная модель способна сегментировать слова, выделяя в них:

• приставки (PREF)
• корни (ROOT)
• соединительные гласные (LINK)
• дефисы (HYPH)
• суффиксы (SUFF)
• постфиксы (POSTFIX)
• окончания (END)

Исходные коды evilfreelancer/ruMorpheme на GitHub.

Вдохновлён кодовой базой проекта AlexeySorokin/NeuralMorphemeSegmentation , который реализован в рамках публикации " Deep Convolutional Networks for Supervised Morpheme Segmentation of Russian Language " за авторством Алексея Сорокина и Анастасии Кравцовой.

Примеры

Пример работы модели:

В	в:ROOT	98.59
воскресенье	воскрес:ROOT/ень:SUFF/е:END	99.30 96.58 100.00
мы	мы:ROOT	99.77
решили	решил:ROOT/и:END	85.80 100.00
перезапланировать	пере:PREF/за:PREF/план:ROOT/ир:SUFF/ова:SUFF/ть:SUFF	100.00 77.91 98.43 100.00 99.98 98.37

Или в формате JSONL:

{"word": "В", "morphemes": [{"text": "в", "type": "ROOT", "prob": "98.59"}]}
{"word": "воскресенье", "morphemes": [{"text": "воскрес", "type": "ROOT", "prob": "99.3"}, {"text": "ень", "type": "SUFF", "prob": "96.58"}, {"text": "е", "type": "END", "prob": "100.0"}]}
{"word": "мы", "morphemes": [{"text": "мы", "type": "ROOT", "prob": "99.77"}]}
{"word": "решили", "morphemes": [{"text": "решил", "type": "ROOT", "prob": "85.8"}, {"text": "и", "type": "END", "prob": "100.0"}]}
{"word": "перезапланировать", "morphemes": [{"text": "пере", "type": "PREF", "prob": "100.0"}, {"text": "за", "type": "PREF", "prob": "77.91"}, {"text": "план", "type": "ROOT", "prob": "98.43"}, {"text": "ир", "type": "SUFF", "prob": "100.0"}, {"text": "ова", "type": "SUFF", "prob": "99.98"}, {"text": "ть", "type": "SUFF", "prob": "98.37"}]}

Установка и запуск

Склонируем проект и подготовим окружение:

git clone https://github.com/EvilFreelancer/ruMorpheme.git
cd ruMorpheme
python3 -m venv venv

Активируем окружение:

source venv/bin/activate

Как пользоваться

Тренировка модели

python3 train.py config/ruMorpheme.json

По завершению тренировки будут созданы:

• model/pytorch-model.bin - веса модели
• model/vocab.json - словарь необходимый для работы предикшена

Валидация модели

python3 eval.py config/ruMorpheme.json

Отчёт валидации будет в models/evaluation_report.txt .

Использование модели

Запуск тестового предикшена из файла input_text.txt :

python predict.py input_text.txt --model-path=evilfreelancer/ruMorpheme-v0.1

Если не указывать --model-path то модель и конфигурация будут прочитаны из директории ./model .