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'