/inverse_chinese_text_normalization

将normalize过的中文文本,做逆向normalize。具体功能即实现 chinese_text_normalization的逆向版本。

Primary LanguageC++

inverse_chinese_text_normalization

将normalize过的中文文本,做逆向normalize。具体功能即实现 chinese_text_normalization的逆向版本。

代码思路可部分参考我之前项目的README.md部分:chinese_number_recognition

测试文件 itn-test.ccitn-utils-test.cc , 请结合 kaldicppjieba 一起使用。

代码规范:

遵循Google c++代码规范。

文件结构

itn.cc / itn.h: 代码主体部分。

itn-utils.cc / itn-utils.h: 通用代码。

itn-test.cc / itn-utils-test.cc : 测试代码。

some-test-cases-result: 一些测试样例的结果。

data/idiom-and-ci.txt: 从 chinese-xinhua 收集的有关数字的成语与词语。

data/susie-test-cases.txt / data/junyi-test-cases.txt / data/aishell-data.txt: 一些测试样例。其中aishell-data是 aishell1 中抽取的包含数字的句子。

已完成部分

NSW type normalized inverse normalized
cardinal 这块黄金重达三百二十四点七五克 这块黄金重达324.75克
date 她出生于八六年八月十八日她弟弟出生于一九九五年三月一日 她出生于86年8月18日她弟弟出生于1995年3月1日
digit 电影中梁朝伟扮演的陈永仁的编号二七一四九 电影中梁朝伟扮演的陈永仁的编号27149
money 随便来几个价格十二块五和三十四点五元和二十点一万 随便来几个价格12块5和34.5元和20.1万
percentage 明天有百分之六十二的概率降雨 明天有62%的概率降雨
telephone 这是固话零四二一三三四四一一二二
这是手机八六一八五四四一三九一二一
这是固话042133441122
这是手机8618544139121
fraction 现场有十二分之七的观众投出了赞成票 现场有7/12的观众投出了赞成票

更多测试样例和分词后的句子结果,请参考 some-test-cases-result

待完成部分

  1. 更多单位支持,包括兆京垓秭穰沟涧正载。
  2. 支持例如一千千的写法。
  3. 支持标点符号。