这是基于隐马尔可夫的拼音转汉字的开源项目，如果该项目对你有帮助欢迎点赞、打赏、抛🍌、丢🪙。
|--hmm_model：存放用于拼音字符串切分和拼音转汉字的概率统计文件
|--hmm_start.json：起始概率
|--hmm_emission.json：发射概率
|--hmm_transition.json 转移概率
|--hmm_py2hz.json：每一个拼音对应的所有可能汉字
以上是拼音转汉字时用到的概率文件。当然这些文件也可以替换成自己训练好的概率文件，但是注意要保障命名的一致性。
|--pinyin.dat：所有汉字的所有拼音（格式化后的）
|--pinyin_all.txt：所有汉字的所有拼音
|--pinyin_hmm_start.json：拼音起始概率
|--pinyin_hmm_transition.json：拼音之间的转移概率
以上是切分拼音字符串时要用到的文件。其中pinyin_hmm_start.json和pinyin_hmm_transition.json可以替换成自己 训练好的文件，但同样要注意保障命名的一致性。
|--lib：项目中用到的额外的jar包
|--logs：生成的日志
|--src：源码
|--hmm：生成拼音转汉字的序列
|--split：切分拼音
|--tool：工具
|--pinyin2hanzi.jar：为打包后文件，直接加载到项目中便可以使用
| 网盘 | 链接 |
|---|---|
| baidu | 下载 w3e0 |
| 下载 |
- List pinyinsSeg=PinyinSplit.splitByTrieTree(String s); 其中，参数 s 为要分割的拼音字符串，返回所有的可能的切分结果。 若想要得到最佳的切分结果，可以将上面的切分结果传入下面的方法中。
- List pinyinOptimum=getOptimumPinyin(String pinyinsSeg, int num); 其中，参数 pinyinSeg 为上一步中切分结果；参数 num 为想要得到的最佳切分数。
- Pinyin2Hanzi.setPinyinMaxLength()：设置输入字符串不能超过的最大值，默认参数设置为50。（可选）
- Pinyin2Hanzi.setPathMaxNumber()：设置每组拼音串最大的候选汉字序列个数， 默认参数设置为10。（可选）
- Pinyin2Hanzi.loadModel(String modelPath):加载模型，参数modelPath为你存放模型的文件夹。（必选）
- List<List> hanzisList = Pin2Hanzi.transform(String str, int segNum, int pathNum); 其中，参数str为要转换的字符串；参数segNum为拼音分切分的候选结果；参数pathNum为每种候选切分拼音序列中得到的候选转换汉字的个数。（必选）
- 获取所有切分候选结果
输入："xiannihao"
输出："xi#an#ni#ha#o" "xi#an#ni#hao" "xian#ni#ha#o" "xian#ni#hao"
- 获取最优的切分结果（以2个为例）
输入："xiannihao"
输出："xian#ni#hao" "xi#an#ni#hao"
- segNum=1 pathNum=2
输入："woaibeijingtiananmentiananmenshangtaiyangsheng"
输出："我爱背景******上太阳升" "我爱北京******上太阳升"
- segNum=2 pathNum=5
输入："xiaotuan"
输出："销团" "小团" "校团" "效团" "逍抟"
输出："小图案" "笑图案" "效途安" "校图案" "小土安"
以下是在人名数据集上做模型合并后的实验结果：
| 准确率/匹配率 | 0.5 | 0.6 | 0.65 | 0.7 | 0.75 |
|---|---|---|---|---|---|
| 原始模型 | 0.86 | 0.58 | 0.56 | 0.51 | 0.5 |
| 原始模型+领域模型 | 0.95 | 0.82 | 0.81 | 0.77 | 0.767 |
| 领域模型 | 0.975 | 0.907 | 0.9 | 0.876 | 0.873 |
模型使用过程中，建议使用自己的小领域中文语料与现有模型做合并，经测试这样可以提高现有领域拼音转汉字的准确率。
请跳转至 Pinyin2HanziPy