Menan Velayuthan

新的Python库grapheme-kit改进了多语言自然语言处理的度量标准

一个名为grapheme-kit的新开源Python库已被开发出来，以解决现有文本处理度量标准的局限性。这些通常基于Unicode码点的度量标准，在书写系统中，当一个字素由多个码点组成时，可能无法准确表示错误。Grapheme-kit将这些度量标准扩展到字素簇，为泰米尔语和僧伽罗语等语言提供改进的处理。一项涉及光学字符识别的案例研究表明，字素级度量标准能为复杂脚本提供更准确的评估。