Skip to content

[DOC] Update documents #33

New issue

Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.

Sign up for GitHub

By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.

Already on GitHub? Sign in to your account

Merged
merged 4 commits into from
Aug 13, 2021
Merged

[DOC] Update documents #33

Show file tree
Hide file tree
Changes from all commits
Commits
Show all changes
4 commits
Select commit Hold shift + click to select a range
1adf452
Merge pull request #1 from BAOOOOOM/docs_dev
BAOOOOOM Aug 13, 2021
4ebefeb
Create vectorization.rst
BAOOOOOM Aug 13, 2021
fa1e823
Create vectorization.rst
BAOOOOOM Aug 13, 2021
ea9047a
Create pretrain.rst
BAOOOOOM Aug 13, 2021
File filter

Filter by extension

Filter by extension
Conversations
Failed to load comments.
Loading
Jump to
Jump to file
Failed to load files.
Loading
Diff view
Diff view
32 changes: 32 additions & 0 deletions docs/source/tutorial/zh/pretrain.rst
View file
Open in desktop
Original file line number Diff line number Diff line change
Expand Up @@ -43,6 +43,38 @@ Examples：
公开模型一览
------------

版本说明
#########

一级版本

* 全量版本（luna_private ）: 高考 + 考试中心 + 题库中国 + 学库宝
* 公开版本1（luna_pub1）：高考
* 公开版本2（luna_pub2）：高考 + 题库中国
* 当前luna标准库（luna_v0）: 当前为高考 + 题库中国 + 考试中心

二级版本：

* 小科（Chinese,Math,English,History,Geography,Politics,Biology,Physics,Chemistry）
* 大科（理科science、文科literal、全科all）

三级版本：【待完成】

* 不使用第三方初始化词表
* 使用第三方初始化词表



模型命名规则：一级版本 + 二级版本 + gensim_luna_stem + 分词规则 + 模型方法 + 维度

例子：

::

全量版本-全学科的D2V模型路径：
`/share/qlh/d2v_model/luna_private/luna_private_all_gensim_luna_stem_general_d2v_256.bin`
（备注：一个D2V模型含4个bin后缀的文件）

模型训练数据说明：
#########

Expand Down
6 changes: 4 additions & 2 deletions docs/source/tutorial/zh/vectorization.rst
View file
Open in desktop
Original file line number Diff line number Diff line change
Expand Up @@ -59,12 +59,12 @@ Examples：
模型选择与使用
#########

根据题目所属学科选择预训练模型：(表格问题待解决)
根据题目所属学科选择预训练模型：



+--------------------+------------------------+
| 预训练模型名称 | 模型训练数据的所属学科 |
| 预训练模型名称 | 模型训练数据的所属学科 |
+====================+========================+
| d2v_all_256 | 全学科 |
+--------------------+------------------------+
Expand All @@ -76,6 +76,8 @@ Examples：
+--------------------+------------------------+




处理的具体流程：

1.下载相应的预处理模型
Expand Down