Merge pull request #6 from luckymail/master

代码使用Readme修改

Entity_Emotion_Express/Readme.md

@@ -1,34 +1,47 @@
-### 情感表达组合获取系统 ###
+# 情感表达组合获取系统
 
-=== 系统文件 ===
+## 系统文件
 1. Build_Candidate_Set.py候选集合获取程序
 2. Pair_Patt_Sort.py二部图排序算法
 3. Pair_Refine.py, pair_mine_n.py, pair_mine_s.py 提炼算法
 4. 一个CCF_data的测试数据文件夹
 5. POS-tagging文本转word2vec文本, file2wc.py
 6. word2vec模型训练脚本, word2vec.py
 
-=== 配置要求 ===
+---
+
+## 配置要求
 1. python2.7
 2. python-jieba分词包
 3. python-gensim包
 4. 训练好的word2vec模型文件
 
-=== 使用方法 ===
+---
+
+## 使用方法
+- 构建候选集合
+
 1. python Build_Candidate_Set.py --path ./CCF_data
-2. python Pair_Patt_Sort.py --path ./CCF_data
-3. 
-1) python pair_mine_n.py --read_path ./CCF_data/Iterative_record/pair_sort_ns/99 --split_point 0.1 --word2vec ./CCF_data/word2vec.model.txt --result_path ./CCF_data/pair_mine_n_result
-2) python pair_mine_s.py --read_path ./CCF_data/Iterative_record/pair_sort_ns/99 --split_point 0.1 --word2vec ./CCF_data/word2vec.model.txt --result_path ./CCF_data/pair_mine_s_result
-3) python Pair_Refine.py --n_path ./CCF_data/pair_mine_n_result --s_path ./CCF_data/pair_mine_s_result --sim 0.3 --result_path ./CCF_data/pair_mine_result
-
-=== 系统说明 ===
-* 候选集合构建中间中文进行保存
-* 待处理文本重命名为data.ori
-* 词性标注后，data.ori.pos
-* 文本切片后，data.ori.pos.seg
-  - 需要使用file2wc.py将data.ori.pos转为data.ori.pos.w2c文本用来训练word2vec模型
-  - 将上一步骤得到的w2c文件，通过word2vec.py训练相应的模型文件
-* 最终得到，pair_ns, pair_pt两个文本，pair_ns只保留pair信息，pair_pt保留pair和patt的映射关系
-* 排序后，迭代结果保存至Iterative_record文件夹中，默认迭代100次，保留了每一轮的迭代结果。
-* 提炼后，结果为pair_ming_n_result, pair_mine_s_result和pair_mine_result三个文件。pair_mine_result是我们提炼的最终结果。
+
+- 排序
+
+1. python Pair_Patt_Sort.py --path ./CCF_data
+
+- 提炼
+1. python pair_mine_n.py --read_path ./CCF_data/Iterative_record/pair_sort_ns/99 --split_point 0.1 --word2vec ./CCF_data/word2vec.model.txt --result_path ./CCF_data/pair_mine_n_result
+2. python pair_mine_s.py --read_path ./CCF_data/Iterative_record/pair_sort_ns/99 --split_point 0.1 --word2vec ./CCF_data/word2vec.model.txt --result_path ./CCF_data/pair_mine_s_result
+3. python Pair_Refine.py --n_path ./CCF_data/pair_mine_n_result --s_path ./CCF_data/pair_mine_s_result --sim 0.3 --result_path ./CCF_data/pair_mine_result
+
+---
+
+## 系统说明
+1. 候选集合构建中间中文进行保存
+2. 待处理文本重命名为data.ori
+3. 词性标注后，data.ori.pos
+4. 文本切片后，data.ori.pos.seg
+   - 需要使用file2wc.py将data.ori.pos转为data.ori.pos.w2c文本用来训练word2vec模型
+   - 将上一步骤得到的w2c文件，通过word2vec.py训练相应的模型文件
+5. 最终得到，pair_ns, pair_pt两个文本，pair_ns只保留pair信息，pair_pt保留pair和patt的映射关系
+6. 排序后，迭代结果保存至Iterative_record文件夹中，默认迭代100次，保留了每一轮的迭代结果。
+7. 提炼后，结果为pair_ming_n_result, pair_mine_s_result和pair_mine_result三个文件。pair_mine_result是我们提炼的最终结果。
+