def main():
usage = "usage: %prog [options] filename config_path version= %prog 1.0"
parser = OptionParser(usage=usage)
parser.add_option("-i",
"--indexes",
dest="indexes",
action="callback",
type="string",
default=[0],
callback=list_callback)
parser.add_option(
"-r",
"--result_indexes",
dest="result_indexes",
action="callback",
type="string",
default=[0],
callback=list_callback,
help="specify the content indexes that output with the predicted score"
)
parser.add_option("-R", "--result_save", dest="result_save")
parser.add_option("-e",
"--segment",
type="choice",
dest="segment",
default=0,
choices=[0, 1, 2])
parser.add_option("-T",
"--tc_splitTag",
dest="tc_splitTag",
type="string",
default="\t")
parser.add_option("-S",
"--str_splitTag",
dest="str_splitTag",
type="string",
default="^")
options, args = parser.parse_args()
if options.indexes:
indexes = [int(i) for i in options.indexes]
if options.result_indexes:
result_indexes = [int(i) for i in options.result_indexes]
# if options.save_main_path:
# if os.path.exists(options.save_main_path):
# if os.path.exists(options.save_main_path+"result/") is False:
# os.mkdir(options.save_main_path+"result/")
# result_save_path = options.save_main_path+"result/score.result"
# else: result_save_path =os.getcwd()+"/score.result"
filename = args[0]
config_path = args[1]
predict_model.ctm_predict(args[0], config_path, indexes,
options.result_save, result_indexes,
options.str_splitTag, options.tc_splitTag,
options.segment)
def tms_predict(filename,config_file,result_save_path="../tms.result",indexes=[1],result_indexes=[0],str_splitTag="^",tc_splitTag="\t",seg=0,delete=False,change_decode=False,in_decode="GBK",out_encode="UTF-8"):
'''模型预测程序.输入需要预测的文件，以及模型的配置文件，既可利用已经训练好的模型对文件进行预测。
必须参数：
filename：带预测文件的路径以及名称
config_file:已经训练好的模型的配置文件
可选参数：
result_save_path：预测结果保存路径及名称。默认为"../tms.result"
indexes:预测文件中需要预测的字段。默认为[1]
result_indexes:需要和预测结果一起输出的源文件中的字段。默认为[0]
str_splitTag 分词所用的分割符号 ，默认"^"
seg:是否进行分词。seg=0表示不对源文件进行分词，seg=1代表使用pymmseg进行分词。seg=2代表使用aliws进行分词
delete：代表是否要把所有特征都为0样本删除。默认在预测时候不删除。
change_decode：是否要进行编码转换，预测的样本要和训练的样本编码保持一致。默认不转换
in_decode：如果要进行编码转换，原先的编码符号。默认gbk.
out_encode:需要转换的编码，默认为utf-8
'''
predict_model.ctm_predict(filename,config_file,indexes,result_save_path,result_indexes,str_splitTag,tc_splitTag,seg,delete=False,change_decode=False,in_decode="UTF-8",out_encode="GBK")
def tms_predict(filename,config_file,result_save_path="../tms.result",indexes=[1],result_indexes=[0],str_splitTag="^",tc_splitTag="\t",seg=0,delete=False,change_decode=False,in_decode="GBK",out_encode="UTF-8"):
'''模型预测程序.输入需要预测的文件，以及模型的配置文件，既可利用已经训练好的模型对文件进行预测。
必须参数：
filename：带预测文件的路径以及名称
config_file:已经训练好的模型的配置文件
可选参数：
result_save_path：预测结果保存路径及名称。默认为"../tms.result"
indexes:预测文件中需要预测的字段。默认为[1]
result_indexes:需要和预测结果一起输出的源文件中的字段。默认为[0]
str_splitTag 分词所用的分割符号 ，默认"^"
seg:是否进行分词。seg=0表示不对源文件进行分词，seg=1代表使用pymmseg进行分词。seg=2代表使用aliws进行分词
delete：代表是否要把所有特征都为0样本删除。默认在预测时候不删除。
change_decode：是否要进行编码转换，预测的样本要和训练的样本编码保持一致。默认不转换
in_decode：如果要进行编码转换，原先的编码符号。默认gbk.
out_encode:需要转换的编码，默认为utf-8
'''
predict_model.ctm_predict(filename,config_file,indexes,result_save_path,result_indexes,str_splitTag,tc_splitTag,seg,delete=False,change_decode=False,in_decode="UTF-8",out_encode="GBK")
def main():
usage="usage: %prog [options] filename config_path version= %prog 1.0"
parser = OptionParser(usage=usage)
parser.add_option("-i","--indexes",dest="indexes",action="callback",type="string",default=[0],callback=list_callback)
parser.add_option("-r","--result_indexes",dest="result_indexes",action="callback",type="string",default=[0],callback=list_callback,help="specify the content indexes that output with the predicted score")
parser.add_option("-R","--result_save",dest="result_save")
parser.add_option("-e","--segment",type="choice",dest="segment",default=0,choices=[0,1,2])
parser.add_option("-T","--tc_splitTag",dest="tc_splitTag",type="string",default="\t")
parser.add_option("-S","--str_splitTag",dest="str_splitTag",type="string",default="^")
options, args = parser.parse_args()
if options.indexes :
indexes =[int(i) for i in options.indexes]
if options.result_indexes:
result_indexes =[int(i) for i in options.result_indexes]
# if options.save_main_path:
# if os.path.exists(options.save_main_path):
# if os.path.exists(options.save_main_path+"result/") is False:
# os.mkdir(options.save_main_path+"result/")
# result_save_path = options.save_main_path+"result/score.result"
# else: result_save_path =os.getcwd()+"/score.result"
filename = args[0]
config_path = args[1]
predict_model.ctm_predict(args[0], config_path, indexes, options.result_save, result_indexes, options.str_splitTag,options.tc_splitTag,options.segment)
