Update README.md

README.md

@@ -1,32 +1,47 @@
-# csc_eval_public
-## 一、测评数据说明
-### 1.1 数据清洗
-```
-余-馀: 替换为馀-余
-other - 馀: 替换为余
-覆-复: 替换为复-覆
-other-覆: # 答疆/回覆/反覆
-          # 覆审
-他-她:不纠
-她-他:不纠
-人名不纠: 识别人名并丢弃
-```
-
-### 1.2 代码
-```
-a00_csc_clean_public_wang271k.py
-```
-
-### 1.3 数据来源
- - [shibing624/CSC](https://huggingface.co/datasets/shibing624/CSC)
-```注意: 
-test.json 和 dev.json 为 SIGHAN数据集， 包括SIGHAN13 14 15，来自 官方csc.html ，文件大小：339kb，4千条。
-train.json 为 Wang271k数据集，包括 Wang271k ，来自 Automatic-Corpus-Generation dimmywang提供 ，文件大小：93MB，27万条。
-```
-
-## 二、论文
-### 初始来源
- - [https://github.com/wdimmy/Automatic-Corpus-Generation](https://github.com/wdimmy/Automatic-Corpus-Generation)
-
-### 论文
- - [A Hybrid Approach to Automatic Corpus Generation for Chinese Spelling Checking](https://aclanthology.org/D18-1273)
+# csc_eval_public
+## 一、测评数据说明
+### 1.1 数据清洗
+```
+余-馀: 替换为馀-余
+other - 馀: 替换为余
+覆-复: 替换为复-覆
+other-覆: # 答疆/回覆/反覆
+          # 覆审
+他-她:不纠
+她-他:不纠
+人名不纠: 识别人名并丢弃
+的得地: 建议丢弃(标注得不准)
+
+# # 的 - 地
+# # 的 - 得
+# # 它 - 他
+# # 哪 - 那
+
+# # 改-大小改:  余-馀 覆-复 借-藉 功-工 琅-瑯 震-振 百-白 也-叶 经-禁(经不起-禁不起)
+# # 部分不变(人名)： 小-晓 一-逸 佳-家 得-地(马哈得) 红-虹 民-明
+# # 匹配上但是不改的： 惟-唯 象-像 查-察 立-利 止-只 建-健 他-它 地-的 定-订 带-戴 力-利 成-城 点-店
+# # 匹配上但是不改的： 作-做 得-的 场-厂 身-生 有-由 种-重 理-里
+
+
+# # 空白没匹配上： 今-在 年-今 前-目 当-在 目-在 者-是
+# # 外国人名等：其-齐 课-科 博-波
+```
+
+### 1.2 代码
+```
+a00_csc_clean_public_wang271k.py
+```
+
+### 1.3 数据来源
+ - [shibing624/CSC](https://huggingface.co/datasets/shibing624/CSC)
+```注意: 
+test.json 和 dev.json 为 SIGHAN数据集， 包括SIGHAN13 14 15，来自 官方csc.html ，文件大小：339kb，4千条。
+train.json 为 Wang271k数据集，包括 Wang271k ，来自 Automatic-Corpus-Generation dimmywang提供 ，文件大小：93MB，27万条。
+```
+
+## 二、论文
+### 初始来源
+ - [https://github.com/wdimmy/Automatic-Corpus-Generation](https://github.com/wdimmy/Automatic-Corpus-Generation)
+
+### 论文
+ - [A Hybrid Approach to Automatic Corpus Generation for Chinese Spelling Checking](https://aclanthology.org/D18-1273)