-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathimproved_chinese_tokenizer.model
7108 lines (7108 loc) · 52.1 KB
/
improved_chinese_tokenizer.model
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
861
862
863
864
865
866
867
868
869
870
871
872
873
874
875
876
877
878
879
880
881
882
883
884
885
886
887
888
889
890
891
892
893
894
895
896
897
898
899
900
901
902
903
904
905
906
907
908
909
910
911
912
913
914
915
916
917
918
919
920
921
922
923
924
925
926
927
928
929
930
931
932
933
934
935
936
937
938
939
940
941
942
943
944
945
946
947
948
949
950
951
952
953
954
955
956
957
958
959
960
961
962
963
964
965
966
967
968
969
970
971
972
973
974
975
976
977
978
979
980
981
982
983
984
985
986
987
988
989
990
991
992
993
994
995
996
997
998
999
1000
minbpe v1
[\u4e00-\u9fff]+|[\u3000-\u303f\uff00-\uffef]+|[^\u4e00-\u9fff\s]+
5
[CLS] 7356
[PAD] 7357
[SEP] 7358
[MASK] 7359
[UNK] 7360
228 184
239 188
227 128
188 140
231 154
154 132
228 186
128 128
226 128
228 187
128 130
232 191
229 164
229 143
230 152
184 128
229 156
230 156
228 189
128 227
229 136
152 175
186 134
229 144
229 174
128 157
230 136
132 229
156 168
128 156
232 175
229 176
228 185
229 133
191 153
128 228
184 141
230 157
170 230
132 230
128 229
230 151
229 173
230 150
231 156
156 137
184 170
229 165
229 135
229 190
187 150
176 229
136 145
136 176
168 229
141 229
231 187
132 231
231 148
131 189
170 229
139 229
184 138
132 228
233 130
134 229
164 167
130 163
230 137
184 173
145 229
229 141
232 174
186 186
230 183
231 157
229 134
230 178
229 138
229 183
231 142
230 177
175 228
231 186
175 229
157 128
189 160
175 180
157 165
128 230
233 135
156 176
229 185
229 175
188 154
135 186
232 167
229 188
177 170
232 131
186 231
229 155
233 151
135 230
156 139
137 228
228 188
186 229
232 181
132 232
183 188
168 230
153 228
182 229
233 131
176 228
150 135
161 230
141 230
151 182
231 155
159 229
134 228
229 142
231 167
136 229
182 230
137 229
187 172
188 159
189 229
165 185
135 229
230 128
128 231
230 131
176 177
185 229
230 149
165 229
141 231
129 229
232 128
140 229
230 180
140 230
142 229
153 230
186 230
230 160
184 139
229 184
180 229
167 229
233 157
229 145
159 230
132 233
229 146
186 228
187 229
231 159
230 138
229 186
144 142
175 230
178 161
232 135
145 231
176 231
173 166
230 173
229 191
164 169
230 132
146 140
231 144
143 229
153 229
150 231
145 228
185 136
190 136
142 176
185 231
134 232
160 229
128 129
141 232
151 229
189 230
191 135
185 159
163 228
182 228
233 149
232 161
233 129
229 189
233 128
175 185
168 228
162 229
168 231
172 229
163 229
189 147
231 169
171 229
175 231
230 142
134 230
175 232
137 141
231 132
142 230
143 145
154 229
128 232
177 229
128 166
167 231
139 230
176 232
181 183
140 231
189 134
179 229
176 230
233 152
143 230
145 230
159 231
232 189
139 228
232 190
177 230
135 140
150 229
155 229
150 228
190 229
173 144
230 158
142 187
166 129
165 231
144 229
138 229
232 166
168 232
140 228
152 229
135 170
231 137
229 137
173 231
166 229
129 231
233 162
184 186
139 231
230 181
170 231
143 175
185 230
173 229
132 182
190 151
134 231
142 228
230 179
186 155
179 231
153 231
230 139
143 182
129 147
157 162
230 175
131 179
191 229
172 228
229 163
141 228
187 231
149 191
180 231
155 180
136 144
159 165
188 129
231 129
137 230
165 228
158 229
152 230
187 165
138 231
160 228
169 229
229 177
161 229
231 172
183 177
160 230
231 171
191 152
189 231
187 228
231 130
180 129
230 184
174 229
145 232
231 149
165 230
169 231
180 228
188 229
230 148
165 232
230 172
170 233
183 230
133 229
143 170
143 228
137 231
187 128
156 128
164 154
138 168
184 137
230 140
156 186
129 228
188 231
186 142
168 233
160 183
152 142
129 230
161 140
233 154
152 159
184 229
150 230
135 231
136 230
142 231
160 231
229 147
144 131
188 128
148 231
165 233
148 159
144 140
177 231
180 230
148 168
231 131
164 180
167 141
165 189
178 229
176 143
187 142
182 231
176 233
183 229
159 232
131 229
229 131
163 230
156 159
174 158
231 160
233 187
191 155
131 143
147 229
170 228
178 231
229 140
132 143
138 230
229 128
174 131
229 159
184 184
176 134
151 180
166 226
228 191
144 230
185 180
155 228
144 134
164 170
185 228
232 186
136 231
133 137
229 166
230 176
230 153
159 228
143 178
230 129
191 231
136 134
190 231
172 161
172 231
128 233
184 164
186 139
137 232
161 231
229 129
184 230
151 174
151 230
170 232
149 140
130 185
186 162
143 232
184 142
143 231
164 228
160 232
231 153
171 230
180 232
182 233
229 157
231 168
233 153
181 176
150 185
174 161
187 230
167 145
186 232
133 182
147 231
183 178
169 230
189 228
132 191
149 176
129 232
230 155
166 231
169 186
179 230
183 231
148 229
179 228
163 231
156 188
231 179
232 176
162 231
175 157
232 162
231 174
164 150
154 230
163 176
186 171
177 232
130 230
172 230
132 159
188 160
130 229
186 148
189 156
144 145
152 179
131 228
229 132
151 160
149 229
140 232
232 183
161 228
144 228
154 228
154 231
233 155
131 231
138 155
176 132
188 228
133 230
153 189
167 230
131 168
128 133
191 131
177 228
189 232
156 229
186 167
164 229
231 173
128 140
178 230
183 228
135 228
191 230
188 230
191 228
154 232
136 228
174 154
171 231
143 136
229 178
173 163
233 163
171 228
185 139
185 232
131 230
147 230
144 231
135 160
128 146
151 231
162 171
174 182
144 141
155 232
183 165
166 230
128 149
179 187
155 184
232 132
158 231
172 232
150 232
166 130
143 152
144 167
152 231
137 169
191 233
184 150
232 137
173 151
230 145
156 232
174 135
166 228
134 233
166 232
144 232
187 232
233 161
172 172
158 230
181 229
174 153
147 228
155 230
187 143
187 145
233 171
136 232
155 231
190 185
144 172
188 232
142 165
232 182
229 167
155 174
137 233
138 228
179 232
232 180
169 228
146 229
159 186
231 161
148 230
156 230
171 152
186 166
190 228
173 230
156 172
142 232
148 181
231 177
230 130
137 128
137 139
138 138
157 168
186 191
151 228
186 233
159 173
139 232
191 232
191 161
138 232
137 178
157 230
174 164
174 231
135 141
174 233
143 141
156 231
155 158
184 228
137 135
191 156
133 231
231 164
141 171
168 139
191 171
175 233
156 228
231 189
142 139
136 171
167 137
134 133
175 134
162 230
160 148
164 230
231 178
189 191
135 143
186 170
233 156
230 154
180 233
140 233
233 170
130 231
153 232
174 230
169 182
153 233
137 147
141 233
189 233
173 228
129 175
148 232
141 129
151 168
231 170
155 189
157 229
178 184
152 228
184 187
231 188
231 165
145 233
230 161
188 155
136 233
158 233
152 190
156 175
129 171
178 228
175 148
174 169
134 155
164 132
232 136
149 153
167 233
153 168
162 152
167 163
146 232
144 151
178 232
159 179
185 233
135 232
166 187
182 232
230 143
149 231
231 136
133 228
157 161
133 165
174 186
181 139
161 232
232 165
165 191
158 156
157 144
139 233
140 135
146 231
184 156
133 131
191 144
189 141
231 190
138 233
157 231
162 228
133 179
133 232
174 140
138 160
176 148
129 154
229 162
187 182
150 233
142 233
229 153
162 232
140 150
187 141
189 172
163 233
229 187
174 228
171 139
131 133
134 141
135 233
230 159
183 232
143 176
151 165
155 190
136 182
164 156
187 163
189 149
142 137
148 190
154 143
176 180
189 187
188 233
131 140
167 129
187 187
230 182
156 155
230 141
167 130
188 186
155 233
187 147
129 233
144 233
173 232
233 146
163 232
161 174
183 168
231 180
143 163
139 141
229 149
133 233
180 187
184 231
136 154
146 230
232 177
133 168
184 133
187 186
185 178
155 160
184 232
185 182
187 159
232 130
153 175
174 151
170 140
179 149
177 130
184 136
145 168
136 152
165 158
158 232
165 179
185 179
231 138
188 188
231 166
178 190
171 232
136 135
161 168
164 186
148 228
128 187
185 177
162 151
230 174
175 165
189 162
155 155
172 233
138 128
147 232
133 183
185 166
189 177
181 232
155 183
149 156
133 181
152 232
177 187
191 158
229 158
130 168
230 144
169 232
226 150
150 161
133 136
163 158
175 129
167 139
131 232
167 228
173 233
137 190
149 228
187 153
232 129
189 166
184 166
145 189
154 190
173 148
228 190
151 233
128 153
128 154
164 141
187 132
175 149
187 164
135 179
49 49
170 129
128 167
233 148
149 230
148 177
133 167
177 177
176 129
160 233
176 145
143 183
164 231
141 183
186 178
186 140
145 138
178 153
173 152
131 167
230 187
134 183
230 168
172 145
230 165
179 162
128 159
149 226
167 132
154 151
177 161
233 147
144 136
149 180
230 188
141 138
145 162
189 174
179 176
128 138
173 187
188 143
150 176
151 232
180 158
231 133
148 191
232 141
142 159
190 230
190 190
191 145
173 137
130 228
141 149
185 142
232 144
139 191
232 143
128 139
158 228
164 232
229 150
183 233
174 190
174 129
232 139
175 141
163 142
187 173
137 185
158 139
174 137
134 153
173 169
173 165
156 233
187 233
135 145
175 143
186 149
232 138
156 136
146 228
128 142
233 166
144 189
157 232
143 233
181 129
174 184
168 161
157 228
233 169
161 128
136 172
190 232
190 174
145 152
48 48
174 232
181 230
143 166
129 156
131 138
187 170
167 146
143 144
232 163
178 137
187 152
190 139
149 138
230 163
232 153
158 132
136 143
231 139
165 135
148 179
171 153
171 233
138 159