Update README.md

README.md

@@ -8,20 +8,30 @@ tags:
 - synonym
 ---
 # near-synonym
->>> near-synonym, 中文反义词/近义词(antonym/synonym)工具包.
+>>> near-synonym, 中文反义词/近义词/同义词(antonym/synonym)工具包.
 
 # 一、安装
-```
-0. 注意事项
+## 1.1 注意事项
    默认不指定numpy版本(标准版numpy==1.20.4)
    标准版本的依赖包详见 requirements-all.txt
    
-1. 通过PyPI安装
+## 1.2 通过PyPI安装
+```
    pip install near-synonym
    使用镜像源, 如：
    pip install -i https://pypi.tuna.tsinghua.edu.cn/simple near-synonym
+   不带依赖安装, 之后缺什么包再补充什么
+   pip install -i https://pypi.tuna.tsinghua.edu.cn/simple near-synonym --no-dependencies
 ```
 
+## 1.3 模型文件
+ - github项目源码自带模型文件只有1w+词向量, 完整模型文件在near_synonym/near_synonym_model, 
+ - pip下载的软件包里边只有5w+词向量, 放在data目录下;
+ - 完整的词向量详见[huggingface](https://huggingface.co/)网站的[Macropodus/near_synonym_model](https://huggingface.co/Macropodus/near_synonym_model), 
+ - 或完整的词向量详见百度网盘分享链接[https://pan.baidu.com/s/1lDSCtpr0r2hKrGrK8ZLlFQ](https://pan.baidu.com/s/1lDSCtpr0r2hKrGrK8ZLlFQ), 密码: ff0y
+
+
+
 # 二、使用方式
 
 ## 2.1 快速使用, 反义词, 近义词
@@ -37,10 +47,9 @@ print("近义词:")
 print(word_synonyms)
 """
 反义词:
-[('讨厌', 0.6954), ('不爱', 0.6714), ('偏爱', 0.6676), ('太爱', 0.6472), ('花心', 0.6421), ('在乎', 0.6395), ('好感', 0.6378), ('酷爱', 0.634)]
+[('讨厌', 0.6857), ('厌恶', 0.5406), ('憎恶', 0.485), ('不喜欢', 0.4079), ('冷漠', 0.4051)]
 近义词:
-[('最爱', 0.84), ('爱好', 0.8274), ('超爱', 0.8213), ('爱上', 0.8107), ('爱玩', 0.8039), ('狂爱', 0.798), ('大胆', 0.7852), ('喜欢上', 0.7826)]
-请输入word:
+[('喜爱', 0.8813), ('爱好', 0.8193), ('感兴趣', 0.7399), ('赞赏', 0.6849), ('倾向', 0.6137)]
 """
 ```
 
@@ -54,7 +63,7 @@ word_antonyms = near_synonym.antonyms(word, topk=8, annk=256, annk_cpu=128, batc
                      rate_ann=0.4, rate_sim=0.4, rate_len=0.2, rounded=4, is_debug=False)
 print("反义词:")
 print(word_antonyms)
-# 速度很慢, 召回数量annk_cpu/annk可以调小
+# 当前版本速度很慢, 召回数量annk_cpu/annk可以调小
 ```
 
 
@@ -72,7 +81,17 @@ near-synonym, 中文反义词/近义词工具包.
 
 ## 3.2 TODO
 ```
-1. 使用大模型构建语料, 训练小的NLI模型, 替换roformer-sim-ft.
+1. 推理加速, 训练小的NLI模型, 替换掉笨重且不太合适的roformer-sim-ft;【20240320已完成ERNIE-SIM，但转为ONNX为340M太大, 考虑浅层网络, 转第四点4.】
+2. 使用大模型构建更多的NLI语料;
+3. 使用大模型直接生成近义词, 同义词表, 用于前置索引+训练相似度;【20240407已完成】
+4. 近义词反义词识别考虑使用经典NLP分类模型, text_cnn/text-rcnn, 基于字向量;【do-ing, 仿transformers写config/tokenizer/model, 方便余预训练模型集成】
+5. word2vec召回不太行, 考虑直接使用大模型qwen1.5-0.5b生成;
+```
+
+## 3.3 其他实验
+```
+fail, 使用情感识别, 取得不同情感下的词语(失败, 例如可爱/漂亮同为积极情感);
+fail, 使用NLI自然推理, 已有的语料是句子, 不是太适配;
 ```
 
 # 四、对比
@@ -104,6 +123,12 @@ near-synonym, 中文反义词/近义词工具包.
  - [https://github.com/yongzhuo/Macropodus](https://github.com/yongzhuo/Macropodus)
  - [https://github.com/chatopera/Synonyms](https://github.com/chatopera/Synonyms)
 
+# 六、日历
+```
+2024.04.07, qwen-7b-chat模型构建28w+词典的近义词/反义词表, 即ci_atmnonym_synonym.json, v0.1.0版本(使用huggface_hub下载数据);
+2024.03.14, 初始化near-synonym, v0.0.3版本;
+```
+
 # Reference
 For citing this work, you can refer to the present GitHub project. For example, with BibTeX:
 ```
@@ -114,4 +139,5 @@ For citing this work, you can refer to the present GitHub project. For example,
     publisher = {GitHub},
     year = {2024}
 }
-```
+```
+