非中文字符笔画信息？

[ShuGao0810]

博主好，对于中英文混合型的语料，如何处理非中文字符的笔画信息？ 语料分词后会得到一些包含英文字符的词，比如“A股”、“CEO”等，我是直接把非中文字符的笔画设为空，即stroke.py中的char2stroke[c]改成char2stroke.get(c, '')，不知道博主有没有其他更好的方法？

[qwfy]

非中文按照定义没有笔画，如果一定要把英文加进去的话，可以考虑把每个字母用那五个笔画表示出来，工作量不大，毕竟只有二十六个字母，不过我不认为会有很好的效果，毕竟这种词占少数，可能会被当作低频词丢掉，除非语料是专业领域；而且这个笔画没意义。

另一种想法是训练前语料规范化，分词后，将英文翻译成中文，使用时查找词向量时也翻译下。

[qwfy]

如果你要进行各种实验的话，建议先测一下代码的速度，将慢的地方改进下，会节省很多时间。