最初通过问卷调查 【投票】HanLP2.1的细分标准是否不够细？ 发现75%的用户对HanLP的细分标准表示满意，剩下的25%统一觉得细分标准有点粗。另外，也有AMR用户和SRL用户表示相应模型对否定句式的处理不佳：
经过调查，都与细分模型的标准有关。为此，我们组织人力对内部1亿字的语料库进行了校对。分别以CTB和MSR两套标准作为细分和粗分的参考，对语料库中不规范的样本进行校正。在校正后的语料上，我们训练并发布了small体积的分词模型，并且取得了可喜的准确率提升：
| 粗分F1 | 细分F1 | |
|---|---|---|
| 旧版 | 96.92 | 97.42 |
| 新版 | 98.30 | 98.11 |
从此，HanLP的分词标准将以此次更新为基石。MTL模型正在训练中，预计一周后和线上restful服务同步更新。
最后，感谢广大用户和HanLP一起追求最专业最先进的NLP技术。
hanlp.pretrained.tok.FINE_ELECTRA_SMALL_ZH= 'https://file.hankcs.com/hanlp/tok/close_tok_fine_electra_small_20220612_114112.zip'
hanlp.pretrained.tok.COARSE_ELECTRA_SMALL_ZH= 'https://file.hankcs.com/hanlp/tok/close_tok_coarse_electra_small_20220612_113852.zip'
是否意味着上面这两个更新了的模型是目前效果最好的 细／粗 粒度模型？
稍后下载更新模型测试一下。
准确度很棒，但是速度方面有点慢哦。
你好，我这边发现离线测试分词器粗分词与restfull线上接口效果有差异，想问下线上接口用的哪个模型呢
sentence = ‘厂商很不给力啊，画风一般，操作手感还行，音效不错，游戏平衡做的不好’
调用线上restful接口的分词结果如下：
{‘tok/coarse’: [[‘厂商’,
‘很’,
‘不给力’,
‘啊’,
‘，’,
‘画风’,
‘一般’,
‘，’,
‘操作’,
‘手感’,
‘还行’,
‘，’,
‘音效’,
‘不错’,
‘，’,
‘游戏’,
‘平衡’,
‘做’,
‘的’,
‘不好’]]}
本地加载模型结果如下，会把"不给力"分开：
+1 有没有人可以解答下
