语料库资源————（三）

最新推荐文章于 2024-08-27 22:30:00 发布
最新推荐文章于 2024-08-27 22:30:00 发布
阅读量6.4k 收藏 14
点赞数 1
分类专栏： 机器学习及相关算法 NLP
版权声明：本文为博主原创文章，遵循 CC 4.0 BY 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u013378306/article/details/55189821
版权
机器学习及相关算法 同时被 2 个专栏收录
92 篇文章 42 订阅 ¥49.90 ¥99.00
订阅专栏
NLP
45 篇文章 41 订阅 ¥49.90 ¥99.00
订阅专栏
本文整理了多个汉语语料库资源，包括国家语委现代汉语语料库、北京大学、北京语言大学、清华大学、山西大学等机构提供的各种类型和时期的语料库，以及相关处理工具和字表，方便研究者和学习者使用。
摘要由CSDN通过智能技术生成
了解本专栏 订阅专栏 解锁全文
life1024
关注
专栏目录
订阅专栏
语料库资源————（一）
FREEDOM
02-15 4063
国内可用免费语料库（凡没有标注不可用的链接均可用） (一) 国家语委 1.国家语委现代汉语语料库http://www.cncorpus.org/ 现代汉语通用平衡语料库现在重新开放网络查询了。重开后的在线检索速度更快，功能更强，同时提供检索结果下载。现代汉语语料库在线提供免费检索的语料约2000万字，为分词和词性标注语料。 2.古代汉语语料库http://www.cncorpu
人民日报语料库（中文分词语料库）
09-08
人民日报1998年1月份的语料库，加入了词性标注，北京大学开发，中文分词统计的好资料 人民日报1998年1月份的语料库，加入了词性标注，北京大学开发，中文分词统计的好资料
2024年技术自媒体经验分享 —— 开始尝试认真做 CSDN 的一年后的复盘_csdn变现可行吗
2401_86022387的博客
08-19 1464
一次偶然，从朋友那里得到一份“java高分面试指南”，里面涵盖了25个分类的面试题以及详细的解析：JavaOOP、Java集合/泛型、Java中的IO与NIO、Java反射、Java序列化、Java注解、多线程&并发、JVM、Mysql、Redis、Memcached、MongoDB、Spring、Spring Boot、Spring Cloud、RabbitMQ、Dubbo 、MyBatis 、ZooKeeper 、数据结构、算法、Elasticsearch 、Kafka 、微服务、Linux。
英文维基百科语料库txt（7）
03-10
已经做了 1、分词 2、去停用词 3、英文小写 4、词干提取 5、词形还原
英文维基百科语料库txt（9）
03-10
已经做了 1、分词 2、去停用词 3、英文小写 4、词干提取 5、词形还原
中文维基百科语料库百度网盘网址.txt
08-10
本资源是维基百科中文网页的语料库（包含处理过的与未处理的），版本为2020-8-3版本，可适用于中文语料处理等训练集。由于文件过大，放在的百度网盘中，如果网盘被和谐或者其他原因造成的无法打开，请评论留言，本人看到后立即更改。 文件中包含的内容有：未经处理的维基百科语料库、使用代码处理繁体转简体并jieba分词后的语料库、繁体转简体的代码，读者可根据自己的需要进行相应的提取。
信息时代的南岛语语料库述评——以台湾大学南岛语多媒体语料库为例.pdf
10-10
总的来说，台湾大学南岛语多媒体语料库是信息时代语料库建设的一个典范，它充分展示了信息技术在语言资源保护和利用中的巨大潜力。此类语料库的建立对于语言学研究、语言教学以及濒危语言的保护都具有重要意义，为...
语料库软件——R 或 Python 的相关库
最新发布
2403_86762465的博客
08-27 818
对于处理语料库任务，在 R 和 Python 中都有很多强大的库可以帮助您进行文本分析、自然语言处理（NLP）以及统计建模等工作。
语料库————（二）
FREEDOM
02-15 3269
以下是我国20大知名语料库，书到用时方恨少，还不赶快来收藏？！ 1.中央研究院近代汉语标记语料库：http://www.sinica.edu.tw/Early_Mandarin/ 2.中央研究院汉籍电子文献（瀚典全文检索系统）http://www.sinica.edu.tw/ftms-bin/ftmsw3 3.国家现代汉语语料库：http://124.207.106.21:808
Reuters-21578语料库转成txt脚本（Python）
06-14
Reuters-21578语料库转成txt脚本（Python）
人民日报语料文件2014
04-29
人民日报语料文件2014，语料通过中文词性进行了标注，词之间用空格进行了分开，可用于NLP自然语言处理及其他深度学习的各类模型进行模型训练。整个文件177MB，总行数达到44万多行。
语料库.zip
06-14
语料库资源里有网上购酒评论，分为积极评论与消极评论； 资源里还包括中文停用词1800+
语料库，自己整理的，有需要的吗
08-06
语料库，自己整理的，对txt文件进行去停用词、分词。（停用词是指对文本含义几乎没有影响的词，这些词存入到.txt，分词调用的结巴分词库）
中英平行语料库（八万对，句粒度）
08-11
共8400多对中英语句，已预处理，中文用jieba分了词，标点符号没问题，保存于en-zh.csv，分隔符是制表符\t（不是默认逗号）。 句粒度，但有不少长句，裁剪后5w对也够用。 原始数据集也在包中，其中en-zh_News.tmx有一部分句子有问题，（en-zh.csv丢弃了有问题的句子），如果必要建议不要直接使用该文件。 另外附赠我对语料的预处理文件（propressor.py），以及数据集（pytorch的Dataset）等相关的实现（LangData.py)。 如果又可以改善的地方，欢迎留言
语料库汇总
gentelyang的博客
03-09 4352
1 语言资源 2 搜狗实验室（Sogou Labs） 3 Acollection of Chinese corpora and frequency lists 4 Corpus-basedLanguage Study TheLancaster Los Angeles Spoken Chinese Corpus 5 http://lingcorpus.iis.sinica.edu.tw/c...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

life1024

你的鼓励将是我创作的最大动力。

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值