SnowNLP: Simplified Chinese Text Processing SnowNLP是一个python写的类库，可以方便的处理中文文本内容，是受到了的启发而写的，由于现在大部分的自然语言处理库基本都是针对英文的，于是写了一个方便处理中文的类库，并且和TextBlob不同的是，这里没有用NLTK，所有的算法都是自己实现的，并且自带了一些训练好的字典。注意本程序都是处理的unicode编码，所以使用时请自行decode成unicode。 from snownlp import SnowNLP s = SnowNLP(u'这个东西真心很赞') s.words # [u'这个', u'东西', u'真心', # u'很', u'赞'] s.tags # [(u'这个', u'r'), (u'东西', u'n'

这份代码是我们专业的一个实验，内容包含了文本分词和文本分类。分别使用了正向最大匹配算法和KNN算法。分词速度平均153295词/秒，189100字符/秒。文本分类使用tf-idf计算单词权重进行特征选择，我测试时选择前100个特征词，根据k的不同取值，分类的准确度平均为75%。

中文文本相似度/文本推理/文本匹配数据集——XNLI

CNN-RNN中文文本分类，基于TensorFlow 环境 Python 2/3 (感谢howie.hu调试Python2环境) TensorFlow 1.3以上 numpy scikit-learn scipy

基于朴素贝叶斯的中文文本情感倾向分类研究，写得还是不错的。。。

“复旦大学计算机信息与技术国际数据库中心自然语言处理小组”提供的小样本中文文本分类语料，分为训练集和测试集两部分。内容真实有效

有24000条新闻，共六个类别，直接用python3的pickle.load()该文件即可，是一个24000个元素的list，list的每个元素是一个tuple，tuple的第一个元素是与处理好的文本，第二个元素是对应的标签。

1、资源中有语料，本语料库由复旦大学李荣陆提供。test_corpus为测试语料，共9833篇文档；train_corpus为训练语料，共9804篇文档，两个预料各分为20个相同类别。训练语料和测试语料基本按照1:1的比例来划分。使用时尽量注明来源（复旦大学计算机信息与技术系国际数据库中心自然语言处理小组）。 2、资源中还附有一份停用词。

一种基于情感词典和朴素贝叶斯的中文文本情感分类方法

cnews中文文本分类数据集；由清华大学根据新浪新闻RSS订阅频道2005-2011年间的历史 数据筛选过滤生成，训练过程见我的博客；