小学语文毕业总复习：知识集锦之文学百科.pdf

维基百科中文语料库，是自然语言处理中常用的一个数据集，里面包含了大量的中文词条，本文件是2020年7月份最新的语料（2）。

茶叶百科类通用源码主要是介绍与茶相关的一些知识，高仿的茶百科官方应用搜索一下“茶百科 百度应用”就可以找到，其实这一类的应用有普遍性，例如可以起名茶百科那就可以起名其他百科，无非是替换一下标题、图标和内容，大体的基本框架还是不用动的。本项目内数据直接调用http://sns.maimaicha.com/数据，使用json与网站做的交互。  

TeaBaike 茶百科

wiki_idf 维基百科数据的idf值，详情可以参见tfidf介绍， idf为逆文档频率，可以用来衡量词语的常见或罕见程度，可以在特定领域进行关键词抽取，然后通过idf值进行过滤

校园广播稿生活百科.docx

中国百科 中文词典 92 新版 多媒体 光盘 很好 都是非常不错的中国百科 中文词典 92 新版 多媒体 光盘 很好 都是非常不错的

用于BERT预训练，Bidirectional Encoder Representation from Transformers

Python3.5实现的爬虫，截至2018年1月06日可用，为了测试方便我在循环里循环到50次强制退出了，大家可以自行修改。

基于Lucene的电影搜索引擎 内容介绍 本文研究的主要内容是：面向电影搜索引擎的功能设计和技术实现。搜索引擎功能设计主要包括，信息资源的集成，查询扩展模块，Lucene检索模块，结果可视化。 信息资源的集成主要使用网络爬虫技术，利用java语言的regex包和selenium插件实现模拟登录以获取新浪微博，豆瓣电影，百度百科，相关新闻等不同数据源数据，以文档形式存储。查询扩展模块通过IKAnalayzer实现输入文本的分词和关键词的提取，为检索做准备。Lucene检索主要包括建立索引和对结果文档的排序。搜索结果可视化通过spring MVC框架搭建完整的系统实现。 技术实现主要包括：基于Lucene的全文检索技术，spring MVC框架，java爬虫技术，Python爬虫技术，html+css+JavaScript网页设计等。 实现流程详解 文本预处理 由于数据基本上都是中文的，Luc