Java，LDA（Latent Dirichlet Allocation）源代码，可以实现分词、去除停用词功能。

屏幕取词源代码，追踪鼠标，实现屏幕取词，利用GetWord v3.3库，可实现在excel、word上取词

利用金山词霸控件XdictGrb.dll实现的屏幕取词软件源码

当前，大部分中文预训练模型都是以字为基本单位的，也就是说中文语句会被拆分为一个个字。中文也有一些多颗粒度的语言模型，比如创新工场的ZEN和字节跳动的AMBERT，但这类模型的基本单位还是字，只不过想办

由于做一个小项目，需要录入信息，考虑到项目里有几个使用五笔的老姑娘会打五笔，在Win10下，因为五笔的问题竟然苦恼了很久，要么有广告，在么用起来不顺手，要么悄悄往后台送数据，要么打不出来生辟字，要么遇到不会拆字根卡在原地，要么Word中经常出夭娥子，简直苦不堪言。没有办法，只能自己亲自下厨，编译封装了这个输入法，具备如下常用特征：1、五笔拼音混录，2、可以打词组及语句，3、可以从已录入的字自动造词，最长可以长到10个字，这对高频出现的单位名单等极爽，4、真的没有广告，不往后台悄悄发送数据，不用保护好自己的词库位置，真的不用担心别人会分析你的小秘密，嗯，会越用越顺手的，越用越爽的。 不足之处：嗯，暂时还没有发现，只发现很爽。

近义词、同义词中文词库，月5.5万个，可用于文章、句子中的同义词替换等需求。

多线程百度下拉词采集源码

包含表： 诗人 poet ：13,136条：、2.25 MB 诗歌的解析 appreciation：5214条、23.5 MB 诗歌 poetry：2900008条、105 MB 总体而言诗歌的数量还是比较全的。解析也比较多，格式为"

XX

"这种的。当然没有西窗烛的那个数据库全，那个太牛逼了。 相对而言比较不错。我花钱买的，现在就给大家下载，反正也是他抓取的。嘿嘿

Xilinx FPGA-嵌入式非特定人孤立词语音识别系统的设计与实现

英语单词（恋恋有词123）