新闻栏目中文文本分类，新闻栏目一共有：
体育 5000
时政 5000
房产 5000
家居 5000
财经 5000
时尚 5000
科技 5000
教育 5000
娱乐 5000
游戏 5000
每个新闻栏目拥有5000条新闻，通过对新闻内容作为样本训练模型，使得该模型能够预测出该条新闻所属的栏目。
2019-12-21 20:19:49
66.03MB
1
本书介绍了信息处理用现代汉语分词词表的收词原则和方法，《信息处理用现代汉语分词规范》设计原则及规范内容，中文文本歧义切分技术等内容。
2019-12-21 20:06:49
3.02MB
1
算法思想：提取文档的TF/IDF权重，然后用余弦定理计算两个多维向量的距离来计算两篇文档的相似度，用标准的k-means算法就可以实现文本聚类。源码为java实现
2019-12-21 20:02:37
9KB
1
课程作业，是对中文文本的获取、删除特殊符号、删除停用词、分词、最后计算文本之间的相似度、降维、Kmeans聚类以及可是化等
2019-12-21 19:51:50
12KB
1
该资源主要参考我的博客：word2vec词向量训练及中文文本相似度计算
http://blog.csdn.net/eastmount/article/details/50637476
其中包括C语言的Word2vec源代码（从官网下载），自定义爬取的三大百科（百度百科、互动百科、维基百科）中文语料，涉及到国家、景区、动物和人物。
同时包括60M的腾讯新闻语料，是一个txt，每行相当于一个新闻。
国家包括了Python的Jieba分词代码，详见博客。
免费资源希望对你有所帮助~
2019-12-21 19:41:38
142.09MB
1
2016年7月21日更新，修改了碰到换行、回车、00字符会中止转换的问题。
可以把十六进制转换成中文、文本、字符串，也可以把中文、文本、字符串转换成十六进制，同时生成十六进制与字符的对照表，主要用于对抓包的十六进制数据进行分析，也适用网络通信程序的开发和调试。
注意，如果十六进制数据是压缩或加密了的，生成的结果会是乱码，这不是程序的问题。
2019-12-21 19:37:48
161KB
1
用来得到TXT文本中词语的相关性的深度学习模型，需要分词，text8为样例，运行脚本可以直接开始训练。最后得到.bin模型
2019-12-21 18:59:02
31.81MB
1