原文件为zhwiki-latest-pages-articles.xml.bz2，大小为1.7G，最新时间为19年7月下载，转为txt文本，繁转简，分词，gensim训练后的model文件
2019-12-21 20:02:26
15.28MB
1
说明：谭松波收集整理了一个较大规模的酒店评论语料。语料规模为10000篇。语料从携程网上自动采集，并经过整理而成。为了方便起见，语料被整理成4个子集:
1. ChnSentiCorp-Htl-ba-2000: 平衡语料，正负类各1000篇。
2. ChnSentiCorp-Htl-ba-4000: 平衡语料，正负类各2000篇。
3. ChnSentiCorp-Htl-ba-6000: 平衡语料，正负类各3000篇。
4. ChnSentiCorp-Htl-unba-10000: 非平衡语料，正类为7000篇。
2019-12-21 19:58:27
6.28MB
1
自己用来训练word2vec的，已提取文本，做了分词处理，过滤了大部分的特殊字符。
共包含3273626个段落的文本（一个段落包含了多个语句）。
处理后的语料有1.1G，由于文件较大，提供百度网盘下载地址。
2019-12-21 19:54:45
300B
1
格式为
[
{
"url": "http://zhidao.baidu.com/question/565618371557484884.html",
"question": "学文员有哪些专科学校",
"tags": [
"学校",
"专科",
"院校信息"
]
},
{
"url": "http://zhidao.baidu.com/question/2079794100345438428.html",
"question": "网赌和澳门赌有区别吗",
"tags": [
"网络",
"澳门",
"赌博"
]
}
]
2019-12-21 19:43:45
64B
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
该文档为ccks2018（全国语义计算与知识图谱大会）自动问答评测任务的语料集，包含训练集开发集和测试集，该问答评测基于PKUbase知识库。
2019-12-21 19:41:08
149KB
1
已做预处理：分词、剔除停用词
可直接拿来统计建立文本模型
2019-12-21 19:39:47
6.88MB
1