中文停用词表, 哈工大停用词表, 百度停用词表, 四川大学机器智能实验室停用词库四份停用词表进行了合并去重
2021-07-10 09:10:01
16KB
1
在信息检索中，为节省存储空间和提高搜索效率，在处理自然语言数据（或文本）之前或之后会自动过滤掉某些字或词，这些字或词即被称为Stop Words（停用词）。这些停用词都是人工输入、非自动化生成的，生成后的停用词会形成一个停用词表。但是，并没有一个明确的停用词表能够适用于所有的工具。甚至有一些工具是明确地避免使用停用词来支持短语搜索的。
2021-05-13 09:03:40
20KB
由中文停用词表：cn_stopwords.txt，哈工大停用词表：hit_stopwords.txt，百度停用词表：baidu_stopwords.txt，四川大学机器智能实验室停用词库：scu_stopwords.txt（https://github.com/goto456/stopwords）合并而得，包含2690个停用词，编码格式为utf-8，python可以直接读取。
2021-03-21 14:06:45
21KB
1
简体中文停用词表，可以作为词云的数据清理用。里面的词在任何场景中都是高频词，并且没有实际的含义，在应用词云分析前应进行清除。
2019-12-21 21:42:29
6KB
1
“哈工大停用词词库”、“四川大学机器学习智能实验室停用词库”、百度停用词表“及网上各种资源整理去重后得到，包括一些数字及字符
2019-12-21 21:32:44
21KB
1