文本信息隐藏是保护文本内容安全性与完整性的重要技术。综述了中文文本信息隐藏的研究进展，根据中文文本信息隐藏的线索，将已有的算法分为3类：基于文本图像的算法、基于文本格式的算法和基于文本内容的算法，分别阐述了每类算法的实现过程，分析其优势与不足，并且对比分析了它们的原理、嵌入容量和抵抗攻击能力等。此外，总结了中文文本信息隐藏技术存在的问题，并且对其研究趋势进行展望，期望为该领域的研究提供参考。
2023-02-24 10:29:32
1.05MB
1
适用于中文中长文本分类 原始数据集和已经划分的数据集已给出
划分的数据集经过数据预处理，删除了其中的重复文本，以及文本长度小于50的句子，最终构造的平衡语料 训练集 5800 测试集 1000条 验证集1000 （正负评论各站一半）
2023-01-15 11:06:10
3.33MB
1
NLTK是Python中用于自然语言处理的第三方模块，但处理中文文本具有一定局限性.利用NLTK对中文文本中的信息内容进行抽取与挖掘，采用同语境词提取、双连词搭配提取、概率统计以及篇章分析等方法，得到一个适用于中文文本的NLTK文本内容抽取框架，及其具体的实现方法.经实证分析表明，在抽取结果中可以找到反映文本特点的语料内容，得到抽取结果与文本主题具有较强相关性的结论.
2023-01-07 11:46:12
795KB
1
复旦大学中文文本分类训练集和测试集
文件太大压缩为了zip格式。
all文件夹为复旦大学中文文本分类语料集，
test_corpus为该语料集中挑选部分划分出来的，
train_corpus为该语料集中挑选test_corpus后剩余部分划分出来的。
下载以后可以按照自己的要求指定比例划分训练集和测试集，也可以按照本文档的划分方法。
2022-11-03 11:42:06
101.68MB
1
中文文本分类语料-测试集下载
是测试集，训练集请见我的资源 本语料库由复旦大学李荣陆提供。test_corpus.rar为测试语料，共9833篇文档；train_corpus.rar为训练语料，共9804篇文档，两个预料各分为20个相同类别。训练语料和测试语料基本按照1:1的比例来划分。
2022-07-21 10:16:29
52.72MB
1
Bert-Chinese-Text-Classification-Pytorch
LICENSE
中文文本分类，Bert，ERNIE，基于pytorch，开箱即用。
介绍
模型介绍、数据流动过程：还没写完，写好之后再贴博客地址。 工作忙，懒得写了，类似文章有很多。
机器：一块2080Ti ， 训练时间：30分钟。
环境
python 3.7
pytorch 1.1
tqdm
sklearn
tensorboardX
pytorch_pretrained_bert(预训练代码也上传了, 不需要这个库了)
2022-07-09 11:07:18
6.11MB