维基百科词向量 sgns.wiki.char.bz2解压后文件后缀名是.char, 可以通过一些方法得到.txt结尾的文件，有35万多个字词和符号，300维的向量表示。将词向量作为词嵌入层时需要加载全部的词向量到内存，如果计算机的内存不够大，会直接内存溢出。所以，截取8000，20000个词汇的词向量进行使用，在配置普遍的设备也能运行。该项目提供了100多个使用不同表示（密集和稀疏），上下文特征（单词，ngram，字符等）和语料库训练的中文单词向量（嵌入）。人们可以很容易地获得具有不同属性的预训练向量，并将它们用于下游任务。

中文维基百科hosts文件，拷贝到C:\Windows\System32\drivers\etc目录下，经测试可使用

拖网渔船 在 Wikipedia 上搜索 UCI ProTour 自行车手统计数据（身高、体重、国家/地区、年龄）以计算平均值。 用法 重建数据库 要重建数据库，只需运行python ProTrawler.py 。 这会将data.js输出到当前工作目录。 重建网络应用程序 如上所述重建数据库，然后将data.js移动到web/app/scripts/data/ 。 在web/目录中使用npm install和bower install安装/更新 Javascript 依赖项。 运行grunt build ，构建的 Web 应用程序将在dist/ 。

sqlserver2016数据库，兼容级别2008，只有一个表pageen 4600多万条记录 sqlserver2016数据库，兼容级别2008，只有一个表pageen 4600多万条记录

维基百科语料库直接解压使用即可

维基百科中文语料库，是自然语言处理中常用的一个数据集，里面包含了大量的中文词条，本文件是2020年7月份最新的语料（2）。

wiki_idf 维基百科数据的idf值，详情可以参见tfidf介绍， idf为逆文档频率，可以用来衡量词语的常见或罕见程度，可以在特定领域进行关键词抽取，然后通过idf值进行过滤

用于BERT预训练，Bidirectional Encoder Representation from Transformers

维基百科PageRank 世界上最简单的维基百科爬虫和页面排名器。 要抓取一组页面并创建图表： String[] searchTerms = {"term1", "term2"}; int max_nodes = 1000; String outputFileName = "file_name.txt" WikiCrawler w = new WikiCrawler("/wiki/title_of_start_page", searchTerms, max_nodes, outputFileName); w.crawl(); 计算上图的页面排名： double eps = 0.05; //pagerank convergence criteria PageRank p = new PageRank(outputFileName, eps); String[] top100 =

LZMA算法是目前比较流行的开源压缩软件7zip的基本算法，是俄罗斯人 Igor Pavlov于1999年发布的，本资源是维基百科上的详细介绍，是网上能找到的最详细的一个说明。