这是关于微博情感分析的语料，类别分好，可以直接投入分析程序中使用，方便大家研究情感分类，免去大家写爬虫或API等方式爬取数据的烦恼
2023-09-19 19:27:06
27.15MB
1
语料库语言学是20世纪80年代才崭露头角的一门交叉学科，它研究自然语言文本的采集、存储、加工和统计分析，目的是凭借大规模语料库提供的客观翔实的语言证据来从事语言学研究和指导自然语言信息处理系统的开发。随着互联网的爆炸式增长，中文语料库的规模也随之剧增。语言学的研究面临着各类复杂的海量数据，亟需采用信息化的手段，自动分析相关的语言数据，从而更好地研究并开发使用的自然语言信息处理系统。
2023-05-28 12:53:55
12.97MB
1
这是Trigram语言模型的实现。
用法：
（先决条件：您需要在计算机上安装python版本3才能运行此程序）
将corpus.zip解压缩（使用“在此处提取”）到项目结构的根目录。
使用python3执行main.py。 （例如：python /main.py）
请按照控制台上的说明进行操作。
2023-05-10 18:48:12
7.06MB
1
TED平行语料库是多语言平行语料库，包括多语言并行语料库和单语语料库。从TED会议www.ted.com 提取109种世界语言。 多语言的平行语料库包括 12 种语言超过1.2亿 个对齐句子并进行了句子对齐。 所有的预处理都是自动完成。
2023-04-13 20:23:17
365.48MB
1
Gensim数据有什么用？
研究数据集经常消失，随时间变化，变得过时或没有理智的实现来处理数据格式的读取和处理。
因此，Gensim推出了自己的d Gensim数据的用途是什么？
研究数据集经常消失，随时间变化，变得过时或没有理智的实现来处理数据格式的读取和处理。
因此，Gensim推出了自己的数据集存储，致力于提供长期支持，合理的标准化用法API，并专注于非结构化文本处理（无图像或音频）的数据集。
该Gensim数据存储库用作该存储。
您无需直接使用此存储库。
因斯泰
2023-04-04 23:05:25
22KB
1
首先，建立自己的语料库
def ylk(x):
seg = jieba.cut(x, cut_all=False)
with open('D://listTwo.txt', 'a',encoding='utf-8')as f:
for word in seg:
f.write(word+ )
f.write('\n')
训练模型
from gensim.models.word2vec import LineSentence, Word2Vec
#加载语料库
sentences = LineSentence(D://
2023-03-28 10:06:53
33KB
1
European Parliament Proceedings Parallel Corpus 1996-2011 数据集是一个用于统计 机器翻译 的语料库，其中 Europarl 平行语料库来源于欧洲议会的程序，它包括 21 种欧洲语言版本：
罗马语（法语，意大利语，西班牙语，葡萄牙语，罗马尼亚语）
日耳曼语（英语，荷兰语，德语，丹麦语，瑞典语）
Slavik（保加利亚语，捷克语，波兰语，斯洛伐克语，斯洛文尼亚语）
Finni-Ugric（芬兰语，匈牙利语，爱沙尼亚语）
波罗的海语（拉脱维亚语，立陶宛语）
希腊语
European Parliament Proceedings Parallel Corpus 1996-2011 数据集最初由苏格兰爱丁堡大学信息学院于 2005 年发布，主要发布人为 Philipp Koehn。
该数据集于 2012 年发布第 7 版，相关论文有《Europarl: A Parallel Corpus for Statistical Machine Translation》
2023-03-16 22:52:05
39KB
1