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://

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》

用于对文本进行实体识别、语义标注的软件和源码的文档。

中文文本分类语料库

中文人名语料库（Chinese-Names-Corpus） 业余项目“萌名NameMoe（一个基于语料库技术的取名工具）”的副产品。 萌名手机网页测试版： ，欢迎体验。 不定期更新。只删词，不加词。 可用于中文分词、人名识别。 请勿将本库打包上传其他网站挣积分，已上传的请配合删除，谢谢！ 中文常见人名（Chinese_Names_Corpus） 数据大小：120万。 语料来源：从亿级人名语料中提取。 数据清洗：已清洗，但仍存有少量badcase。 新增人名生成器。 中文古代人名（Ancient_Names_Corpus） 数据大小：25万。 语料来源：多个人名词典汇总。 数据清洗：已清洗。 中文姓氏（Chinese_Family_Name） 数据大小：1千。 语料来源：从亿级人名语料中提取。 数据清洗：已清洗。 中文称呼（Chinese_Relationship） 数据大小：5千，称呼词根

是一个由58k条精心挑选的评论组成的语料库，从Reddit网站上提取了27种情绪类别或中性情绪，并配有人工注释。其中包含了训练测试验证分割测试数据集的大小5,427。验证数据集的大小5,426。情感的分类是钦佩、娱乐、愤怒、烦恼、认可、关心、困惑、好奇、渴望、失望、反对、厌恶、尴尬、兴奋、恐惧、感激、悲伤、快乐、爱、紧张、乐观、骄傲、实现、宽慰、悔恨、悲伤、惊讶。

多体裁NLI语料库，这是the Multi-genre NLI(多流派NLI)语料库的1.0发行版。许可信息和语料库的详细描述包含在附带的PDF中 多体裁NLI语料库，这是the Multi-genre NLI(多流派NLI)语料库的1.0发行版。许可信息和语料库的详细描述包含在附带的PDF中

多种语言歌词分类数据集，超过290.000个标签歌词数据样本 多种语言歌词分类数据集，超过290.000个标签歌词数据样本 多种语言歌词分类数据集，超过290.000个标签歌词数据样本

语音语料库_part_1 TRAIN DR1 TIMIT contains a total of 6300 sentences, 10 sentences spoken by each of 630 speakers from 8 major dialect regions of the United States. Table 1 shows the number of speakers for the 8 dialect regions, broken down by sex. The percentages are given in parentheses. A speaker's dialect region is the geographical area of the U.S. where they lived during their childhood years.

语音语料库_part_2 TRAIN DR2 TIMIT contains a total of 6300 sentences, 10 sentences spoken by each of 630 speakers from 8 major dialect regions of the United States. Table 1 shows the number of speakers for the 8 dialect regions, broken down by sex. The percentages are given in parentheses. A speaker's dialect region is the geographical area of the U.S. where they lived during their childhood years.