进行中文文本分词时，使用的是jieba分词工具。文档中演示了结巴分词器的.Net版本在VS2013中的使用流程。新人上货，请指正！
2019-12-21 20:49:25
320KB
1
自然语言处理课程的小作业，以新闻语料为基础，用HMM算法实现中文分词。按照每个字为B，E，S，M进行划分。以新闻语料为基础，用HMM算法实现中文分词。按照每个字为B，E，S，M进行划分。
2019-12-21 20:46:15
2.25MB
1
本次提供的中文汉语语料syj_trainCorpus_utf8.txt全网免费，转载需要注明出处，语料是作者通过爬取的短文本和网络上的预料处理、合并生成的。整个语料大小264M，包含1116903条数据，数据用空格隔开，可以用来训练分词模型。
2019-12-21 20:45:48
108.12MB
1
simhash算法对字符串计算权重时，对中文要做特殊操作，及先分词，请自行下载sanford中文分词jar包及中文分词库
2019-12-21 20:35:36
3KB
1
IKAnalyzer2012FF_u1.jar solr中文分词器 最少要2分，不能选0分，很无语
2019-12-21 20:31:37
1.11MB
1
中科院的标注、北大标注集。也有词频。可以满足大多数的需求。这个是我写java分词器的时候用到的，现在分词器已经编写完毕，特把词库分享给大家。
分词总数是29万8左右。其中包括三级地名、名胜古迹、知名的山川河流、1万多成语，还有就是其中的一部词语是来自搜狗输入法的词库。
2019-12-21 20:30:41
9.68MB
1