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
中文分词词库，中科院和北大标注。包括地名，名胜古迹，知名山川河流，还有1万多的成语，包括一部分搜狗互联网词库。已经整理成sql语句，直接导入数据库即可使用。非常方便！
2019-12-21 20:30:41
12.75MB
1
因工作需要，最近在做自然语言处理方面的研究，第一步需要实现中文分词，市面上有许多开源的分词组件，本人使用的是word分词，但这些开源组件中的词库都比较小，因此这段时间主要是在网上爬了各种词库，并通过XX词典校验，挑选在XX词典中收录的（耗费相当多的精力）。此份同音异形词库
2019-12-21 20:28:50
5.95MB
1
非常好用solr中文分词器(含使用手册) ,Solr4.x 此版本适用于高版本Solr4.x,IK 分词器 ，智能分析，与细粒度分析配置
2019-12-21 20:27:01
2.05MB
1