把需要分词去停用词的文件放入allData文件夹下的originalData文件夹，依次运行1.cutWord.py和2removeStopWord.py之后，allData文件夹下的afterRemoveStopWordData文件夹就是最终分词且去停用词之后的文件
2022-02-14 16:04:23
9.28MB
1
对于NLP中，需要要一些停用字典来对一些没有用的词删除，这里列了一些停用词。
包含：
1、哈工大停用词表, 百度停用词表, 四川大学机器智能实验室停用词库，而且将其进行了合并去重, 共计2311个停用词；
2、3500个常用汉字, 5000+生僻字集合；
3、一般常用停用此表1800多个。
2022-02-11 18:32:36
47KB
1
压缩包里含四个文本文档
1、符号stopWord.txt (1KB)
2、英文stopWord.txt (3KB)
3、中文stopWord.txt (8KB)
4、集合stopWord.txt (11KB)
其中第四个文档是前三个文档的集合。
此是本人实验过程中搜集整理的结果（以前的老版本加上自己整合的）。
已做预处理等，保证不重复。
2022-02-06 22:53:59
11KB
1
在使用TF-IDF算法进行自然语言处理时，大家在处理文本时会首先进行切割，生成包含所有词的词典，但此时往往会有许多重复的词，这些词可能是经常使用的词，比如”的“,这样的词语太多会影响处理效果，因此需要去掉这些停用词在进行处理，在此提供停用词表！
2022-01-30 17:40:38
21KB
1
修复之前一个错误 需要开启调试模式
要安装 Android Composite ADB Interface 驱动
2022-01-28 14:04:56
969KB
整合 使用ICTCLAS2013（NlPIR） x64 的中文分词，分词的速度和效果都不错。然后就是对文本进行的去停用词以及特殊符号（哈工大停用词库）的去除，这些特殊符号还有标点符号，以及文本中夹杂的数字和字母会对分词的效果产生影响。eclipse GBK 编码
2022-01-21 17:55:12
5.53MB
1
es5.3.2热词、停用词、同义词词典，包括插件压缩包，插件源码，远程词典服务端示例，配置说明等
2022-01-20 14:01:16
8.32MB
1