维基百科中文语料库，是自然语言处理中常用的一个数据集，里面包含了大量的中文词条，本文件是2020年7月份最新的语料（3）
2021-03-01 21:10:32
265.99MB
1
网址：http://en.wikipedia.org/wiki/Wikipedia
数据获得描述：
1.获取主页的内容，分析网页内容并找到主页上所有的本站链接
2021-02-05 12:00:08
768B
1
数据来源于中文维基百科，利用gensim进行数据抽取，再经过繁体字转换成简体字，得到纯净的文本语料，可用于词向量训练。
2020-01-14 03:01:42
146.03MB
1
将wiki上article数据进行下载，通过维基百科抽取工具将xml格式解析成txt格式，然后使用opencc将繁体转化为简体。在抽取时将文档分了段，因此只上传了部分文档
2020-01-03 11:31:04
67.35MB
1
中文维基百科语料库，将其转换为文本文件后，进行繁体字转换为简体字，字符集转换，分词，然后训练得到模型以及向量。由于文件上传的大小限制是60MB，而训练后的所有文件大小有1G以上，所以这里只提供了下载链接，地址在网盘中。使用python中的gensim包进行训练得到的，运行时间较长，纯粹的维基百科中文语料训练后的结果，拿去可以直接使用。
2019-12-21 22:09:03
234B
1
这是最新的中文维基百科语料库（截至2019年2月20日），可以用来训练word2vec词向量，做文本分类，官网特别难下载，因此分享出来
2019-12-21 20:40:31
4.27MB
1
自己用来训练word2vec的，已提取文本，做了分词处理，过滤了大部分的特殊字符。
共包含3273626个段落的文本（一个段落包含了多个语句）。
处理后的语料有1.1G，由于文件较大，提供百度网盘下载地址。
2019-12-21 20:19:24
650B
1