中文文本相似度/文本推理/文本匹配数据集——OCNLI

PyTorch的BERT中文文本分类 此存储库包含用于中文文本分类的预训练BERT模型的PyTorch实现。 代码结构 在项目的根目录，您将看到： ├── pybert | └── callback | | └── lrscheduler.py　　 | | └── trainingmonitor.py　 | | └── ... | └── config | | └── base.py #a configuration file for storing model parameters | └── dataset　　　 | └── io　　　　 | | └── be

可以把十六进制转换成中文、文本、字符串，也可以把中文、文本、字符串转换成十六进制，同时生成十六进制与字符的对照表，主要用于对抓包的十六进制数据进行分析，也适用网络通信程序的开发和调试。 注意，如果十六进制数据是压缩或加密了的，生成的结果会是乱码，这不是程序的问题。

text_classify 以复旦中文文本分类语料库为样本，用python实现的文本分类算法 由于训练集和测试集太大，所以给出的是训练集和测试集的下载地址，以及停用词表hlt_stop_words.txt Python版本为2.7 运行顺序： step1：corpus_segment.py step2: corpus2Bunch.py (需要提前创建目录train_word_bag和test_word_bag) step3: TFIDF_space.py step4:NBayes_Predict.py

利用VTK实现中文文本显示的现实，可以支持多行文本即“\n”字符，以及不同的中文字体，并在此基础上做的一个简单的医学图像浏览软件（不含源代码，在兴趣的话可以先测试一下，里面有个test.mhd文件，可以加载这个文件，以后会把源代码全部放出来）。

基于语义簇的中文文本聚类算法.pdf

CH-Readability 中文阅读分级工具 measure the readability of Chinese text for K12 education 07/21/2018 实现功能： 根据常用字比例、文章和句子长度计算易读性。 计算文章中各年级生字数量。（不重复） 需要改进的功能： 增加禁止多次复制的功能。 出示各年级生字。 改进难度计算公式。

基于cnn的中文文本分类算法（python）.zip

TextRank4ZH可以从文章中提取摘要和关键字, TextRank4ZH 则是能用 TextRank 的算法处理中文文章

使用sklearn进行中文文本分类-附件资源