stopwords.txt

7k个脏词，仅作为小站点过滤敏感词汇使用，从GitHub上看到的

最近跑代码在数据处理分词部分总是需要停用词表，一样一样找太麻烦了，干脆整个合集，方便后续使用。

中文停用词 停用词表 停用词 中文信息处理

中文停用词表（包含900个中文停用词) 中文停用词表（包含900个中文停用词)

(完整版)Java基础英语单词表.doc

一个比较全的中文停用词表，可以供研究搜索引擎的朋友们使用~好的宝贝，果断共享之~

包括了39个行业的关键词词表，本资源为互联网资源，更新日期为20090925

常用的停用词表，包括哈工大(hit)、百度(baidu)、四川大学机器智能实验室停用词库（scu)、中文停用词表(cn)，以及汇总的停用词表(all)

WikiText 英语词库数据（The WikiText Long Term Dependency Language Modeling Dataset）是一个包含1亿个词汇的英文词库数据，这些词汇是从Wikipedia的优质文章和标杆文章中提取得到，包括WikiText-2和WikiText-103两个版本，相比于著名的 Penn Treebank (PTB) 词库中的词汇数量，前者是其2倍，后者是其110倍。每个词汇还同时保留产生该词汇的原始文章，这尤其适合当需要长时依赖(long term dependency)自然语言建模的场景。