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。
2023-09-23 21:10:09
49KB
1
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)
2022-12-21 15:58:30
36KB
1
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。
2022-12-11 20:31:45
373.39MB
1