| 千万级巨型汉语词库分享 | 您所在的位置：网站首页 › 领域词典 › 千万级巨型汉语词库分享 |
千万级巨型汉语词库分享
|
目录 算法+语料≈NLP 目录 举个例子 四十万汉语大词库.txt 自然语言处理及计算语言学相关术语.txt 金融专业相关词.txt 新亚洲人名库.txt 政府机关团体机构大全【官方推荐】.txt 一些奇葩词库 下载地址 版权 算法+语料≈NLP这是一个六千万词汇量的分类词库，做HanLP这么久，我逐渐体会到，算法无法解决所有问题，词库也非常重要。通常一个算法可以解决80%的问题，剩下的20%无论怎么调节优化，都是拆东墙补西墙。比如上次我提到的“区人保”被HMM人名识别模块误命中的例子，这个词让HMM来看，“区”作为姓氏，“人”“保”作为名字的二三字的确非常有可能，但是正常人都不会取这个名字。要是我把“人”“保”这两个字的频度降低或删除的话，“袭人”“王保全”这些名字又无法识别。 本来博客“自然语言处理”分类下就有“语料库”这一小类，不过一直没有分享什么，这次分享一个6千万词汇的巨型汉语词库。
光目录就十分庞大，只贴出目录的一部分： 中国海洋大学青岛学院名人录.txt 中国海诚.txt 中国淡水鱼类名称.txt 中国烟名大全.txt 中国烟草名词.txt 中国理学总词库.txt 中国画专业词库.txt 中国疗养院名录.txt 中国的世界文化遗产名录.txt 中国相声师承关系族谱.txt 中国石化五建分包名单.txt 中国石油西北销售公司词库.txt 中国神仙表.txt 中国种子植物科属.txt 中国种子植物科属词典.txt 中国种子植物科属词典1.1.txt 中国科学技术大学.txt 中国科学技术大学【校园词库】.txt 中国科学院海洋研究所人名录.txt 中国科学院院士名.txt 中国移动 151.txt 中国移动专用词库.txt 中国移动业务专用.txt 中国移动安徽有限公司.txt 中国移动福建公司员工花名册.txt 中国网络作家.txt 中国职业名称大全.txt 中国联通福建分公司客服中心专用.txt 中国自唱歌曲.txt 中国自然保护区.txt 中国航油.txt 中国艺术家（音乐理论、表演类）.txt 中国营口论坛－营口地方话词库.txt 中国著名演奏家.txt 中国观鸟年报-中国鸟类名录3.0.txt 中国计量学院.txt 中国象棋.txt 中国象棋常用词汇.txt 中国象棋红方走法大全.txt 中国财税管理咨询网.txt 中国近代历史名人.txt 中国野鸟名录.txt 中国钢厂名称库.txt 中国铁路名词.txt 中国银行.txt 中国银行快速录入.txt 中国音乐学院音乐考级山东考区人名2010年.txt 中国音乐文化词库.txt 中国风景名胜.txt 中国高等教育名录数据库.txt 中国高等院校（大学）大全【官方推荐】.txt全部目录请下载： 推荐一些优秀的词库，比如： 四十万汉语大词库.txt 吖吖 吖啶 阿Q正传 阿阿 阿八 阿巴拉契亚山脉 阿爸 阿傍 阿谤 阿保 阿保之功 阿保之劳 阿本郎 阿鼻 阿鼻地狱 阿鼻鬼 阿鼻叫唤 阿鼻狱 阿比 阿比让 阿辟 阿避 阿柄 阿炳 阿波罗 阿波罗计划 阿伯 阿步干 阿茶 阿谄 阿昌族 阿叱 阿閦 阿从 阿达 阿大 阿呆 阿党 阿党比周 阿党相为 阿的 阿的平 阿等 阿弟 阿殿 阿爹 阿斗 阿阇 阿阇梨 自然语言处理及计算语言学相关术语.txt 隐式马可夫模型 阶层结构层次结构 单词句 同形异义词 同音异义词 同音词 同音异义 同部位音的 子句 人机界面 上位词 超文件超文本 下位词 主从结构的 直接成份 讯息为本的格位语法 成语熟语 特异性 施为性 直接成份 祈使句 蕴含谓词 含意 标引的 间接宾语 间接言谈行动间接言语行为 归纳推理 推理机器 不定词不定式 中缀 屈折变化 屈折词缀 资讯撷取 资讯处理信息处理 资讯检索 资讯理论信息论 固有特征 继承 继承 继承阶层继承层次 属性继承 语法天生假说 中插 里里外外演算法 体现 工具格 集成句法剖析程式
这个做领域词库比较好。 新亚洲人名库.txt
这个做人名识别比较好。 政府机关团体机构大全【官方推荐】.txt
这个做机构实体识别比较好。 一些奇葩词库
这个都能有…… 版权原因，不再公开。 版权这些词库是自己抓下来的，具体从哪里抓的就不说了
|
千万级巨型汉语词库【目录】.zip
，仅供个人研究学习用。
知识共享署名-非商业性使用-相同方式共享：码农场 » 千万级巨型汉语词库分享【本文地址】
公司简介
联系我们