Select Language

公开数据集

清华大学开放中文词库(THUOCL)

清华大学开放中文词库(THUOCL)

Scene:

MNIST

Data Type:

Classification
所需积分:0 去赚积分?
  • 274浏览
  • 1下载
  • 0点赞
  • 收藏
  • 分享

贡献者查看主页

小小程序员

致力于人工智能业务的研究、数据集处理。

Data Preview ? 2.6M

    Data Structure ?

    *数据结构实际以真实数据为准

    THUOCL(THU Open Chinese Lexicon)是由清华大学自然语言处理与社会人文计算实验室整理推出的一套高质量的中文词库,词表来自主流网站的社会标签、搜索热词、输入法词库等。THUOCL具有以下特点: 包含词频统计信息DF值(Document Frequency),方便用户个性化选择使用。 词库经过多轮人工筛选,保证词库收录的准确性。 开放更新,将不断更新现有词表,并推出更多类别词表。欢迎专业人士加入,协作建设开放词库,有意者请致信thunlp@gmail.com。

    该词库可以用于中文自动分词,提升中文分词效果。建议搭配本组研制开发的THULAC工具包使用,提升特定领域中文分词的效果。

    分类:

    Name Entity Szie Date IT 16000条 2016-12-24 财经 3830条 2016-12-24 成语 8519条 2016-12-24 地名 44805条 2017-06-01 历史名人 13658条 2016-12-24 诗词 13703条 2017-01-20 医学 18749条 2017-01-20 饮食 8974条 2017-04-20 法律 9896条 2017-04-28 汽车 1752条 2017-05-15 动物 17287条 2017-06-01

    0相关评论
    ×

    帕依提提提温馨提示

    该数据集正在整理中,为您准备了其他渠道,请您使用

    注:部分数据正在处理中,未能直接提供下载,还请大家理解和支持。