没有合适的资源？快使用搜索试试~
我知道了~
文库首页
大数据
数据挖掘
维基百科中文语料（数据集）250w条
维基百科中文语料（数据集）250w条
共3个文件
xlsx：3个
数据集
维基百科
中文语料
需积分: 0
23 下载量
105 浏览量
2023-01-11
14:59:42
上传
评论
收藏
751.82MB
ZIP
举报
温馨提示
立即下载
共约250w条简体中文语料
资源推荐
资源详情
资源评论
英文维基百科语料库txt（7）
浏览：125
5星 · 资源好评率100%
已经做了 1、分词 2、去停用词 3、英文小写 4、词干提取 5、词形还原
Question Answer Dataset v1.2 问答数据集.7z
浏览：28
Question Answer Dataset 是结合维基百科文章语料库的链接，并手动生成仿真问题和答案以供学术研究的问答数据集。该数据集分为文章、问题和答案三部分，其中手动生成的仿真问题与答案对维基百科文章的评分难度很高。...
zhwiki-20200720-pages-articles5.xml-p4271087p4731439.bz2
浏览：19
维基百科中文语料库，是自然语言处理中常用的一个数据集，里面包含了大量的中文词条，本文件是2020年7月份最新的语料（5）
zhwiki-20200720-pages-articles3.xml-p544645p1154617.bz2
浏览：135
维基百科中文语料库，是自然语言处理中常用的一个数据集，里面包含了大量的中文词条，本文件是2020年7月份最新的语料（3）
zhwiki-20200720-pages-articles2.xml-p162887p544644.bz2
浏览：10
维基百科中文语料库，是自然语言处理中常用的一个数据集，里面包含了大量的中文词条，本文件是2020年7月份最新的语料（2）。
zhwiki-20200720-pages-articles4.xml-p2654618p2771086.bz2
浏览：91
维基百科中文语料库，是自然语言处理中常用的一个数据集，里面包含了大量的中文词条，本文件是2020年7月份最新的语料（4）
zhwiki-20200720-pages-articles1.xml-p1p162886.bz2
浏览：153
维基百科中文语料库，是自然语言处理中常用的一个数据集，里面包含了大量的中文词条，本文件是2020年7月份最新的语料（1）。
马来语数据集：马来西亚马来语文本语料库，https：malaya.readthedocs.ioenlatestDataset.html
浏览：101
马来语数据集，我们收集了马来西亚语料库！ 该存储库用于存储和。 我们将不断更新此存储库。 我们如何收集数据集？ 对于新闻，文章和字幕，我们使用搜寻器，您可以从此处获取代码 。 对于Bahasa，大多数情况下...
IndexTextCollect:使用 Lucene 索引 TREC 语料库和维基百科
浏览：184
目前支持的集合有： 维基百科（从获取网页转储） 政府 2 ( ) ClueWeb09 ( )用法： 如果需要安装 java (JDK) 如果需要安装 maven 编译索引： 启动/ index.sh“[类型：维基百科，trec：GOV2，trec：ClueWeb09] [文件...
zhwiki-20200720-pages-articles-multistream5.xml-p4271087p4731439.bz2
浏览：76
维基百科中文语料库，是自然语言处理中常用的一个数据集，里面包含了大量的中文词条，本文件是2020年7月份最新的语料（部分）。
ChatGPT4.0在投资中的运用初探
浏览：84
我是由OpenAl训练的大型语言模型ChatGPT。我的训练数据来自多个领域和来源...此外，还使用了一些其他公开数据集，如BookCorpus和Gutenberg语料库。所有这些数据集一起用于训练我的模型，以提高我的语言理解和生成能力。
tf-idf:给定查询字符串q和文档语料库，请使用tf-idf检索与查询字符串最匹配的前k个文档
浏览：113
＃TF-IDF任务给定查询字符串q和文档语料库，请使用tf-idf检索与查询字符串最匹配的前k个文档数据集在文件dataset.txt中有一个板球评论单位列表。 板球评论的一个单位是1个球的评论，它构成1个文件。 在执行程序之前...
Arabic Wikipedia into Named Entity-开源
浏览：151
“将阿拉伯语维基百科转换成命名实体分类法”是一个数据集，由4000条阿拉伯语维基百科文章分类为粗粒度NE分类法。 该数据集可用于与NER相关的文档分类任务。 要使用该语料库，请引用以下出版物：F. Alotaibi和M. Lee...
TextMatch:基于Pytorch的，中文语义相似度匹配模型（ABCNN，Albert，Bert，BIMPM，DecomposableAttention，DistilBert，ESIM，RE2，Roberta，SiaGRU，XlNet）
浏览：185
基于Pytorch的中文语义相似度匹配模型基于Pytorch的中文语义相似度匹配模型本项目将持续更新，对比目前业界主流文本匹配模型在中文的效果运行环境：python3.7，pytorch1.2，transformers2.5.1数据集采用LCQMC数据...
ChatGPT实现原理分析
浏览：197
ChatGPT的实现基于大规模的自然语言语料库，如维基百科、互联网论坛、新闻报道等。OpenAI通过使用Web爬虫和API获取了这些数据集，并对它们进行了预处理。这些数据集被用来训练ChatGPT的神经网络，以便生成自然语言...
dl4ir-query-reformulator
浏览：3
数据集和其他文件 数据集和辅助文件可在。 它们已获得BSD 3许可。 msa_dataset.hdf5 ：MS学术数据集：查询是论文的标题，而真实的文档是其中引用的论文。 msa_corpus.hdf5 ：MS学术语料库：每个文档均包含论文标题...
Politics_on_Wikipedia
浏览：107
我们使用词袋模型和聚会嵌入模型，并在意识形态书籍语料库（Sim等，2013）和国会记录数据（api.govinfo.gov）上进行了训练，并尝试将其推广到维基百科文章，并在明确提及回复偏差的编辑评论中对其进行验证。...
anuvaad-corpus-tools
浏览：49
新闻信息局（ ） 新闻信息局档案（ ） 维基百科（ ） Prothomalo（ ） Newsonair（ ）处理步骤所有工具所涉及的更广泛的步骤可以概括为以下内容：1.刮点击所需的网页并以相应的语言下载内容。2.标记化使用Tokenizer...
Mira:使用用于词表示的全局矢量（GloVe），卷积神经网络和用于聊天机器人应用程序的转移学习进行自然语言句子分类
浏览：139
塔加斯（Tugas Akhir Irfan ...语料库维基百科印度尼西亚语：LAPOR！ 数据集：语料库Wiki + Lapor ： GloVe生成： 令牌总数：82.953.449 唯一词：2.216.260 使用的总嗓音：331.286环境机器操作系统：Ubuntu 16.04。 C
第一讲：python网络爬虫基础知识
浏览：163
本讲主要内容包括Python常见数据类型、循环与控制流以及常见的错误处理方法。这些Python基础知识非常重要，是后面进行爬虫练习必备也是最少基础内容。
Python基于机器学习实现的股票价格预测、股票预测源码+数据集，机器学习大作业
浏览：164
3星 · 编辑精心推荐
python数据分析,因为股票价格的影响因素太多，通过k线数据预测未来的价格变化基本不可行，只有当天之内的数据还有一定的关联，故feature与target都选择的是当天的数据。 加载数据 为了加快数据的处理速度，提前将mariadb数据库中的数据查询出来，保存成feather格式的数据，以提高加载数据的速度。 经过处理，不同股票的数据保存在了不同的文件中，列名还保持着数据库中的字段名。我选择了股
身份证前6位对应的省市区代码（超详细）
浏览：37
身份证前6位对应的省市区代码（超详细）
【Python实战】-Python+Opencv是实现车牌自动识别（源码+数据+字符匹配模板）
浏览：31
在这个实战项目中，我们将利用Python结合OpenCV库来实现车牌识别功能。整个过程涵盖图像预处理、车牌定位、车牌字符分割以及模板匹配识别等关键步骤，对智能交通、车辆管理等实际应用领域具有显著价值。 首先，我们需要对获取的车辆图像进行预处理，这通常包括灰度化、二值化、滤波去噪等操作，以便更好地凸显车牌区域。接着，利用OpenCV的图像处理功能，我们可以实现车牌定位。这通常涉及边缘检测、轮廓查找
抖音用户浏览行为数据集
浏览：143
抖音用户浏览行为数据集 文章： [ 数据挖掘实战 —— 抖音用户浏览行为数据分析与挖掘(一）](https://blog.csdn.net/m0_53054984/article/details/136121177) [ 数据挖掘实战 —— 抖音用户浏览行为数据分析与挖掘(二）](https://blog.csdn.net/m0_53054984/article/details/136123131
基于在线教学平台的数据挖掘与学习行为分析超星集团数据集
浏览：107
基于在线教学平台的数据挖掘与学习行为分析超星集团数据集
两阶段鲁棒优化/综合能源系统/需求响应/微电网/多目标优化/优化调度matlab-yalmip-cplex/gurobi文章复现
浏览：120
基于多目标灰狼的冷热电联拱型微电网允许优化/ 考虑用户侧柔性负荷的社区综合能源系统日前优化调度（完美复现）matlab-yalmip-cplex/gurobi代码/ 基于场景的多区域综合能源优化调度（随机优化）（完美复现）matlab-yalmip-cplex/gurobi代码/ 考虑阶梯式碳交易机制与电制氢的综合能源系统热电优化（完美复现）matlab-yalmip-cplex/gurobi代码
regress函数实例代码
浏览：25
regress函数功能十分强大，它可以用来做多元线性回归分析，它不仅能得出线性回归函数中各个系数，还会返回一系列有意义的统计参数，有助于我们对回归函数的分析。本文件包含regress函数实例代码一份。
SPSS中介效应分析插件（Process和mediate插件）
浏览：24
5星 · 资源好评率100%
包含Process和mediate插件
Fragstats V4.2 软件计算景观指数的参数文件示例
浏览：56
Fragstats V4.2 软件计算景观指数的参数文件示例。
收起资源包目录
中文语料库.zip
（3个子文件）
中文语料库第4批实体待过滤_20221222
data3.xlsx
262.62MB
data1.xlsx
258.63MB
data2.xlsx
248.5MB
共 3 条
1
评论
收藏
内容反馈
立即下载
资源评论
资源反馈
评论星级较低，若资源使用遇到问题可联系上传者，3个工作日内问题未解决可申请退款~
联系上传者
评论
a5232192
粉丝: 0
资源:
1
私信
上传资源 快速赚钱
我的内容管理
展开
我的资源
快来上传第一个资源
我的收益
登录查看自己的收益
我的积分
登录查看自己的积分
我的C币
登录后查看C币余额
我的收藏
我的下载
下载帮助
前往需求广场，查看用户热搜
最新资源
Qt波形显示新增vofa串口协议
KLWP3.74.apk
Sora大模型关于颜色和光线的提示词技巧
软件测试-UnitTest
Sora关于透视和角度的提示词技巧
mmexport1714231897406.jpg
甘晴void的一些相关资源
I LOVE MY SMALL LITTLE CAT的样例音频
c语言基础的一些相关资源
时间复杂度的一些相关资源
资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！
点击此处反馈
安全验证
文档复制为VIP权益，开通VIP直接复制
信息提交成功
