维基百科中文语料库

本专辑为您列举一些维基百科中文语料库方面的下载的内容,维基百科中文语料库等资源。把最新最全的维基百科中文语料库推荐给您,让您轻松找到相关应用信息,并提供维基百科中文语料库下载等功能。本站致力于为用户提供更好的下载体验，如未能找到维基百科中文语料库相关内容，可进行网站注册，如有最新维基百科中文语料库相关资源信息会推送给您。

阅读全文

维基百科中文语料库

: 英文维基百科语料库txt（9）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
评级：5 浏览量：388 收藏量：1 资源大小：508.2MB 上传时间：2022-03-10

: 中文维基百科语料库（截止2019年2月20日）这是最新的中文维基百科语料库（截至2019年2月20日），可以用来训练word2vec词向量，做文本分类，官网特别难下载，因此分享出来
评级：2 浏览量：2496 收藏量：4 资源大小：4.27MB 上传时间：2019-02-24

: 英文维基百科语料库txt（7）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
评级：5 浏览量：428 收藏量：0 资源大小：439.74MB 上传时间：2022-03-10

: 中文维基百科语料库百度网盘网址.txt 本资源是维基百科中文网页的语料库（包含处理过的与未处理...文件中包含的内容有：未经处理的维基百科语料库、使用代码处理繁体转简体并jieba分词后的语料库、繁体转简体的代码，读者可根据自己的需要进行相应的提取。
评级：0 浏览量：3630 收藏量：7 资源大小：769B 上传时间：2020-08-10

: 维基百科中文语料（已分词）自己用来训练word2vec的，已提取文本，做了分词处理，过滤了大部分的特殊字符。共包含3273626个段落的文本（一个段落包含了多个语句）。...处理后的语料有1.1G，由于文件较大，提供百度网盘下载地址。
评级：4 浏览量：1387 收藏量：16 资源大小：300B 上传时间：2017-05-23

: 英文维基百科语料库txt（5）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
评级：5 浏览量：101 收藏量：0 资源大小：408MB 上传时间：2022-03-10

: 英文维基百科语料库txt（1）经过1、英文小写.2、词干提取.3、词形还原.4、分词.5、去停用词
评级：5 浏览量：250 收藏量：0 资源大小：347.4MB 上传时间：2022-03-10

: 英文维基百科语料库txt（6）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
评级：5 浏览量：394 收藏量：0 资源大小：449.62MB 上传时间：2022-03-10

: 英文维基百科语料库txt（8）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
评级：5 浏览量：221 收藏量：0 资源大小：435.71MB 上传时间：2022-03-10

: 英文维基百科语料库txt（4）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
评级：5 浏览量：55 收藏量：0 资源大小：424.42MB 上传时间：2022-03-10

: 英文维基百科语料库txt（3）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
评级：5 浏览量：92 收藏量：0 资源大小：524.64MB 上传时间：2022-03-10

: 英文维基百科语料库txt（2）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
评级：5 浏览量：70 收藏量：0 资源大小：445.3MB 上传时间：2022-03-10

: 维基百科语料库直接解压使用即可 维基百科语料库直接解压使用即可
评级：0 浏览量：209 收藏量：0 资源大小：197.92MB 上传时间：2021-11-10

: WikiSearch:维基百科语料库搜索引擎维基搜索所需的 Jar 文件：移植的stemmer1.4.jar sax.jar 演示维基语料库路径：/Dump/sample1.xml 创建维基百科语料的一级/二级索引 * ...维基语料库的路径 .xml> 维基百科语料库搜索java wikisearch.main.SearchMain
评级：0 浏览量：205 收藏量：0 资源大小：95KB 上传时间：2021-06-25

: wikicorpora:从维基百科构建语料库的工具维基语料库WikiCorpora 是一种从维基百科构建语料库的工具。 WikiCorpora 可以下载给定语言的 Wikipedia 转储，创建所需大小的样本，构建带有标记术语的垂直文件，对每篇文章进行术语推断，编译语料库并通过对其进行...
评级：0 浏览量：130 收藏量：0 资源大小：57KB 上传时间：2021-06-21

: 维基中文语料库(非最新)(两部分此为Part1) zhwiki-latest-pages-articles.xml.bz2_.part1.rar 维基中文语料库(非最新)(两部分此为Part1) zhwiki-latest-pages-articles.xml.bz2_.part1 | Part2不需要积分, Part2链接：https://download.csdn.net/download/Joker_Q/14967774
评级：0 浏览量：382 收藏量：0 资源大小：800MB 上传时间：2021-01-30

: chinese-wikipedia-corpus-creator:中文维基百科的语料库创建者中文 Wikipedia 维基百科语料库构建工具本项目提供了工作流和脚本工具，从零开始创建中文维基百科语料库。开始使用克隆或者下载本 repo 至本地文件系统系统要求&软件依赖支持 python 3.4+, 不支持 python2Ubuntu/...
评级：0 浏览量：280 收藏量：0 资源大小：20KB 上传时间：2021-05-08

: 维基百科中文语料word2vec训练后结果 中文维基百科语料库，将其转换为文本文件后，进行繁体字转换为简体字，字符集转换，分词，然后训练得到模型以及向量。由于文件上传的大小限制是60MB，而训练后的所有文件大小有1G以上，所以这里只提供了下载链接，...
评级：4 浏览量：1898 收藏量：23 资源大小：234B 上传时间：2017-06-03

: 维基百科中文词向量.zip 该项目提供了100多个使用不同表示（密集和稀疏），上下文特征（单词，ngram，字符等）和语料库训练的中文单词向量（嵌入）。人们可以很容易地获得具有不同属性的预训练向量，并将它们用于下游任务。
评级：0 浏览量：1446 收藏量：1 资源大小：336.39MB 上传时间：2020-11-26

: word2vec-词向量模型-维基百科语料库 中文语料库训练数据集
评级：0 浏览量：36 收藏量：0 资源大小：932.51MB 上传时间：2024-03-18

: wiki2corpus:快速收集多语种维基百科语料库 Wiki2语料库快速收集多语言维基百科语料库。介绍这是我为语言识别项目创建的简单脚本，当时我需要一个小的多语言语料库，并且不想下载完整的Wikipedia转储。 wiki2corpus是一个Wikipedia爬网程序，旨在从Wikipedia...
评级：0 浏览量：199 收藏量：0 资源大小：6KB 上传时间：2021-05-20

: IndexTextCollect:使用 Lucene 索引 TREC 语料库和维基百科 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...
评级：0 浏览量：68 收藏量：0 资源大小：57KB 上传时间：2021-07-07

: wpcorpus:wpcorpus-基于维基百科全文转储的NLP语料库 wpcorpus-基于维基百科全文转储的NLP语料库wpcorpus是用于自然语言处理的“活动”语料库。活跃的，因为它使用索引，而不仅是文本。而且您将需要一些组件才能使用它，因此您不能仅将其扔到您选择的NLP库中。该实现...
评级：0 浏览量：37 收藏量：0 资源大小：14KB 上传时间：2021-05-12

: Wikipedia-Indexer:从 XML 解析维基百科标记并索引维基百科语料库的一个子集。在维基数据上创建多个索引并... 维基百科索引器程序执行在 Eclipse 中设置程序的步骤。下载 Zip 文件并解压打开 Eclipse-Import --> 导入现有项目单击浏览并选择解压缩的文件夹要编入索引的 Wiki XML 文件应位于“files”目录下，名称应...
评级：0 浏览量：134 收藏量：0 资源大小：5.76MB 上传时间：2021-07-02

: 论文研究-基于维基百科的语义知识库及其构建方法研究.pdf 维基百科(Wikipedia)是规模最大的在线网络百科...分析了维基百科语料库的基本情况，综述了目前基于维基百科所构建的多种语义知识库及其概念抽取和关系抽取方法，讨论了各类方法的优缺点、开放问题和可能的研究方向。
评级：0 浏览量：208 收藏量：0 资源大小：280KB 上传时间：2019-07-22

: wikipedia-parallel-titles:用于从维基百科跨语言文章标题中提取平行语料库的工具本文档描述了如何使用这些工具根据维基百科中跨语言的文章标题构建平行语料库（针对特定语言对）。下载必要的数据 维基百科会定期发布其内容的数据库转储。要运行这些脚本，每个语言对需要两个文件：基本的每页...
评级：0 浏览量：94 收藏量：0 资源大小：6KB 上传时间：2021-06-22

: 语料库停用词清单含标点符号该清单为英文维基百科（1）~（9）去停用词清单，望参考。
评级：0 浏览量：45 收藏量：0 资源大小：7KB 上传时间：2022-08-26

: 对于使用潜在的庞大维基百科语料库在 Torch 中训练语言模型非常有用，而无需将语料库加载到内存中对于使用潜在海量维基百科语料库在 Torch 中训练语言模型非常有用，而无需将语料库加载到内存中。示例用法 -- assuming you're in the directory above the cloned repository... package.path = package.path .....
评级：0 浏览量：95 收藏量：0 资源大小：3KB 上传时间：2021-06-05

: 2021年4月wiki简体中文语料未分词.txt 百度网盘链接和密码在文件中
评级：0 浏览量：168 收藏量：0 资源大小：69B 上传时间：2021-04-02

: 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＃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...
评级：0 浏览量：259 收藏量：0 资源大小：146KB 上传时间：2021-05-13

: zhwiki-20200720-pages-articles2.xml-p162887p544644.bz2 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）。
评级：0 浏览量：214 收藏量：0 资源大小：202.99MB 上传时间：2020-07-28

: zhwiki-20200720-pages-articles1.xml-p1p162886.bz2 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）。
评级：0 浏览量：263 收藏量：0 资源大小：166.25MB 上传时间：2020-07-28

: zhwiki-20200720-pages-articles3.xml-p544645p1154617.bz2 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）
评级：0 浏览量：218 收藏量：0 资源大小：265.99MB 上传时间：2020-07-29

: zhwiki-20200720-pages-articles5.xml-p4271087p4731439.bz2 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）
评级：0 浏览量：156 收藏量：0 资源大小：58.25MB 上传时间：2020-07-29

: zhwiki-20200720-pages-articles4.xml-p2654618p2771086.bz2 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）
评级：0 浏览量：132 收藏量：0 资源大小：10.59MB 上传时间：2020-07-29

: 马来语数据集：马来西亚马来语文本语料库，https：malaya.readthedocs.ioenlatestDataset.html 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...
评级：0 浏览量：270 收藏量：1 资源大小：236.96MB 上传时间：2021-02-08

: 阅读维基百科回答开放域问题-Python开发关于演示安装组件机器DrQA的快速链接这是DrQA系统的PyTorch实施，在ACL 2017论文“阅读维基百科以解答开放域问题”中进行了描述。关于演示安装组件的快速链接大规模机器阅读DrQA是一个用于阅读理解的系统，适用于...
评级：0 浏览量：48 收藏量：0 资源大小：522KB 上传时间：2021-05-25

: 维基百科子集的词向量glove.6B.50d GloVe模型选择测试的一个小型语料库,50维的词向量
评级：0 浏览量：94 收藏量：0 资源大小：55.32MB 上传时间：2023-02-20

: [中文语音识别后文本加标点] 维基百科数据下载和解析(xml->txt) 维基百科的中文语料库质量高、领域广泛而且开放，其每月会将所有条目打包供大家下载使用，可以点击： https://dumps.wikimedia.org/zhwiki/latest/zhwiki-latest-pages-articles.xml.bz2 直接下载最新版（也可以访问...
评级：0 浏览量：163 收藏量：0 资源大小：249KB 上传时间：2021-01-21

: word2vector:用百科数据和搜狗新闻数据训练word2vec模型 1.1维基百科原始语料文件：zhwiki-latest-pages-articles.xml.bz2 1.6G 1.2 SogouCA 全网新闻数据(SogouCA) 原始语料文件：'news_tensite_xml.full.tar.gz' 746.3 M 2.语料库预处理 2.1 搜狗新闻语料处理来自若干...
评级：0 浏览量：363 收藏量：0 资源大小：345KB 上传时间：2021-05-11

: 基于维基语义的多文档文摘研究 (2011年) 常用的基于词的文档表示法,难以为文摘的语义分析过程提供充足而准确的数据信息为此,我们提出使用维基百科―当今世界最大的在线概念语料库―为多文档文摘的提取提供语义支持。一方面,我们通过提取文档中的维基概念,...
评级：0 浏览量：37 收藏量：0 资源大小：446KB 上传时间：2021-06-16

: Rasa_NLU_Chi:Turn Chinese natural language into structured data 中文自然语言理解请参考最新说明您应该拥有的文件：数据/total_word_feature_extractor_zh.dat 通过MITIE wordrep工具从中文语料库进行训练（需要2-3天的训练时间）为了进行培训，请构建。请注意，在将中文语料库输入到工具进行...
评级：0 浏览量：201 收藏量：0 资源大小：610KB 上传时间：2021-05-03

: Arabic Wikipedia into Named Entity-开源要使用该语料库，请引用以下出版物：F. Alotaibi和M. Lee，“将阿拉伯维基百科映射到命名的实体分类法中”，《 COLING 2012年会议录：海报》，第43-52页，印度理工学院，印度孟买，12月8日。 -15。 2012年。作者URL...
评级：0 浏览量：54 收藏量：0 资源大小：11.55MB 上传时间：2021-05-27

: 基于word2vec的大中华区词对齐库的构建首先,我们抓取了维基百科以及简繁体新闻网站上的3 200 000万组大中华区平行句对,手工标注了一致性程度达到95%以上的10 000组大中华区平行词对齐语料库。同时,我们提出了一个基于word2vec的两阶段大中华区词对齐模型,...
评级：0 浏览量：102 收藏量：0 资源大小：397KB 上传时间：2021-03-27

: word2vec中文词向量使用gensim对维基百科作为预训练语料（约1.6G语料），生成词汇量约13000个词汇，维度为300，文件大小为45.6MB。使用方法，参考博客：https://blog.csdn.net/qq_36426650/article/details/87738919
评级：5 浏览量：4030 收藏量：8 资源大小：45.65MB 上传时间：2019-09-28

: 融合多特征的越南语新闻文本词汇链构建方法为帮助读者更快掌握新闻文本的主旨,确定篇章结构,使用维基百科语义资源库,基于文档链接信息图和分类结构图两大特征计算候选词的路径信息和节点深度以及文档分类信息,利用语关相似度和语似相关度进行初步词汇链的构建...
评级：0 浏览量：52 收藏量：0 资源大小：312KB 上传时间：2021-03-07

: german2vec:使用深度学习的德语语言模型和文本分类该模型的骨干在德语维基百科语料库上进行了训练，并使用转移学习将其应用于文本分类任务（如“所述）。更新：可从以下网站获得使用德语维基百科语料库的预训练语言模型：：。感谢您的分享，托马斯！项目...
评级：0 浏览量：88 收藏量：0 资源大小：1.04MB 上传时间：2021-05-13

: LiTe:语言无关术语ExtractorLinkerDesambiguator TFIDF ：使用维基百科作为语料库处理 CValue ：请参见浅解析语法：请参见参考文件耙：见 KPMiner ：请参阅[KP-Miner]（） ChiSquare ：通过调用 python工具包似然比：通过调用NLTK python工具包 T型学生：...
评级：0 浏览量：69 收藏量：0 资源大小：13.51MB 上传时间：2021-05-20

: corpora:带注释的现代语言资源清单凯瑟琳娜·迪茨（Katharina Dietz）：维基百科语料库（DeReKo-标记为C） Gulchehra Kahhorova：SmartKom 梅兰妮·克莱菲施（Melanie Kleefisch）：DIRNDL身体 Nikola Koczuba：EK语料库（引发冲突讨论） ...
评级：0 浏览量：50 收藏量：0 资源大小：119KB 上传时间：2021-05-21

: Question Answer Dataset v1.2 问答数据集.7z 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。...
评级：0 浏览量：54 收藏量：0 资源大小：2.2MB 上传时间：2022-07-13

资源推荐

相关资源标签

中文语料 word2vec wiki中文中文语料库维基百科训练词向量自然语言处理预训练词向量数据集 python NLP 维基百科中文语料库 xml 语音识别 text-mining corpus bahasa JupyterNotebook nlp 深度学习 natural-language chatbot chinese 附件源码文章源码 deep-learning fastai Java Deep Learning 开源软件 Lua 自然科学论文 Perl 人工智能