维基语料

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

阅读全文

维基语料

: 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

: 中文维基语料Word2Vec训练模型原文件为zhwiki-latest-pages-articles.xml.bz2，大小为1.7G，最新时间为19年7月下载，转为txt文本，繁转简，分词，gensim训练后的model文件
评级：3 浏览量：4592 收藏量：3 资源大小：15.28MB 上传时间：2019-07-25

: 维基百科英文语料文档out_wiki.en.txt 维基百科英文语料文档out_wiki.en.txt
评级：0 浏览量：283 收藏量：0 资源大小：282.97MB 上传时间：2021-11-21

: 自然语言处理系列：中文维基语料词向量训练.pdf 自然语言处理系列：中文维基语料词向量训练PPT
评级：0 浏览量：222 收藏量：0 资源大小：162KB 上传时间：2021-03-22

: 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：387 收藏量：1 资源大小：508.2MB 上传时间：2022-03-10

: 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：426 收藏量：0 资源大小：439.74MB 上传时间：2022-03-10

: 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

: 524MB中文维基百科语料pleisto-json.zip 524MB中文维基百科语料链接：https://huggingface.co/datasets/pleisto/wikipedia-cn-20230720-filtered 参考这个博客链接进行使用：...
评级：0 浏览量：14 收藏量：0 资源大小：214.11MB 上传时间：2024-04-11

: 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

: 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的），版本为2020-8-3版本，可适用于中文语料处理等训练集。由于文件过大，放在的百度网盘中，如果网盘被和谐或者其他原因造成的无法打开，请评论留言，本人...
评级：0 浏览量：3624 收藏量：7 资源大小：769B 上传时间：2020-08-10

: 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

: 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 * java wikisearch.main.IndexMain <维基语料库的路径 .xml> 维基百科语料库...
评级：0 浏览量：205 收藏量：0 资源大小：95KB 上传时间：2021-06-25

: 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：2494 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（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

: 维基百科中文语料（数据集）250w条共约250w条简体中文语料
评级：0 浏览量：195 收藏量：0 资源大小：751.82MB 上传时间：2023-01-11

: 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

: 中文维基百科语料-可用于词向量训练数据来源于中文维基百科，利用gensim进行数据抽取，再经过繁体字转换成简体字，得到纯净的文本语料，可用于词向量训练。
评级：5 浏览量：1304 收藏量：3 资源大小：146.03MB 上传时间：2018-10-19

: 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

: 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Part2) zhwiki-latest-pages-articles.xml.bz2_.part2 维基中文语料库(非最新)(两部分此为Part2) zhwiki-latest-pages-articles.xml.bz2_.part2 | 原压缩包太大需要分两次上传，part1链接：https://download.csdn.net/download/Joker_Q/14967708
评级：0 浏览量：405 收藏量：0 资源大小：676.04MB 上传时间：2021-01-30

: 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：35 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

: 维基xml转txt xml2txt.py 维基百科xml转txt 2020.12.2最新可用，下的几个版本都不能直接用，我经过一些修改之后可用指令python xml2txt.py ###.xml.bz2 ###.txt
评级：0 浏览量：495 收藏量：0 资源大小：970B 上传时间：2020-12-02

: 英文维基百科词向量训练语料 enwiki-latest-pages-articles1.xml-p10p30302.bz2，维基百科用来训练英文word2vec词向量的语料
评级：0 浏览量：1638 收藏量：2 资源大小：166.28MB 上传时间：2018-11-22

: 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

: 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：1894 收藏量：23 资源大小：234B 上传时间：2017-06-03

: 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：167 收藏量：0 资源大小：69B 上传时间：2021-04-02

: 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：133 收藏量：0 资源大小：5.76MB 上传时间：2021-07-02

: 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：67 收藏量：0 资源大小：57KB 上传时间：2021-07-07

: 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：279 收藏量：0 资源大小：20KB 上传时间：2021-05-08

: 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

: 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

: 2021年4月wiki简体中文语料已分词.txt 文件中包含百度网盘链接和密码
评级：0 浏览量：172 收藏量：0 资源大小：69B 上传时间：2021-04-02

: 维基百科中文词向量.zip 维基百科词向量 sgns.wiki.char.bz2解压后文件后缀名是.char, 可以通过一些方法得到.txt结尾的文件，有35万多个字词和符号，300维的向量表示。将词向量作为词嵌入层时需要加载全部的词向量到内存，如果计算机的内存...
评级：0 浏览量：1442 收藏量：1 资源大小：336.39MB 上传时间：2020-11-26

: 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

: 基于wiki中文语料做的一元字模型本资源是基于 wiki 中文语料做的一元字模型，欢迎下载
评级：0 浏览量：84 收藏量：0 资源大小：161KB 上传时间：2019-01-29

: 基于语义相关度主题爬虫的语料采集方法根据选定的主题词，利用页面描述信息，基于维基百科中文语料训练出的词分布式表示综合HowNet计算页面信息相关度，结合URL的结构信息预测未访问URL链指的页面内容与特定领域的相关程度.实验表明，系统能够有效的采集...
评级：0 浏览量：123 收藏量：1 资源大小：1.03MB 上传时间：2021-05-06

: 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：258 收藏量：0 资源大小：146KB 上传时间：2021-05-13

: Python利用深度学习进行文本摘要的综合指南、知识图谱深度学习相关资料整理、维基大规模平行文本语料.zip Python利用深度学习进行文本摘要的综合指南、知识图谱深度学习相关资料整理、维基大规模平行文本语料、StanfordNLP 0.2.0：纯Python版自然语言处理包、NeuralNLP-NeuralClassifier
评级：0 浏览量：19 收藏量：0 资源大小：73.77MB 上传时间：2024-01-14

: 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

: 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全书之一，采用群体在线合作编辑的Wiki机制，具有质量高、覆盖广、实时演化和半结构化等特点，是用来构建语义知识库的优质语料来源。分析了维基百科语料库的基本情况，...
评级：0 浏览量：208 收藏量：0 资源大小：280KB 上传时间：2019-07-22

: 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

资源推荐

相关资源标签

中文语料 word2vec wiki中文维基语料词向量语料一元字模型自然语言处理 wiki中文语料中文语料库维基百科训练词向量训练模型文件数据集 python NLP 维基百科中文语料库 xml text-mining corpus bahasa JupyterNotebook nlp 深度学习 Lua Perl Java 人工智能 json