Java使用结巴分词时，必须应用的 jar包。应用于 分词器

使用Python，对爬取微博的评论，进行jieba分词，统计词频，修改路径即可。

Python Jieba中文分词工具实现分词功能，Python Jieba中文分词工具实现分词功能

金融方面的常见词汇形成的词典/语料库，jieba.load_userdict()即可使用

因为比赛需要用到结巴分词，所以写了一个关于结巴分词、词性标注以及停用词过滤的python程序。

jieba和百度分词词库；

搜狗实验室新闻数据精简版，将xml文本进行处理后分类如下： 奥运 5595个txt 房产 14695 个txt 互联网 2200个txt 健康 1153个txt 教育 2075个txt 旅游 1802个txt 汽车 1405个txt 商业 12465个txt 时尚 3490 个txt 体育 17237 个txt 文化 628个txt 娱乐 6757个txt 招聘 18个txt 由于是个人xml文本处理过的，处理了部分文档，如果需要更多可以联系我。 免费下载链接：https://share.weiyun.com/X0prakLr