使用nltk处理中文语料（1）- 统计相关-附件资源

word2vec介绍 word2vec官网：https://code.google.com/p/word2vec/ word2vec是google的一个开源工具，能够根据输入的词的集合计算出词与词之间的距离。 它将term转换成向量形式，可以把对文本内容的处理简化为向量空间中的向量运算，计算出向量空间上的相似度，来表示文本语义上的相似度。 word2vec计算的是余弦值，距离范围为0-1之间，值越大代表两个词关联度越高。 词向量：用Distributed Representation表示词，通常也被称为“Word Representation”或“Word Embedding

使两个机器人的相互对话生成语料，文本大小为1.03m，用于闲聊机器人的训练数据，使用 # 作为两个多轮对话之间的分隔符

Wiki中文语料2020年版，经过opencc繁简转换，jieba分词，训练出的词向量模型，维度为20。。。。。。。。。。。。。。

基于谭松波老师的酒店评论数据集的中文文本情感分析，二分类问题 数据集标签有pos和neg，分别2000条txt文本 选择RNN、LSTM和Bi-LSTM作为模型，借助Keras搭建训练 主要工具包版本为TensorFlow 2.0.0、Keras 2.3.1和Python 3.6.2 在测试集上可稳定达到92%的准确率

文档为基于美团、携程、途牛、同城等几个APP上对于海南景区的评价xlsx、sql格式文件，其中包含海南各大景区的评价，内容丰富，适合模型训练、语料归纳、数据分类等训练检测用。下载方便。

主要介绍了python gensim使用word2vec词向量处理中文语料的方法，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

电商评论中文语料，全中文，分词，60W

基本AIML格式中文语料1000条，问题来自常用中文短语，答案来自网络采集。数据量不多，格式比较完整。

整合格式为 ：字 BIO标签 格式，可以直接使用主流NER模型进行训练