中文人名语料库（Chinese-Names-Corpus）
业余项目“萌名NameMoe（一个基于语料库技术的取名工具）”的副产品。
萌名手机网页测试版： ，欢迎体验。
不定期更新。只删词，不加词。
可用于中文分词、人名识别。
请勿将本库打包上传其他网站挣积分，已上传的请配合删除，谢谢！
中文常见人名（Chinese_Names_Corpus）
数据大小：120万。
语料来源：从亿级人名语料中提取。
数据清洗：已清洗，但仍存有少量badcase。
新增人名生成器。
中文古代人名（Ancient_Names_Corpus）
数据大小：25万。
语料来源：多个人名词典汇总。
数据清洗：已清洗。
中文姓氏（Chinese_Family_Name）
数据大小：1千。
语料来源：从亿级人名语料中提取。
数据清洗：已清洗。
中文称呼（Chinese_Relationship）
数据大小：5千，称呼词根
2023-02-23 16:26:55
17.62MB
1
Python 58同城房价bs4 beautiful soup爬虫获取 room_name room_type room_area room_addr0 room_addr1 room_price房价名称类型面积地址价格等 jieba中文分词 tf-idf向量化 kmeans聚类 浏览器多页爬虫 jupyter notebook numpy pandas sklearn 数据分析 数据挖掘
2023-02-22 22:22:27
113KB
1
solr5.5.4对应的中文分词器下载，如果solr为tomcat方式部署，下载后解压该压缩文件，将下面的jar文件复制到solr项目的lib目录下，将里面的配置其他配置文件复制到classes目录下即可。
2023-02-14 23:09:18
13.84MB
1
lucene6.6中适配的拼音分词jar包以及ik中文分词jar包，以及自定义的分词词组包和停词包，可以实现lucene建立索引时进行拼音和中文的分词。
2023-02-13 09:23:59
16.39MB
1
记录超大容量辞海词典词库
可以自行导入数据库后用于分词
辞海词典。
Access数据库。
含380578条数据。
含各类词语解释、注音和例句。
2023-01-27 15:52:56
14.21MB
1
中文分词：
自然语言理解和处理，是人工智能的重要的研究领域之一，是语言学、逻辑学、生理学、心理学、计算机科学和数学等相关学科发展和结合而形成的一门交叉学科。
分词作为搜索引擎的一项核心功能，和存储和查询有重大关系。但是不同的研究角度，不同的研究方向，带来研究重点和研究结果都是不一样的。
语言学方向研究的分词算法，看重分词的准确性，不看重运算速度；而搜索引擎的分次算法，特别看重分词速度，分词准确性中等。
(五)全文检索系统和搜索引擎关系：
1、搜索引擎技术来源于全文检索系统,搜索引擎是全文检索技术最重要的一个运用.
2、搜索引擎在数据总量,最大并发处理能力,单次查询速度方面,都远远强大于全文检索系统.
3、搜索引擎为了最求最高的查询速度，在搜索结果准确性及搜索结果重现方面,都弱于全文检索系统.
2022-12-02 19:52:14
1.26MB
1
中文分词词典。按照长度分成2/3/4/5四个文件，剔除稀有冷门的词，适合常规的项目开发使用。本人项目中就在使用。好用不贵！
2022-11-29 11:42:33
1.97MB
1