LiuRoy / spark_splitterLinks
spark处理大规模语料库统计词频
☆40Updated 9 years ago
Alternatives and similar repositories for spark_splitter
Users that are interested in spark_splitter are comparing it to the libraries listed below
Sorting:
- 维基百科离线语料获取☆28Updated 7 years ago
- auto generate chinese words in huge text.☆91Updated 10 years ago
- 金庸小说人物关系图谱构建☆62Updated 5 years ago
- 中文分词程序，可以在没有中文语料库的情况下通过相关性将一段文本中的中文词汇抽取出来☆56Updated 12 years ago
- 图书名语料库。含部分电影、游戏名称。☆71Updated last year
- 中文相关词典和语料库。☆174Updated 10 years ago
- 基于标题分类的主题句提取方法可描述为: 给定一篇新闻报道, 计算标题与新闻主题词集的相似度, 判断标题是否具有提示性。对于提示性标题,抽取新闻报道中与其最相似的句子作为主题句; 否则, 综合利用多种特征计算新闻报道中句子的重要性, 将得分最高的句子作为主题句。☆40Updated 8 years ago
- worddict crawler and transfer for sougpuinput wordict , 搜狗输入法词库抓取与格式转换☆25Updated 7 years ago
- self complemented SpellCorrection based pinyin similairity, edit distance ，基于拼音相似度与编辑距离的查询纠错。☆82Updated 3 years ago
- 机器学习文本分类器☆46Updated 8 years ago
- 中文文本自动纠错☆85Updated 6 years ago
- 对中文分词jieba (python版)的注解☆92Updated 6 years ago
- This is a word2vec for Chinese douban movie reviews 在豆瓣电影影评上进行word2vec, 一个中文语料word2vec☆50Updated 7 years ago
- 下载搜狗、百度、QQ输入法的词库文件的 python 爬虫，可用于构建不同行业的词汇库☆115Updated 7 years ago
- 新词发现算法(NewWordDetection)☆92Updated 4 years ago
- 中文分词工具评估☆61Updated 2 years ago
- 转换搜狗拼音词库为txt文件☆50Updated 7 years ago
- 基于PageRank的TextRank方法, 可以应用于中文关键词、短语、摘要提取程序，代码使用Scala编写。☆130Updated 4 years ago
- Train Wikidata with word2vec for word embedding tasks☆123Updated 6 years ago
- 微博爬虫。通过调用weibo api，而非暴力爬取的方式获取信息。☆32Updated 8 years ago
- 依据香港中文大学设计的规则系统，先用小样本评论建立初始关键词库，再结合18种句式逐条匹配评论，能够快速准确地识别评论对象及情感极性。经多次迭代优化关键词库后，达到较高准确率的基础上，使用Tableau进一步分析数据，识别出客户集中关注的商品属性、普遍好评差评的商品属性；通过…☆54Updated 7 years ago
- 古诗词语料库☆135Updated 8 years ago
- 房产语料库☆26Updated 7 years ago
- ZhidaoChatbot, a chatbot that can be an expert on the common questions like why,how,when,who,what based on the online question-answer web…☆42Updated 6 years ago
- baike schema crawler for baidu baike , hudongbaike. 面向百度百科与互动百科的概念分类体系抓取脚本☆36Updated 7 years ago
- 汉字转拼音☆44Updated 10 years ago
- 练习题︱基于今日头条开源数据的文本挖掘☆84Updated 6 years ago
- 对红楼梦的各回目进行分类☆37Updated 7 years ago
- 同义词扩展☆27Updated 9 years ago
- an n2n ocr for qq captcha, 端到端的腾讯验证码识别☆86Updated 7 years ago