lxw0109 / CJOSpiderLinks
A Spider(with and w/o Scrapy) for crawling data from China Judgements Online(中国裁判文书网).
☆21Updated 7 years ago
Alternatives and similar repositories for CJOSpider
Users that are interested in CJOSpider are comparing it to the libraries listed below
Sorting:
- 用TF特征向量和simhash指纹计算中文文本的相似度☆216Updated 8 years ago
- 今日头条爬虫，主要爬取关键词搜索结果，包含编辑距离算法、奇异值分解、k-means聚类。☆72Updated 5 years ago
- Event monitor based on online news corpus including event storyline and analysis，基于给定事件关键词，采集事件资 讯，对事件进行挖掘和分析。☆152Updated 6 years ago
- 爬取北大法宝网http://www.pkulaw.cn/Case/☆174Updated 7 years ago
- 个人学习用。请star或fork原作者。☆27Updated 10 years ago
- 中国裁判文书网爬虫(2018-08-28更新)☆344Updated 2 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
- 文本分类是指在给定分类体系下 , 根据文本的内容自动确定文本类别的过程。首先我们根据scrapy爬虫根据中国知网URL的规律，爬取70多万条2014年公开的发明专利，然后通过数据清洗筛选出了60多万条含标签数据。通过TF-IDF对60多万条本文进行词频提取，依照词频排序提取…☆107Updated 7 years ago
- 中文命名实体识别（公司名称），Tensorflow 1.3 + Python3☆38Updated 7 years ago
- Sample of using proxies to crawl baidu search results.☆118Updated 7 years ago
- An exploration for Eventline (important news Rank organized by pulic time)，针对某一事件话题下的新闻报道集合，通过使用docrank算法，对新闻报道进行重要性识别，并通过新闻报道时间挑选出时间线上重要…☆222Updated 6 years ago
- self complemented BaiduIndexSpyder based on Selenium , index image decode and num image transfer，基于关键词的历时百度搜索指数自动采集☆42Updated 7 years ago
- company name parser, extract company name brand. 中文公司名称分词工具，支持公司名称中的地名，品牌名（主词），行业词，公司名后缀提取。☆91Updated 2 years ago
- Train Wikidata with word2vec for word embedding tasks☆123Updated 7 years ago
- 中文分词工具评估☆61Updated 2 years ago
- 对收集的法律文档进行一系列分析，包括根据规范自动切分、案件相似度计算、案件聚类、法律条文推荐等（试验目前基于婚姻类案件，可扩展至其它领域）。☆201Updated 8 years ago
- 细粒度情感分析repository1：Wai Mai Opinion Miner，细粒度情感分析系统GUI demo。☆112Updated 9 years ago
- 中文相关词典和语料库。☆176Updated 10 years ago
- BosonNLP HTTP API 封装库（SDK）☆163Updated 6 years ago
- Syntax and Ruler-Based Doc sentiment analysis 基于依存句法规则的篇章级情感分析demo☆107Updated 6 years ago
- 中文文本分类，使用搜狗文本分类语料库☆125Updated 8 years ago
- Sequential Event Experiment based on Travel note crawled from XieCheng，基于50W携程出行游记的采集与顺承事件图谱构建．☆184Updated 6 years ago
- 智能客服☆105Updated 6 years ago
- 针对微博的话题聚类实现☆49Updated 9 years ago
- openlaw数据爬虫v1.1 更新日期:2017.12.16 解决新版openlaw多种加密问题。引入celery轻松异步分布式，爬取速度再次翻倍！！☆58Updated 6 years ago
- Wenshu_Spider-Scrapy框架爬取中国裁判文书网案件数据(2019-1-9最新版)☆198Updated 6 years ago
- 把之前 hanLP-python-flask 裡面的 hanLP 單獨分出來☆59Updated 7 years ago
- IdealWordCloudKit, A toolbox or kit for image-shape adjusted word cloud based on plain text, local file or web articles, 面向本地文件, 在线网页, 程序…☆40Updated 6 years ago
- 新闻检索：爬虫定向采集3-4个网页，实现网页信息的抽取、检索和索引。网页个数不少于10个，能按时间、相关度、热度等属性进行排序，并实现相似主题的自动聚类。可以实现：有相关搜索推荐、snippet生成、结果预览(鼠标移到相关结果， 能预览)功能☆128Updated 8 years ago
- 从门户网站爬取新闻的摘要-标题对使用seq2seq根据摘要生成标题☆45Updated 8 years ago