这是一个创建于 3711 天前的主题，其中的信息可能已经有所发展或是发生改变。
有這樣幾個問題：
1.哪裏能獲得一些大的語料呢？
目前拿sogou實驗室的新聞語料練手，2g大小，差太遠了。
在語料的豐富度上差太多，感覺質量和數量都不夠。
2.分詞的字典，我自己有1.3億詞庫，想直接加進結巴分詞
這樣做會不會結果太亂，用結巴分詞的分詞的“全模式”分詞後放到word2vec跑會不會結果不好？
3.我想把1.3億詞庫自動分類，大家有什麼好的建議嗎？
謝謝大家！
（剛用linux，不知道爲何不能切換簡體了）
1.哪裏能獲得一些大的語料呢？
目前拿sogou實驗室的新聞語料練手，2g大小，差太遠了。
在語料的豐富度上差太多，感覺質量和數量都不夠。
2.分詞的字典，我自己有1.3億詞庫，想直接加進結巴分詞
這樣做會不會結果太亂，用結巴分詞的分詞的“全模式”分詞後放到word2vec跑會不會結果不好？
3.我想把1.3億詞庫自動分類，大家有什麼好的建議嗎？
謝謝大家！
（剛用linux，不知道爲何不能切換簡體了）
 |
1
flyaway 2014-10-15 22:38:43 +08:00  1
一般的语料都是研究机构标注的，通常都是需要花钱买的
|
 |
2
userlogin 2014-10-16 09:20:24 +08:00 1
v2ex也用了结巴分词：t/101091
|
Select Language