文本分类训练与测试语料，详情见博客《《自然语言处理实战入门》文本分类----使用词向量与SVM进行文本分类》：https://season.blog.csdn.net/article/details/113798565
2025/1/1 20:44:32
95.36MB
1
本资源是基于Android的智能聊天机器人的源代码。
它的运行逻辑就是将用户输入的文字，调用复旦nlp算法分词后，得到主谓宾三个关键词，然后分别按照主谓宾的的顺序与数据库(SQLite)中的三个表匹配，匹配得到一个id，然后根据这个id到语料表中找到对应的回答，反馈给用户。
它有学习功能，即用户可教它说话，其原理也使通过分词，将分词结果存入到主谓宾三个表中。
数据库在assets文件夹中。
若有其它疑问可与我私信。
它的运行逻辑就是将用户输入的文字，调用复旦nlp算法分词后，得到主谓宾三个关键词，然后分别按照主谓宾的的顺序与数据库(SQLite)中的三个表匹配，匹配得到一个id，然后根据这个id到语料表中找到对应的回答，反馈给用户。
它有学习功能，即用户可教它说话，其原理也使通过分词，将分词结果存入到主谓宾三个表中。
数据库在assets文件夹中。
若有其它疑问可与我私信。
2024/12/15 7:41:42
4.12MB
1
本语料库由复旦大学李荣陆提供。
训练和测试两个语料各分为20个相同类别。
训练语料和测试语料基本按照1:1的比例来划分。
使用时尽量注明来源（复旦大学计算机信息与技术系国际数据库中心自然语言处理小组）。
训练和测试两个语料各分为20个相同类别。
训练语料和测试语料基本按照1:1的比例来划分。
使用时尽量注明来源（复旦大学计算机信息与技术系国际数据库中心自然语言处理小组）。
2024/11/18 15:51:57
109.68MB
1
Alice问答系统的aiml格式对话语料，最新语料大小7.8MB（不同于之前的官方语料库仅有1~2MB）,格式为aiml格式，直接可以供alicebot训练使用。
2024/11/8 8:54:48
7.87MB
1
数据来源于中文维基百科，利用gensim进行数据抽取，再经过繁体字转换成简体字，得到纯净的文本语料，可用于词向量训练。
2024/11/5 8:52:11
146.03MB
1
对于网络微博用户可信任性的问题,通过对爬取的所有源语料进行有目的的预处理,得到具有规范格式的用户数据,并从用户信息数据中,选择性的提取用户信息的完整度、活跃度、交际广度、传播力度四项指标组成指标体系;然后利用设计的层次分析法(AHP)结构模型,实现了对指标的权重系数数值确定,进而计算与统计用户的权威性。
最终完成对用户可信度模型的构建。
实验表明,该模型对微博用户的可信度评测方面有较好的准确性。
最终完成对用户可信度模型的构建。
实验表明,该模型对微博用户的可信度评测方面有较好的准确性。
2024/9/25 1:19:21
307KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB