该语料主要用于识别出整条微博所表达的情绪，不是简单的褒贬分类，而是涉及到多个细粒度情绪类别(例如悲伤、忧愁、快乐、兴奋等)，属于细粒度的情感分类问题。
情感分析资源大全：http://blog.csdn.net/qq280929090/article/details/70838025
情感分析资源大全：http://blog.csdn.net/qq280929090/article/details/70838025
2024/8/25 4:28:50
9.15MB
1
新词发现作为自然语言处理领域的一项基础研究,一直受到学术界和企业界的广泛关注。
将新词发现问题转换为确定词语边界问题。
首先对语料进行中文分词,然后统计"散串",最后提出一种基于词内部结合度和边界自由度的新词发现方法。
通过在大规模语料上进行新词发现实验,验证了该方法的有效性。
今后的研究重点将放在如何有效地识别低频新词上,以提高系统的整体性能。
将新词发现问题转换为确定词语边界问题。
首先对语料进行中文分词,然后统计"散串",最后提出一种基于词内部结合度和边界自由度的新词发现方法。
通过在大规模语料上进行新词发现实验,验证了该方法的有效性。
今后的研究重点将放在如何有效地识别低频新词上,以提高系统的整体性能。
2024/7/27 6:16:20
249KB
1
SRILM源代码阅读笔记。
主要针对SRILM的ngram的训练，即ngram-count。
7个文件：1.类图.jpg：与ngram-count相关的主要类的静态图（使用了starUML的逆向工程工具）；
2.ngram-count.jpg：从语料训练出模型的主要流程；
3.lmstats.countfile.jpg：ngram-count的子流程，用于构建词汇表和统计ngram的频度；
4.ngram.estimate.jpg：ngram-count的子流程，在词汇表和ngram频度的基础上计算ngram条件概率以及backoff权值的过程；
5.ngram.read.jpg：与训练无关，读取ARPA格式的语言模型的过程；
6.SRILM.uml：以上5个文件的原始图，以StarUML绘制（利用StarUML可直接编辑）7.SRILM.vsd：ngram-count相关的主要数据结构的内存布局+ngram条件概率计算公式的参数说明，以visio绘制（利用visio可直接编辑）
主要针对SRILM的ngram的训练，即ngram-count。
7个文件：1.类图.jpg：与ngram-count相关的主要类的静态图（使用了starUML的逆向工程工具）；
2.ngram-count.jpg：从语料训练出模型的主要流程；
3.lmstats.countfile.jpg：ngram-count的子流程，用于构建词汇表和统计ngram的频度；
4.ngram.estimate.jpg：ngram-count的子流程，在词汇表和ngram频度的基础上计算ngram条件概率以及backoff权值的过程；
5.ngram.read.jpg：与训练无关，读取ARPA格式的语言模型的过程；
6.SRILM.uml：以上5个文件的原始图，以StarUML绘制（利用StarUML可直接编辑）7.SRILM.vsd：ngram-count相关的主要数据结构的内存布局+ngram条件概率计算公式的参数说明，以visio绘制（利用visio可直接编辑）
2024/7/15 8:41:17
4.87MB
1
谭松波老师的评论语料资源gb2312，除了原始编码格式，还有UTF-8编码格式的，在这里一起分享给大家，还将所有语料分成pos.txt和neg.txt两个文件，每个文件中的一行代表原始数据的一个txt文件，即一篇评论，更加的方便大家使用
2024/6/4 7:30:38
9.88MB
1
自己用来训练word2vec的，已提取文本，做了分词处理，过滤了大部分的特殊字符。
共包含3273626个段落的文本（一个段落包含了多个语句）。
处理后的语料有1.1G，由于文件较大，提供百度网盘下载地址。
共包含3273626个段落的文本（一个段落包含了多个语句）。
处理后的语料有1.1G，由于文件较大，提供百度网盘下载地址。
2024/5/19 17:09:13
650B
1
已经标记号label的中文命名实体识别的语料库，采用BIM标志形式。
包括人名（PERSON）、地点（LOCATION）、时间（TIME）及机构名（ORGANIZATION）。
包括人名（PERSON）、地点（LOCATION）、时间（TIME）及机构名（ORGANIZATION）。
2024/5/10 1:36:01
17.29MB
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