1、 该软件只支持ANSI编码文本，不支持Unicode编码文本。
2、 汉语文本可不进行分词处理。
3、 中英文文本文件要求分别以*.ZH.txt和*.EN.txt方式命名。
4、 数据文件必须严格行对齐，如包含空行也必须达到文本对应，即平行文件的对应行都是空的。
软件不能智能自动对齐语料。
5、 软件支持正则表达式检索。
6、 软件默认支持英文词形还原检索（lemmatizedsearch），如，检索go，可得到含有go、goes、went、going、gone等的平行句对。
去除lemmatized前的复选框，则可以检索实际输入的检索项（比如搜goes，只能得到含goes的平行句对）。
7、 软件还支持对应语言文本中包含或不含（exclude）某词项的检索。
如检索education，以及结果中包含（或不含）“教育”的句对。
8、 结果可存为tab符分隔的文本文件，便于后续分析。
2、 汉语文本可不进行分词处理。
3、 中英文文本文件要求分别以*.ZH.txt和*.EN.txt方式命名。
4、 数据文件必须严格行对齐，如包含空行也必须达到文本对应，即平行文件的对应行都是空的。
软件不能智能自动对齐语料。
5、 软件支持正则表达式检索。
6、 软件默认支持英文词形还原检索（lemmatizedsearch），如，检索go，可得到含有go、goes、went、going、gone等的平行句对。
去除lemmatized前的复选框，则可以检索实际输入的检索项（比如搜goes，只能得到含goes的平行句对）。
7、 软件还支持对应语言文本中包含或不含（exclude）某词项的检索。
如检索education，以及结果中包含（或不含）“教育”的句对。
8、 结果可存为tab符分隔的文本文件，便于后续分析。
2023/8/23 14:49:52
4.6MB
1
通过对语音数据进行特征提取，运用SVM识别算法，实现语音信号的6种情感的识别。
语料库选自CASIA汉语情感语料库，特征集选取基因频率、时长、共振峰、MFCC等。
语料库选自CASIA汉语情感语料库，特征集选取基因频率、时长、共振峰、MFCC等。
2023/8/19 1:03:27
215.47MB
1
LCMC语料库是一个100万词次（按每1.6个汉字对应一个英文单词折算）的现代汉语书面语通用型平衡语料库。
起先建立时，它是作为英国经社研究委员会资助项目ContrastingTenseandAspectinEnglishandChinese的部分成果。
肖忠华最初的设想是要将其建成同FLOB和FROWN对应的现代汉语语料库。
筹建这样的一个语料库的另一个动因是：尽管已经有很多汉语语料库存在，但却没有一个完全免费对公众开放的平衡的汉语语料库
起先建立时，它是作为英国经社研究委员会资助项目ContrastingTenseandAspectinEnglishandChinese的部分成果。
肖忠华最初的设想是要将其建成同FLOB和FROWN对应的现代汉语语料库。
筹建这样的一个语料库的另一个动因是：尽管已经有很多汉语语料库存在，但却没有一个完全免费对公众开放的平衡的汉语语料库
2023/8/8 2:39:28
6.34MB
1
目前最全的中文情感词典，包括以下内容：1.褒贬词及其近义词；
2.汉语情感词极值表；
3.清华大学李军中文褒贬义词典；
4.情感词典及其分类；
5.情感词汇本体；
6.台湾大学NTUSD简体中文情感词典；
7.知网Hownet情感词典。
2.汉语情感词极值表；
3.清华大学李军中文褒贬义词典；
4.情感词典及其分类；
5.情感词汇本体；
6.台湾大学NTUSD简体中文情感词典；
7.知网Hownet情感词典。
2023/8/5 21:34:38
1.59MB
1
自己整理的动词词库，可用于中文内容分析与解析使用，逆序的便于你在进行匹配的时候不丢失，出错，推荐写个tool讲数据转储到sql，方便你的使用
2023/8/1 10:41:33
11KB
1
语音情感特征的提取和选择是语音情感识别的关键问题，针对线性预测（LP）模型在语音情感谱包络方面存在的不足。
本论文提出了最小方差无失真响应（MVDR）谱方法来进行语音情感特征的提取；
并通过人工蜂群（ABC）算法找到最优语音情感特征子集，消除特征冗余信息；
利用径向基函数（RBF）神经网络对CASIA汉语情感语料库中的4种情感语音即生气、平静、高兴、害怕进行实验识别。
实验结果表明，该方法比线性预测法有更高的识别率和更好的鲁棒性。
本论文提出了最小方差无失真响应（MVDR）谱方法来进行语音情感特征的提取；
并通过人工蜂群（ABC）算法找到最优语音情感特征子集，消除特征冗余信息；
利用径向基函数（RBF）神经网络对CASIA汉语情感语料库中的4种情感语音即生气、平静、高兴、害怕进行实验识别。
实验结果表明，该方法比线性预测法有更高的识别率和更好的鲁棒性。
2023/7/10 3:38:29
653KB
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