THUOCL 介绍
THUOCL(THU Open Chinese
Lexicon)是由清华大学自然语言处理与社会人文计算实验室整理推出的一套高质量的中文词库,词表来自主流网站的社会标签、搜索热词、输入法词库等。
THUOCL 具有以下特点:
-
包含词频统计信息 DF 值(Document Frequency),方便用户个性化选择使用。
-
词库经过多轮人工筛选,保证词库收录的准确性。
-
开放更新,将不断更新现有词表,并推出更多类别词表。
该词库可以用于中文自动分词,提升中文分词效果。可搭配 THULAC
工具包使用,提升特定领域中文分词的效果。
THUOCL 官网
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。