搜索资源列表
libsvm-2.89
- 该软件完成的是在linux下的分词，可以进行词性标注，可以用于中英文分析-The software is a complete linux under a sub-word, can be part of speech tagging can be used for analysis in Chinese and English
windows_csharp_32
- 中文词法分析是中文信息处理的基础与关键。中国科学院计算技术研究所在多年研究工作积累的基础上，研制出了汉语词法分析系统ICTCLAS(Institute of Computing Technology, Chinese Lexical Analysis System)，主要功能包括中文分词；词性标注；命名实体识别；新词识别；同时支持用户词典。ICTCLAS全部采用C/C++编写，支持Linux、FreeBSD及Windows系列操作系统，支持C/C++/C#/Delphi/Java等主流的开发语言
ctbparser_0.10.tar
- ctbparser是一个开源的中文句法分析工具包，用于分词、词性标注、依存句法分析-ctbparser is an open source Chinese parsing toolkit for Chinese word segmentation, POS tagging, dependency parsing
ctbparser_0.11.tar
- ctbparser是一个开源的中文句法分析工具包，用于分词、词性标注、依存句法分析-ctbparser is an open source Chinese parsing toolkit for Chinese word segmentation, POS tagging, dependency parsing
fenci
- 分词时，可以使用的词典及其语料。语料是北大1998年语料，已经分好词，并且标好词性。-Word, you can use the dictionary and corpus. Corpus is a corpus of Beijing University in 1998, has been divided into many words, and marked a good part of speech.
1998renminribaodaiyoucixingbiaozhu
- 语音合成训练用语料，分词并带有词性标注。文档性质不是源码。-TTS language training materials, word and with part of speech tagging. The nature of the document is not a source.
windows_c_32
- 中文词法分析是中文信息处理的基础与关键。中国科学院计算技术研究所在多年研究工作积累的基础上，研制出了汉语词法分析系统ICTCLAS(Institute of Computing Technology, Chinese Lexical Analysis System)，主要功能包括中文分词；词性标注；命名实体识别；新词识别；同时支持用户词典。我们先后精心打造五年，内核升级6次，目前已经升级到了ICTCLAS3.0。ICTCLAS3.0分词速度单机996KB/s，分词精度98.45 ，API不超过2
ICTCLAS
- 中国科学院计算技术研究所在多年研究工作积累的基础上，研制出了汉语词法分析系统ICTCLAS(Institute of Computing Technology, Chinese Lexical Analysis System)，主要功能包括中文分词；词性标注；命名实体识别；新词识别；同时支持用户词典。我们先后精心打造五年，内核升级7次，目前已经升级到了ICTCLAS2009。-Institute of Computing Technology, Chinese Academy of resear
ICTCLAS50_Windows_32_JNI
- 中科院开发的中文分词算法，带词性标注等，经典的一个算法-Chinese Academy of Sciences of the Chinese word segmentation algorithm developed, with part of speech tagging, etc., a classic algorithm
dealwith
- 主要是对分词完后的文本进行处理 包括去停用词 选择特定的词性的词语 去词性-Text processing
ICTCLAS50_Windows_32_C
- 中科院分析系统 ICTCLAS的主要功能有：中文分词；词性标注；命名实体识别；新闻识别；用户词典-ICTCLAS segementword
Rkeyword-choue
- 基于逆向最大匹配算法的分词及基于HMM模型的词性标注系统，包括了未登登录词的识别、数据库的添加等内容。（需要手动修改数据库的路径才可以运行） -Based on the segmentation of the reverse maximum matching algorithm and the HMM-based POS tagging system, including unadvertised login word recognition, and add the database co
ICTCLAS50_Windows_32_C
- 中国科学院计算技术研究所在多年研究工作积累的基础上，研制出了汉语词法分析系统ICTCLAS(Institute of Computing Technology, Chinese Lexical Analysis System)，主要功能包括中文分词；词性标注；命名实体识别；新词识别；同时支持用户词典。-New word of the Chinese Academy of Sciences Institute of Computing Technology, Chinese Lexical Ana
wordmark
- 通过一个已经标号词性的训练集来得到训练数据，再根据训练数据对需要进行分词的数据进行分词，采用概率最高的分词情况为最后结果。-By a label the parts of speech training set training data to get the need segmentation data based on the training data segmentation with the highest probability of segmentation for the fin
CTB
- 中文分词和词性分析通用的训练集，含POS。-Chinese word segmentation and part of speech analysis of generic training set.
segment
- 用最大匹配法对汉语进行自动分词 seg.py 分词的实现 accuracy.py 分词性能评估 PD_1998_01_POS.txt ”人民日报“语料库-Automatically the word seg.py segmentation achieve maximum matching of Chinese accuracy.py word performance assessment PD_1998_01_POS.txt " People' s Daily"
nlu_project
- 采用机器学习的方法进行自然语言处理，对中文进行分词和词性标注。分词采用crf模型，词性标注用hmm模型，解码算法为Vertibi算法。本系统使用java语言编写-Using machine learning methods for natural language processing, carried out on the Chinese word segmentation and POS tagging. Segmentation using crf model, tagging with
TextAnalysis
- TextAnalysis系统及算法设计 输入为ICTCLAS分词后的词语结构信息，对每个词语的词性进行判断。 1. 如果不存在词性，则跳过这次循环。用来跳过一些语气助词等无意义的信息。 2. 由于每个句子都有几个子句，而每个子句都是一个独立的主谓宾结构，所以系统将子句通过标点符号来分隔。最后将所以子句的总情感权值相加得到总句的情感权值。 3. 在对字典的预处理阶段，系统对不同程度的词语赋予了不同的权值。为了提高处理程序的效率，系统只分析对体现语言情感有较大作用的词性（包括形容词、
HmmPos
- 本文主要研究在给定的机械词频词典下的基于字符串匹配的中文分词系统，将一整段文字基本正确的切分成词，并标注上词性。在实现分词的过程中，最重要的两个因素就是分词速度和分词精度。因此，我们以分词速度、分词正确率和分词召回率作为中文分词评测标准，力求达到较高的分词速度和分词精度-word Tagging
Wordpos
- 应用vitorbe实现的分词算法和词性标志，里面有word文档的说明，请大家下载使用，-Application vitorbe achieve segmentation algorithms and speech marks, there are instructions word document, please download, thank you