THUOCL:清华大学开放中文词库

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:

  1. 包含词频统计信息DF值(Document Frequency),方便用户个性化选择使用。

  2. 词库经过多轮人工筛选,保证词库收录的准确性。

  3. 开放更新,将不断更新现有词表,并推出更多类别词表。欢迎专业人士加入,协作建设开放词库,有意者请致信thunlp@gmail.com。

数据与资源

  • IT类TSV

    词表简介:本词表包含了大量IT类词汇。 词条样例:文件备份、虚拟地址、C++编程、事务调度、强连通缩点。 词条数量:16000条...

  • 财经TSV

    词表简介:本词表包含了大量财经类词汇。 词条样例:年期、调整方案、全面收购、差价、萎缩。 词条数量:3830条 词频统计语料库:新浪新闻...

  • 成语类TSV

    词表简介:本词表包含了大量成语词汇。 词条样例:故作高深、有理有据、用之不竭、人微言轻、因地制宜、求贤若渴。 词条数量:8519条...

  • 地名TSV

    词表简介:本词表包含了大量地名词汇。 词条样例:浙江、上海、澳大利亚、珠穆朗玛峰、湘潭县、大甲镇。 词条数量:30633条 词频统计语料库:新浪新闻...

  • 历史名人TSV

    词表简介:本词表包含了大量历史名人类词汇。 词条样例:陆游、荀彧、诸葛亮、孙权、张伯伦。 词条数量:13658条 词频统计语料库:新浪新闻...

  • 诗词TSV

    词表简介:本词表包含了大量诗词名句。 词条样例:更上一层楼、犹抱琵琶半遮面、路漫漫其修远兮、任尔东西南北风。 词条数量:13703条...

  • 医学TSV

    词表简介:本词表包含了大量医学类词汇。 词条样例:患者、充血、皮疹、冬虫夏草。 词条数量:18749条 词频统计语料库:新浪新闻...

其他信息

价值
http://thuocl.thunlp.org/
作者 韩世依, 张钰晖, 马云山, 涂存超, 郭志芃, 刘知远, 孙茂松
最近更新 三月 8,2017,14:24(Asia/Shanghai)
创建的 三月 7,2017,16:03(Asia/Shanghai)