摘要：
常用语料资源 下面提供一些网上能下载到的中文的好语料，供研究人员学习使用。(1).中科院自动化所的中英文新闻语料库 http://www.datatang.com/data/13484中文新闻分类语料库从凤凰、新浪、网易、腾讯等版面搜集。英语新闻分类语料库为Reuters-21578的ModApte 阅读全文
摘要：
fasttext是个好东西，是由facebook在2016年推出的一个训练词向量的模型。相比于之前Google的word2vec，fasttext可以解决out of vocabulary的问题。fasttext还能够用于有监督的文本分类。更赞的是，facebook提供了200多种语言的预训练模型和 阅读全文
摘要：
软件简介 THULAC（THU Lexical Analyzer for Chinese）由清华大学自然语言处理与社会人文计算实验室研制推出的一套中文词法分析工具包，具有中文分词和词性标注功能。THULAC具有如下几个特点： 能力强。利用我们集成的目前世界上规模最大的人工分词和词性标注中文语料库（约 阅读全文
摘要：
开发产品的过程必不可少的需要记录日志信息，保存我们需要看到的一些数据，执行过程什么的，总之，不仅能够便于分析数据，也可以显得专业一些。那么，日志需要注意的一些信息总结一下。 1.工程下面需要建立一个log文件夹，存放日志信息。dir_path = './data/log/' 2.日志的格式： （1） 阅读全文
摘要：
最近在做单元测试，不得不说还有好多要学习的地方，经验能力都还是不够的。 1.当开发的模块要集成到产品上，可以通过两种方式实施：（1）可以直接调用开发出的exe，使用该模块输出的分析结果即可；（2）直接使用SDK（头文件+dll） 2.关于版本的使用，本身有一款研发版本供自己内部区别使用，对外发布版本 阅读全文
摘要：
处理数据时候，需要得到数据所在和行号，使用enumerate时便捷的方法： 阅读全文
摘要：
! " # $ % & ' ( ) * + , - -- . .. ... ...... ................... ./ .一 .数 .日 / // 0 1 2 3 4 5 6 7 8 9 : :// :: ; >> ? @ A Lex [ ... 阅读全文
摘要：
做自然语言处理的同学，经常会对中文文本进行处理，对于一些特殊字符要去掉，现在把代码收集一下，用的时候也方便 阅读全文