清华大学开放中文词库

中国诗词，尤其是唐诗宋词，是中华文化的瑰宝。 #生活知识# #传统文化#

背景描述

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。

数据说明

词库格式及词频统计语料库

词库每一行由两部分组成，分别是词和DF值（存在此单词的文档个数），中间由Tab间隔。

词频统计语料库：

CSDN博客 时间：2014.07-2016.07 文档数：3785976 新浪新闻 时间：2008.01-2016.11 文档数：8421097 搜狗语料 文档数：729008561

** 词库清单**

IT
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
词频统计语料库：CSDN博客
更新时间：2016-12-24
贡献者：马云山、韩世依、张钰晖

财经
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
更新时间：2016-12-24
贡献者：韩世依、张钰晖、马云山

成语
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
词频统计语料库：新浪新闻
更新时间：2016-12-24
贡献者：韩世依、张钰晖、马云山

地名
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：44805条
词频统计语料库：搜狗语料
更新时间：2017-06-01
贡献者：韩世依、张钰晖、马云山

历史名人
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
更新时间：2016-12-24
贡献者：韩世依、张钰晖、马云山

诗词
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
词频统计语料库：新浪新闻
更新时间：2017-01-20
贡献者：张钰晖、韩世依、马云山

医学
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
更新时间：2017-01-20
贡献者：张钰晖、韩世依、马云山

饮食
词库简介：本词库包含了大部分饮食类词汇。
词条样例：土豆、火锅、意大利面、果佳、猴头菇。
词条数量：8974条
词频统计语料库：搜狗语料
更新时间：2017-04-20
贡献者：王盟源、吴佼玉、黄伟杰，林永天

法律
词库简介：本词库包含了大部分法律类词汇。
词条样例：版权、有关部门、有限责任公司、土地审裁处法官、日本庄园制度。
词条数量：9896条
词频统计语料库：搜狗语料
更新时间：2017-04-28
贡献者：王盟源、吴佼玉、黄伟杰，林永天

汽车
词库简介：本词库包含了大部分汽车类词汇。
词条样例：轿车、车展、东风本田、前挡风玻璃、四川丰田。
词条数量：1752条
词频统计语料库：搜狗语料
更新时间：2017-05-15
贡献者：王盟源、吴佼玉、黄伟杰，林永天

动物
词库简介：本词库包含了大部分动物类词汇。
词条样例：信鸽、梅花鹿、街鸽、四方藤、斑尾林鸽。
词条数量：17287条
词频统计语料库：搜狗语料
更新时间：2017-06-01
贡献者：王盟源、吴佼玉、黄伟杰，林永天

数据来源

数据来自THUOCL：清华大学开放中文词库

网址：清华大学开放中文词库 https://klqsh.com/news/view/46373

相关内容

阅贵·阅多彩｜“孔学堂文库”十周年：久久为功打造孔学堂学术出版精品
首届“迦陵杯·中华诗教大会”诗词文化活动在杭州举办
阅贵·阅多彩｜冯琳：入选“孔学堂文库”，何其荣幸
杨紫《晚意》词库问题引热议，粉丝期待《长相思2》
余来明：《明代文学史料要略》
著名油画家、清华大学教授石冲突发心梗，于今天去世
李清照少不知愁，酒后写下第一首词，如今已成少女学坏的借口
著名油画家、清华大学教授石冲突发心梗，于昨日去世
20岁乌兹别克斯坦歌手诗琳去世：就读于清华大学 1月曾参加华侨春晚表演
中华文化的诗性之美：品格之美

随便看看