/corpus

sina-news 新浪国内新闻语料(2017/9/6日更新) (自己爬的)

guokr 果壳(2017/9/5日更新) (自己爬的)

conv-corpus-lines dgk_shooter_min.conv.zip 小黄鸡(两个合并在了一起之后 一个完整的对话为一行)

sms-lines The NUS SMS Corpus(做了点处理, 繁中转换成了简中)

wechat-content weixin_public_corpus(做了点处理, 一篇文章一行)

news.utf8.dbc.data 搜狗实验室新闻 已经越过坑,一行一条新闻

wiki_chs.strip.data 中文WIKI 已经处理过 一行是一条wiki词条

版权

所有语料版权为 原作者所有

联系

mori