清华大学开放中文词库

Aperçu

Qu'est-ce que 清华大学开放中文词库 ?

THUOCL (THU Open Chinese Lexicon) est une liste de mots chinois gratuite et open source compilée par le laboratoire PNL de l'Université Tsinghua, présentant des statistiques de fréquence des mots (valeurs DF) provenant de sources telles que les blogs CSDN, Sina News et le corpus Sogou. Il comprend des catégories telles que l'informatique, la finance, les expressions idiomatiques, les noms de lieux, les personnages historiques, la poésie, la médecine, l'alimentation, le droit, les voitures et les animaux, conçues pour améliorer la précision de la segmentation du texte chinois.