清华大学开放中文词库

概要

清华大学开放中文词库とは？

THUOCL (THU Open Chinese Lexicon) は、清華大学の NLP 研究室によって編集された無料のオープンソースの中国語単語リストで、CSDN ブログ、新浪ニュース、Sogou コーパスなどのソースからの単語頻度統計 (DF 値) を特徴としています。 IT、金融、慣用句、地名、歴史的人物、詩、医学、食品、法律、自動車、動物などのカテゴリが含まれており、中国語テキストの分割精度を向上させるように設計されています。