THUOCL

THUOCL copied to clipboard

Mohan-Zhang-u

请问我们是否会做同意词词库这个分类的词库呢

1

shushashu

diming.txt的文字分段是\r，而其他.txt的文字分段是\n，我写的程序每次请求时都会在diming.txt解析时出错，请修改其格式。

bmxbmx3

在应用IT词表的时候，我发现很多领域内的常用词例如“计算机、回溯”等是不在词表中的，只有“计算机系统、回溯法”。 这是因为构建词表的时候在同义词中有意选择了正式、书面化、完整的表达呢？还是因为这些词词频过高，所以舍弃了呢？

Los-Phoenix

在处理中发现的 词条中无意义的空格和缺少词频 https://github.com/thunlp/THUOCL/blob/a30ce79d895d01ab5132a5c74c29703ff7efb4cc/data/THUOCL_animal.txt#L1452-L1454 https://github.com/thunlp/THUOCL/blob/a30ce79d895d01ab5132a5c74c29703ff7efb4cc/data/THUOCL_animal.txt#L2088-L2090 https://github.com/thunlp/THUOCL/blob/a30ce79d895d01ab5132a5c74c29703ff7efb4cc/data/THUOCL_animal.txt#L1452-L1454 https://github.com/thunlp/THUOCL/blob/a30ce79d895d01ab5132a5c74c29703ff7efb4cc/data/THUOCL_law.txt#L7338-L7340 THUOCL_diming.txt中的词频带问号 ``` 黄金桥开发区 3 高棚子 3? 龙园村 3 ```

bczhc

地名数据中部分数据词频列中多了? 食物数据中“丁香”记录中词频数据多了s

theodore26