>> f.filter( "hello sexy …" /> >> f.filter( "hello sexy …"/>
>科技>>正文

资源警告!有人收罗了40个中文NLP词库,放到了GitHub上

原标题:资源警告!有人收罗了40个中文NLP词库,放到了GitHub上

乾明 编辑整理

你还在为进行中文NLP找不到词库而发愁吗?

你还在为了从文本中抽取结构化信息而抓耳挠腮吗?

现在,这些症状可以得到缓解了。

最近,在GitHub上,有人收罗了一份资源,汇集了40个关于中文NLP词库,涵盖了各个方面。

中英文敏感词、语言检测、中外手机/电话归属地/运营商查询、名字推断性别、手机号抽取、身份证抽取、邮箱抽取、中日文人名库、中文缩写库、拆字词典。

词汇情感值、停用词、反动词表、暴恐词表、繁简体转换、英文模拟中文发音、汪峰歌词生成器、职业名称词库、同义词库、反义词库。

否定词库、汽车品牌词库、汽车零件词库、连续英文切割、各种中文词向量、公司名字大全、古诗词库、IT词库、财经词库、成语词库。

地名词库、历史名人词库、诗词词库、医学词库、饮食词库、法律词库、汽车词库、动物词库、中文聊天语料、中文谣言数据。

目前,这份资源在GitHub上已经超过了700星。

收罗这份资源的人,在GitHub上昵称为“Yang”,备注信息中显示,他是北航的博士。在知乎上也开设了一个专栏,专门介绍关于机器学习的小知识。

在Yang给出的这份资源中,他并不只是简简单单地提供一些词库了事,还给出了32个词库的用法。

比如,中英文敏感词过滤:

>>> f = DFAFilter()

>>> f.add( "sexy")

>>> f.filter( "hello sexy baby")

hello **** baby

有时,还会针对一些词库给出提示,针对这个词库他就提示道:

敏感词包括政治、脏话等话题词汇。其原理主要是基于词典的查找(项目中的keyword文件),内容很劲爆。。。

再来一个根据名字判断性别的例子:

pip install ngender # 基于朴素贝叶斯计算的概率

>>> importngender

>>> ngender.guess( '赵本山')

( 'male', 0.9836229687547046)

>>> ngender.guess( '宋丹丹')

( 'female', 0.9759486128949907)

此处省略了其他30个……如果有兴趣,可以去看看,收藏下来,以备不时之需。

传送门:

https://github.com/fighting41love/funNLP

作者知乎专栏地址:

https://zhuanlan.zhihu.com/yangyangfuture

返回搜狐,查看更多

责任编辑:

声明:该文观点仅代表作者本人,搜狐号系信息发布平台,搜狐仅提供信息存储空间服务。
阅读 ()
投诉
免费获取
今日推荐