搜索资源列表
POSTagger
- （1）从已经标注好词性的语料中统计得到词性标记的二元转移矩阵，以及每个词以确定的词性标记出现的次数等数据（训练阶段） （2）利用动态规划算法快速选取词性标记路径，得到词性标记结果 （3）可以选择不同的词性标记集 -(1) from the good part-of-speech tagging has been the Corpus statistics to be part of speech marking the transfer of binary matrix, a
CRFPP0[1].53
- 条件随机域，主要用于标记序列，可以进行分词，词性标注，句法分析，以及文本抽取等。-condition random field
cixingbiaozhu
- 词性标注，输入一句中文的句子，可以自动的划分成一个个单词，并为该单词标注上词性-Speech tagging, input a Chinese sentence, can automatically divided into a words, and the word mark on the part of speech
ICTCLAS50_Windows_32_JNI
- 中科院开发的中文分词算法，带词性标注等，经典的一个算法-Chinese Academy of Sciences of the Chinese word segmentation algorithm developed, with part of speech tagging, etc., a classic algorithm
nlu_project
- 采用机器学习的方法进行自然语言处理，对中文进行分词和词性标注。分词采用crf模型，词性标注用hmm模型，解码算法为Vertibi算法。本系统使用java语言编写-Using machine learning methods for natural language processing, carried out on the Chinese word segmentation and POS tagging. Segmentation using crf model, tagging with
HmmPos
- 本文主要研究在给定的机械词频词典下的基于字符串匹配的中文分词系统，将一整段文字基本正确的切分成词，并标注上词性。在实现分词的过程中，最重要的两个因素就是分词速度和分词精度。因此，我们以分词速度、分词正确率和分词召回率作为中文分词评测标准，力求达到较高的分词速度和分词精度-word Tagging
natural-language-processing
- 统计自然语言处理PPT-刘挺 中科院自动化研究所、模式识别国家重点实验室的 介绍的内容有统计机器翻译、词法分析与词性标注、语料库与词汇知识库-Statistical Natural Language Processing PPT-Ting Liu Institute of Automation, Chinese Academy of Sciences, State Key Laboratory of Pattern Recognition content presentation of
NLP-speech-tagging
- 基于隐马尔可夫模型的中文分词、词性标注、命名实体识别-Based on Chinese word hidden Markov model, speech tagging, named entity recognition
ansj_seg-master
- 一个很好的中文分词工具，其中使用了CRF做词性标注以及新词发现(A good Chinese word segmentation tool, in which CRF is used for part of speech tagging and new word discovery.)