分词训练语料

Brown语料库是世界上第一个计算机可读的语料库,它搜集的语料来自1961年美国英语出版物上的文本,共500篇,每篇大约2000个单词,合计100万单词。LOB语料库是模仿Brown语料库的比例建立起

本语料库由复旦大学李荣陆提供。test_corpus.rar为测试语料，共9833篇文档；train_corpus.rar为训练语料，共9804篇文档，两个预料各分为20个相同类别。训练语料和测试语料

中文语料数据

AntConc语料检索

哈尔冰工业大学语料，需要的下载，HIT-CDTB-1.0

使用前微信关注小冰，与腾讯智能闲聊互问，用于收集生成式训练语料，语料质量还行吧

新闻分类语料，9个类别财经，教育，军事，科技，政治等按新闻标签爬取的。

用于分词、句法分析的泰语语料，主要适用于自然语言处理的学习之用！

做自然语言处理时需要语料来做训练集，利用这个爬虫程序可以很方便的获取语料。

UNparallelcorpus.15,886,041linescasia2015:1,050,000linescasict2015:2,036,833linesdatum2015:1,000,003