中文文本摘要生成

结合中文文本中的汉字编码方式、大字符集以及重复字串不长三个不同于英文文本的结构特点对LZW算法从读取数据方式、基本码集和字典码值输出方式三方面进行了修改。改进后的算法对中文文本的压缩比平均比LZW19

中文文本相似度讨算是中文信息处理相关研究领域中的重要基础， 在信息检索、 知识挖掘、 舆情分析等领域中有着广泛应用。 目前的中文文本相似度计算方 法大多是从文本的字形层面而不是从文本内容语义理解上计算

做毕设自用的中文新闻文本分类语料库，整理自搜狗新闻和清华新闻语料，共八个类别，每类已分好4000条训练集和1000条测试集。附赠一份停用词表，综合了哈工大停用词及川大停用词。

内部是复旦大学中文文本分类测试集，含有多个行业类型，2积分是全网比较低

本资源是复旦大学中文文本分类预料压缩包，包含训练与测试全集。

搜狗实验室新闻数据精简版，将xml文本进行处理后分类如下：奥运5595个txt房产14695个txt互联网2200个txt健康1153个txt教育2075个txt军事593个txt旅游1802个txt

内部是复旦大学中文语料，含有多种行业类型，非常适合NLP学习使用，2个积分全网算是比较低

文档介绍了中文文本自动分类方法的研究和实现，在网络舆情监控的文本分类中有很重要的作用

QT调用msSPEECH实现中文文本朗读，可极大的提升系统友好亲切感。

Chinese text automatic classification based on SVM. PDF