基于结巴分词的词数统计

（1）实验内容 编写一个程序。功能是读入一篇英文文章，统计该文章中每个单词的出现次数，并输出出现次数最多的前5个单词及其出现次数。 注意： ① 单词不区分大小写，比如：The和the是相同的单词。 ②

Spark big data Chinese word segmentation statistics Java project source code

改程序完成了对中文分词的基本操作，提供了分词词典和基本的功能模块

基于双向LSTM/keras/tensorflow的中文分词，语料为人民日报，分词准确率高达97%

在部分分词算法中,需要判断一句话或者一篇文章中哪些连续文字是属于一个词汇的。该文档中包含了绝大多数常用的中文词语,用于分词算法在分词时进行参考

结巴中文切词，可以直接用来切中文；txt、csv、excel都行

给定一段文本，统计其中总单词数并输出各个单词及其出现次数，该程序能成功运行。

该文档是网传的小黄鸡语料库，经过简单的数据预处理，已保存为conv文件格式，每一个E代表一段对话的开始，详见语料库内容，经本人测试，语料训练效果还不错，有志于学习NLP相关课程的同学可以下载做个小案例

文件统计。编写程序，统计英文文本文件中的字符数目和单词数目。程序运行时，输入要统计的文件的名称，程序处理后输出字符数目和单词数目。（程序去除文本开头的空格与回车，统计中将回车换行也统计在内，算两个字符

诗词access，包括作者，名称，总共13676首，可做相应程序的对接库使用