分词语料-人民日报-201401

小黄鸡语料库，包含分词以及未分词，可以用于自然语言处理。

中文分词字典，整理242764个词语，由网上众多辞典拼合并过滤重复词语而来，需要的朋友可以下载去看看。

搜狗语料库，自己用结巴分词分好的。（为什么摘要必须大于50个字）

中文分词及词性标注语料，包含微软亚研院、搜狗、北京大学等的语料库

中文分词词典适合最大正向匹配算法使用共计548389条词语

人民日报2014语料库和很多行业的中文分词库，如财经，地点，电视剧，电影等。如果有需要的可以在此处下载哦。

来源于人人网小黄鸡语料库，经过一部分处理后，但是并没有分词，可以用于对于中文的常用对话系统训练，也可以进行普通的中文自然语言处理。

中国历时科普斯 ChineseDiachronicCorpus,中文历时语料库,跨越六十余年,包括腾讯历时新闻2009-2016,人民日报历时语料1946-2003,参考消息历时语料1957-2002

自己用来训练word2vec的，已提取文本，做了分词处理，过滤了大部分的特殊字符。共包含3273626个段落的文本（一个段落包含了多个语句）。处理后的语料有1.1G，由于文件较大，提供百度网盘下载

收集人明日报2014年标注预料并将其进行整合，非常实用