首页成果登记
注册 找回密码
国家科技成果网
  		•
热门搜索：  激光   高分子   石油   并网   纳米   太阳能光伏
扫描二维码关注国科网

登记 排行 政策 对接 转化 专栏
国家科技成果网 › 首页 ›成果 › 查看内容

中文文本库开发

2014年 应用技术
  • 成果简介
　　该项目为横向合作项目。
　　该项目建立了一个通用的多语种数据采集、清洗平台，基于该平台获取了100G以上的中文文本数据。在数据采集阶段，为适应大规模采集的需要，所构建的采集平台包括语言材料的适用性判定、文本数据粗提取、语料去重、数据存储等阶段，主要研究内容包括：
　　1.由于要考虑包括中文的不同编码，并且存在其他语言混杂出现的情况，因此，需要进行HTML语言编码分析以便...
相关成果

标签云

相关机构

关于国科网   我们的资源   我们的服务   免责声明   常见问题    软件下载    成果登记   联系我们  
Copyright 2001-2020 All Rights Reserved© 国科网 版权所有
国家科技成果信息服务平台 主管单位：科学技术部火炬高技术产业开发中心
京ICP备09035943号-33 京公网安备110401400097
在线客服系统