搜索资源列表
ICTCLAS2009.对中文进行分词并对其词性标注
- 对中文进行分词并对其词性标注；命名实体识别；新词识别；同时支持用户词典,To be conducted in Chinese word segmentation and POS tagging Named Entity Recognition new word identification simultaneously support the user dictionary
Part_Of_Speech_Label.rar
- JAVA实现的基于隐马尔科夫模型的词性标注。有指导的学习，附带语料，供参考,JAVA realization of hidden Markov model based on the part of speech tagging. Guided learning, incidental corpus, for reference
FreeICTCLAS.rar
- 汉语词法分析系统ICTCLAS(Institute of Computing Technology, Chinese Lexical Analysis System)，该系统的功能有：中文分词；词性标注；未登录词识别。分词正确率高达97.58 (973专家组评测)，未登录词识别召回率均高于90 ，其中中国人名的识别召回率接近98 处理速度为31.5Kbytes/s。ICTCLAS的特色还在于：可以根据需要输出多个高概率结果，有多种输出格式，支持北大词性标注集，973专家组给出的词性标注集合。该系
自动分词与词性标注评测有助于学习NLP
- 自动分词与词性标注评测有助于学习NLP，并且理解其更深的含义,A good Instruction of PoS
汉语自动分词与词性标注软件中文分词系统
- 学习汉语自动分词与词性标注软件的组件化有助于更好的理解中文分词系统,PoS tagging HMM
Chinese-Word-Segment-And-POS-Tagger
- 实现了中文分词和词性标注程序。分词方法采用“三词正向最长匹配”。词性标注使用HMM方法，用Viterbi算法实现。“三词正向最长匹配”保持了“正向最长匹配算法”快速的特点，同时提高了分词的准确性。-Chinese word segmentation and implemented procedures for POS tagging. Segmentation Methods, " the longest three-match positive words." POS tag
ICTCLAS
- 计算所汉语词法分析系统ICTCLAS.分词正确率高达97.58%(973专家组评测)，未登录词识别召回率均高于90%，其中中国人名的识别召回率接近98%处理速度为31.5Kbytes/s。ICTCLAS的特色还在于：可以根据需要输出多个高概率结果，有多种输出格式，支持北大词性标注集，973专家组给出的词性标注集合。-Calculate the Chinese Lexical Analysis System ICTCLAS. Segmentation correct rate of 97.58 p
lingpipe-3.6.0
- 一个自然语言处理的Java开源工具包。LingPipe目前已有很丰富的功能，包括主题分类（Top Classification）、命名实体识别（Named Entity Recognition）、词性标注（Part-of Speech Tagging）、句题检测（Sentence Detection）、查询拼写检查（Query Spell Checking）、兴趣短语检测（Interseting Phrase Detection）、聚类（Clustering）、字符语言建模（Character
Unsupervise
- 利用隐马尔可夫模型实现词性标注。此为无监督模型。 内含语料库和测试集。方便大家学习。-The use of Hidden Markov Model to achieve part of speech tagging. This is no oversight model. Corpus and the test set contains. To facilitate them to learn.
windows_JNI_32bit
- ICT分词程序接口 用以进行中文文本分词，词性标注。-ICT segmentation program interface for the conduct of the Chinese text word segmentation, POS tagging.
POSTagger_Src
- 包含了词条及其词性标记，频度信息的词典 练语料的格式要求： 每个词以 / 分隔， / 后是该词的词性标记。词性标记后至少要有一个空格。一个句子的所有词必须在同一行中。击“开始词性标注”选取文本文件（一次可以选择多个）进行标注处理-Includes a term and its part of speech marks, the frequency of information and training Corpus dictionary format requirements: Each w
hmmfan
- 一个用于 词性标注的 HMM程序。 包含 训练和测试功能。-One for the HMM-speech tagging procedures. Includes training and testing.
KaiYuanIctclas
- ICTCLAC开源代码，可用在中文文本信息处理上，为信息抽取进行中文分词、词性标注处理，准确度达到85 以上，-failed to translate
pos
- 用c++实现了词性标注功能 ，这是机器翻译过程中极其初级的一部-Achieve part of speech tagging functionality
POStag
- 词性标注。首先根据预料库训练模型，然后用得到的模型对未标记词性的语句进行词性标注。-Part of Speech Tagging. First, according to the training model is expected to libraries, and then get the model right part of speech of the statement is not marked for POS Tagging.
cixingbiaozhu
- 词性标注，输入一句中文的句子，可以自动的划分成一个个单词，并为该单词标注上词性-Speech tagging, input a Chinese sentence, can automatically divided into a words, and the word mark on the part of speech
wordseg
- 词性标注 中文信息处理 在输入一段文字之后它会分析句子中的各种成分-word segment
VC2010
- VC调用中科院分词2010版组件的最新源码！ 中国科学院计算技术研究所在多年研究工作积累的基础上，研制出了汉语词法分析系统ICTCLAS(Institute of Computing Technology, Chinese Lexical Analysis System)，主要功能包括中文分词；词性标注；命名实体识别；新词识别；同时支持用户词典。我们先后精心打造五年，内核升级8次，目前已经升级到了ICTCLAS2010！-VC call to Word 2010 version of t
tool
- 中文语法词性标注工具，语义语法标注等开发环境Visio c-label tool
MM2
- 利用隐马尔可夫模型实现词性标注。此为无监督模型。 内含语料库和测试集。方便大家学习。--Transition Matrix and Emission Matrix of Hidden Markov Model