求推荐好的文学资料，用来搞词库，要求可以下载纯文本的

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

这是一个创建于 4469 天前的主题，其中的信息可能已经有所发展或是发生改变。

昨天转了搜狗的部分细胞词库，发现输入依然不是很流畅，主要不是特别常用的，今天想到找些好点的文字资料然后利用中文分词取词计算词频，最后加上拼音就成了比较好的词库了，现在主要没有好的资料。

目前分词库用的 pymmseg，如果又更好地话也推荐个吧，限 python 用的。

9 条回复 • 1970-01-01 08:00:00 +08:00

Brutal

2012-09-01 23:52:23 +08:00

ratazzi

2012-09-02 09:04:46 +08:00

@Brutal 这个好，多谢了

hbc

2012-09-02 09:20:09 +08:00

能不能去 weibo 这样的地方去爬一些下来然后做词库？

ratazzi

2012-09-02 09:51:54 +08:00

@hbc 爬的话太慢，没有足够的带宽，机器性能也不行

hbc

2012-09-02 09:58:19 +08:00

@ratazzi 可以扔在 SAE 之类的地方，但是怎么拿回来是个问题（定期取回就好了吧？

ratazzi

2012-09-02 11:27:43 +08:00

@hbc 目前不考虑抓取

hbc

2012-09-02 11:35:28 +08:00

eric_q

2012-09-02 13:24:15 +08:00

词库大了也卡吧

ratazzi

2012-09-02 13:41:36 +08:00

@eric_q 打算处理大量文本后取前面频率高的部分