Thuocl
Daftar isi
- Pengantar Kamus
- Format tesaurus dan statistik frekuensi kata corpus
- Daftar kamus
- Protokol Sumber Terbuka
- pengarang
Pengantar Kamus
Thuocl (Thu Open Chinese Lexicon) adalah kosakata Cina berkualitas tinggi yang disusun dan diluncurkan oleh pemrosesan bahasa alami dan laboratorium komputasi humaniora sosial Universitas Tsinghua. Daftar kosa kata berasal dari tag sosial, pencarian kata -kata panas, metode masukan, dll. Dari situs web utama. Thuocl memiliki karakteristik berikut:
Termasuk nilai DF (frekuensi dokumen) untuk pilihan yang dipersonalisasi pengguna.
Kosakata telah mengalami beberapa putaran penyaringan manual untuk memastikan keakuratan inklusi kosa kata.
Pembaruan terbuka akan terus memperbarui daftar kosa kata yang ada dan meluncurkan lebih banyak daftar kosa kata kategori. Profesional dipersilakan untuk bergabung dan berkolaborasi dalam membangun tesaurus terbuka. Orang -orang yang tertarik dipersilakan untuk menulis ke [email protected].
Thesaurus ini dapat digunakan untuk segmentasi kata otomatis dalam bahasa Cina untuk meningkatkan efek segmentasi kata dalam bahasa Cina. Dianjurkan untuk menggunakannya dengan toolkit thulac yang dikembangkan oleh kelompok ini untuk meningkatkan efektivitas segmentasi kata Cina di bidang tertentu.
Format tesaurus dan statistik frekuensi kata corpus
Setiap baris leksikon terdiri dari dua bagian, yaitu kata dan nilai DF (jumlah dokumen di mana kata ini ada), dan dipisahkan oleh tab.
Statistik frekuensi kata Corpus:
- Waktu Blog CSDN: 2014.07-2016.07 Jumlah Dokumen: 3785976
- Waktu Berita Sina: 2008.01-2016.11 Jumlah Dokumen: 8421097
- Nomor dokumen Sogou Corpus: 729008561
Daftar kamus
DIA
- Pengantar Kosakata: Kosakata ini berisi sejumlah besar kosa kata.
- Contoh entri: Cadangan file, alamat virtual, pemrograman C ++, penjadwalan transaksi, titik deflasi koneksi yang kuat.
- Jumlah entri: 16.000
- Statistik Frekuensi Kata Corpus: CSDN Blog
- Diperbarui: 2016-12-24
- Kontributor: Ma Yunshan, Han Shiyi, Zhang Yuhui
- Unduh tautan: Klik di sini untuk mengunduh
Keuangan
- Pengantar Kosakata: Kosakata ini berisi sejumlah besar kosa kata keuangan.
- Contoh masuk: Tahun, rencana penyesuaian, akuisisi komprehensif, perbedaan harga, penyusutan.
- Jumlah entri: 3830
- Statistik frekuensi kata Corpus: SINA News
- Diperbarui: 2016-12-24
- Kontributor: Han Shiyi, Zhang Yuhui, Ma Yunshan
- Unduh tautan: Klik di sini untuk mengunduh
idiom
- Pengantar Kosakata: Kosakata ini berisi sejumlah besar idiom dan kosa kata.
- Contoh Masuk: Berpura-pura menjadi mendalam, masuk akal dan beralasan, tidak ada habisnya, kata-kata halus orang, beradaptasi dengan kondisi setempat, dan mencari bakat dengan penuh semangat.
- Jumlah entri: 8519
- Statistik frekuensi kata Corpus: SINA News
- Diperbarui: 2016-12-24
- Kontributor: Han Shiyi, Zhang Yuhui, Ma Yunshan
- Unduh tautan: Klik di sini untuk mengunduh
Nama tempat
- Pengantar Kosakata: Kosakata ini berisi sejumlah besar kata benda tempat.
- Contoh masuk: Zhejiang, Shanghai, Australia, Gunung Everest, Kabupaten Xiangtan, Kota Dajia.
- Jumlah entri: 44.805
- Statistik Frekuensi Kata Corpus: Bahan Sogou
- Diperbarui: 2017-06-01
- Kontributor: Han Shiyi, Zhang Yuhui, Ma Yunshan
- Unduh tautan: Klik di sini untuk mengunduh
Selebriti sejarah
- Pengantar Kosakata: Kosakata ini berisi sejumlah besar kosa kata manusia historis.
- Contoh Masuk: Lu You, Xun Yu, Zhuge Liang, Sun Quan, Chamberlain.
- Jumlah entri: 13658
- Statistik frekuensi kata Corpus: SINA News
- Diperbarui: 2016-12-24
- Kontributor: Han Shiyi, Zhang Yuhui, Ma Yunshan
- Unduh tautan: Klik di sini untuk mengunduh
Puisi
- Pengantar Daftar Kosakata: Daftar kosa kata ini berisi sejumlah besar puisi dan kalimat terkenal.
- Contoh Masuk: Pergi ke tingkat berikutnya, Anda masih memiliki pipa yang menutupi wajah Anda, jalannya panjang dan sulit, tidak peduli bagaimana angin timur, barat, selatan dan utara.
- Jumlah entri: 13703
- Statistik frekuensi kata Corpus: SINA News
- Diperbarui: 2017-01-20
- Kontributor: Zhang Yuhui, Han Shiyi, Ma Yunshan
- Unduh tautan: Klik di sini untuk mengunduh
obat
- Pengantar Kosakata: Kosakata ini berisi sejumlah besar kosakata medis.
- Contoh masuk: Pasien, kemacetan, ruam, cordyceps sinensis.
- Jumlah entri: 18749
- Statistik frekuensi kata Corpus: SINA News
- Diperbarui: 2017-01-20
- Kontributor: Zhang Yuhui, Han Shiyi, Ma Yunshan
- Unduh tautan: Klik di sini untuk mengunduh
diet
- Pengantar Kamus: Kamus ini mengandung sebagian besar kosa kata diet.
- Contoh masuk: Kentang, panci panas, pasta, buah, jamur kepala monyet.
- Jumlah entri: 8974
- Statistik Frekuensi Kata Corpus: Bahan Sogou
- Diperbarui: 2017-04-20
- Kontributor: Wang Mengyuan, Wu Jiaoyu, Huang Weijie, Lin Yongtian
- Unduh tautan: Klik di sini untuk mengunduh
hukum
- Pengantar Kamus: Kamus ini berisi sebagian besar kosa kata hukum.
- Contoh masuk: Hak cipta, departemen yang relevan, perusahaan perseroan terbatas, hakim Pengadilan Tanah, Sistem Manor Jepang.
- Jumlah entri: 9896
- Statistik Frekuensi Kata Corpus: Bahan Sogou
- Diperbarui: 2017-04-28
- Kontributor: Wang Mengyuan, Wu Jiaoyu, Huang Weijie, Lin Yongtian
- Unduh tautan: Klik di sini untuk mengunduh
mobil
- Pengantar Kamus: Kamus ini berisi sebagian besar kosa kata otomotif.
- Contoh masuk: Sedan, Auto Show, Dongfeng Honda, Kaca Depan Depan, Sichuan Toyota.
- Jumlah entri: 1752
- Statistik Frekuensi Kata Corpus: Bahan Sogou
- Diperbarui: 2017-05-15
- Kontributor: Wang Mengyuan, Wu Jiaoyu, Huang Weijie, Lin Yongtian
- Unduh tautan: Klik di sini untuk mengunduh
hewan
- Pengantar Kamus: Kamus ini berisi sebagian besar kosa kata hewan.
- Contoh masuk: merpati pembawa, rusa sika, merpati jalanan, tanaman merambat persegi, merpati hutan berbintik -bintik.
- Jumlah entri: 17287
- Statistik Frekuensi Kata Corpus: Bahan Sogou
- Diperbarui: 2017-06-01
- Kontributor: Wang Mengyuan, Wu Jiaoyu, Huang Weijie, Lin Yongtian
- Unduh tautan: Klik di sini untuk mengunduh
Protokol Sumber Terbuka
- Thuocl bebas ke universitas domestik dan asing, lembaga penelitian, perusahaan, lembaga dan individu, dan dapat digunakan untuk penelitian dan bisnis.
- Setiap komentar dan saran yang berharga dipersilakan untuk menyediakan toolkit ini. Silakan kirim email ke [email protected].
- Jika Anda mempublikasikan makalah atau mendapatkan hasil penelitian ilmiah berdasarkan Thuocl, silakan menyatakan bahwa "Kamus Tiongkok Terbuka dari Universitas Tsinghua" digunakan saat menerbitkan makalah dan mengajukan hasil, dan mengutipnya dalam format berikut:
中文： 韩世依, 张钰晖, 马云山, 涂存超, 郭志芃, 刘知远, 孙茂松. THUOCL：清华大学开放中文词库. 2016.
英文： Shiyi Han, Yuhui Zhang, Yunshan Ma, Cunchao Tu, Zhipeng Guo, Zhiyuan Liu, Maosong Sun. THUOCL: Tsinghua Open Chinese Lexicon. 2016.
pengarang
Contributors: Shiyi Han (Han Shiyi, undergraduate student at Beijing University of Aeronautics and Astronautics), Yuhui Zhang (Zhang Yuhui, undergraduate student at Tsinghua University), Yunshan Ma (Ma Yunshan), Cunchao Tu (Tu Cunchao, doctoral student at Tsinghua University), Zhipeng Guo (Guo Zhipeng, mahasiswa sarjana di Universitas Tsinghua).
Instruktur: Zhiyuan Liu (Liu Zhiyuan, Asisten Profesor di Universitas Tsinghua), Maosong Sun (Sun, Profesor di Universitas Tsinghua).
