zhangkaixu / tenseg

一个中文自然语言处理工具集

一个中文自然语言处理工具集

基于字标注的分词模型

一个广为流传的baseline

基于词的序列切分标注联合模型

可用于简单的分词，也可以用于词性标注，或者实体识别。

正文提取

提取新闻标题、关键词、正文的python2脚本。基于 python-readability

未来计划

• 关键词提取
• 实体识别模型
• 文本去重

相关项目

• 正文提取
  • python-readability
• 存储、索引
  • weed-fs
  • MongoDB
  • elasticsearch