IntroductionToNLP - ch02 - 2.1.2 词的性质—齐夫定律

icwb2-data 数据集：

由北京大学、香港城市大学、台湾 CKIP, Academia Sinica 及中国微软研究所联合发布的数据集，用以进行中文分词模型的训练。

其中 AS 和 CityU 为繁体中文数据集，PK 和 MSR 为简体中文数据集。

http://sighan.cs.uchicago.edu/bakeoff2005/data/icwb2-data.zip

自动下载失败，自己去下载一下。icwb2-data.zip - 50.2MB，还是会需要一点时间的。

这个期间，可学习下“齐夫定律”。http://www.cyzuo.cn/index.php/archives/21/

中文分词：指的是将一段文本拆分为一系列单词的过程。

标签：http,zip,icwb2,ch02,IntroductionToNLP,齐夫,data,分词
来源： https://www.cnblogs.com/hbuwyg/p/13155145.html