【分享】一个免费语料库

墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 600+累计阅读 695平均单平台已同步平台优快云微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网我也要 → 码龄18年

关注

原创最新推荐文章于 2026-04-15 09:57:52 发布 695 阅读 AI 写同款· GEO 优化 ›

解锁NLP新境界：免费语料库资源大揭秘！ PyCharm社区版安装指南](https://github.com/jalajthanakiNLPython/blob/master/ch2/Pycharm_installation_guide.md)NLTK（Natural Language Toolkit）是Python中最受欢迎的NLP库之一，它内置了许多有用的语料库。今天，我们将带你探索一些免费的NLP语料库资源，助你在NLP项目中一臂之力！- [Bernard Marr的个人博客](https://www.bernardmarr.com/) 阅读详情

https://www.openslr.org/resources.php

需要中文语料库的小伙伴可以搜索“Mandrain”，我找到5个，分别是：

SLR33

SLR38

SLR47

SLR62

SLR68

下载可以选择中国的镜像站点

收录于

当前文章被以下社区和专栏收录：

标签

#深度学习 #pytorch

语料库语言学：方法论指南 语料库在语言学中被广泛使用，但并不总是合适的。本书尝试将语料库语言学（Corpus Linguistics）以另一种观测方法方式来系统熟悉它涉及的知识。本书的第一部分向读者介绍有关语料库数据的一般方法论，讨论下语料库语言学中的实际应用，包括诸如科学研究周期，研究设计，语料库数据提取和统计评估等问题。本书第二部分包括语料库语言学主要领域（词汇关联，形态学，语法，文本和隐喻）的一些案例研究，调查了语料库语言学研究的问题范围，同时展示了它们如何适配本书第一部分中概述的方法。 bshq：语... 阅读详情

相关推荐

你的语料库“平衡”吗？从零开始设计一个可用的中文NLP数据集避坑指南

本文探讨了构建高质量中文NLP语料库的关键原则和实用技巧，特别强调语料库的平衡性和科学性设计。从真实性、代表性到分布性等七大核心原则出发，提供了针对中文处理的特殊挑战解决方案，包括分词标准选择、标注规范制定等，并推荐了现代语料库管理工具链和小规模高质量语料库构建策略，助力开发者避开常见陷阱。

weixin_30952535的博客 592

NLP 民工的乐园

今天在 GitHub 上看到一个非常受欢迎的仓库，33.7K。https://github.com/fighting41love/funNLP它几乎最全的中文 NLP 资源库，很多包非常有...

somenzz的博客 1万+

20、网络作为语料库：从下载到上传的变革

本文探讨了网络作为语料库在语料库语言学中的变革性作用，从Web 2.0时代的用户生成内容、维基百科的多语言潜力，到云端语料库与集体智慧驱动的合作模式，全面分析了网络语料的多元特性、技术应用及未来趋势。文章还比较了网络搜索与语料库搜索的异同，阐述了语料库概念的演变，并强调传统语料库研究与网络语料库研究将长期共存，共同推动语言学的发展。

fox11的博客 58

OpenSLR 中国镜像背后的数据存储服务商，原来是这样一家公司！

张晴晴作者 | 夕颜采访嘉宾 | 张晴晴出品 | 优快云（ID:优快云news）从事语音领域的开发者、学习者一定对OpenSLR不陌生，这个美国著名的语音资源开放平台托管着来自世界各...

优快云资讯 5193

维基百科英文语料库压缩包详解

本文还有配套的精品资源，点击获取简介：本文档为英文维基百科语料库的压缩包，适用于自然语言处理任务。经过预处理，数据包括分词、去停用词、英文小写、词干提取和词形还原等步骤，提高了语料的分析效率和质量。预处理后的语料库适合用于文本分类、情感分析、机器翻译等任务，并且由于其来源的开放性与多样性，为AI研究提供了丰富的语言数据。压缩包内包含多个独立文件，覆盖了不同的维基百科英文文...

weixin_42611177的博客 1586

保姆级教程：用AdGuard DNS代理实现全设备广告过滤（含Win/Mac/安卓/iOS配置）

本文提供了一份详尽的AdGuard DNS代理配置指南，帮助用户在全设备（Win/Mac/安卓/iOS）上实现广告过滤。通过系统级DNS设置，AdGuard能有效拦截广告、跟踪器和恶意网站，提升隐私保护和浏览效率。教程涵盖原理说明、各平台配置步骤及高级优化技巧，适合不同技术水平的用户。

weixin_42656416的博客 818

语音识别实践、Kaldi下跑清华30小时例程（thchs30）笔记

这一周在kaldi下跑thchs30例程，做了些笔记，记录以下（黑体字是要运行的命令，实际上是从run.sh分离出来的）如果自行下载语料的话，推荐一个openslr的镜像网址，速度快很多 http://openslr.magicdatatech.com/18/ 因为服务器里有thchs30语料了，在/data/ASR/data_537h/路径下，直接将其解压到s5： tar zxvf /data/ASR/data_537h/data_thchs30.tgz -C /work/kaldi/e...

qq_16324149的博客 4080

RTC时钟芯片替换代码移植-IIC通信

1、问题 RTC时钟芯片由爱普生RX-8010SJ更换成大普INS5710A，两者都是IIC通信，更换大普芯片后时钟不走、以及报掉电错误。仿真分析原因是CPU和RTC芯片收发数据延时不够导致，根据爱普生芯片手册，8010收发数据不采取延时，但大普芯片采用同样方式读取不行(需要加延时) 2、RX-8010SJ手册说明（以读取数据为例）（1）寄存器读操作时序图指定地址读操作： 1）CPU 发送开始条件[S] 2）CPU 传输RX-8010SJ 的从地址，用R/W 位设定写模式 3）检测从RX-8010

weixin_42851683的博客 2066

Kaldi数据下载很慢

运行kaldi 的run.sh文件时，数据集在openslr上，数据集比较大（例如aishell，总共15G）,国内网络情况下下载比较慢。 1）修改为国内地址例如 aishell，默认的run.sh里写的是www.openslr.org/resources/33，需要改为国内站点，http://openslr.magicdatatech.com/resources/33。其他目录可以看：http://openslr.magicdatatech.com/resources.php 2）即使修改为.

youarehappy的博客 2308

大模型系统构建的“三驾马车”——Prompt、Context与Harness工程

在LLM应用开发的早期阶段，我们热衷于比拼“提示词”的精妙程度。那时，一个精心构造的思维链CoT就能让模型的表现提升10%以上。随着大模型从“玩具”走向“生产系统”，我们逐渐意识到：单一的 Prompt 只是起点，而非终点。真正的工业级应用，需要构建一套三层递进的工程体系——Prompt Engineering、Context Engineering 和 Harness Engineering。

西木风落 604

Arcgis 10.3 与 ArcGIS Engine 10.3 安装与破解

weixin_52127098的博客 4724

语音识别(ASR)论文优选：粤语语料集Automatic Speech Recognition Datasets in Cantonese Language: A Survey and a New D

声明：平时看些文章做些笔记分享出来，文章中难免存在错误的地方，还望大家海涵。搜集一些资料，方便查阅学习：http://yqli.tech/page/speech.html。语音合成领域论文列表请访问http://yqli.tech/page/tts_paper.html，语音识别领域论文统计请访问http://yqli.tech/page/asr_paper.html。如何查找语音资料请参考文章https://mp.weixin.qq.com/s/eJcpsfs3OuhrccJ7_BvKOg）。如有转载，请

低调奋进 3500

淘宝抓包，直达函数内部request请求体和response响应体，告别FD， Charles，SSL，justtrustme 等http代理，证书工具。

淘宝抓包，hook发包函数，直接获取response相应数据

binary66的博客 4468

国内可用免费语料库

qq_38573437的博客 639

XGBoost详解（原理篇）

XGBoost全称为eXtreme Gradient Boosting，即极致梯度提升树。XGBoost是Boosting算法的其中一种，Boosting算法的思想是将许多弱分类器集成在一起，形成一个强分类器（个体学习器间存在强依赖关系，必须串行生成的序列化方法）。Note：关于Boosting算法详见博文集成学习详解_tt丫的博客-优快云博客XGBoost是一种提升树模型，即它将许多树模型集成在一起，形成一个很强的分类器。其中所用到的树模型则是CART回归树模型。

tt丫的博客 7万+

SAP 批量处理分包事后调整：BAPI_GOODSMVT_CREATE 关键参数与避坑指南

本文详细解析了SAP系统中使用BAPI_GOODSMVT_CREATE进行分包事后批量调整的关键参数配置与常见错误排查。重点介绍了GOODSMVT_CODE设置为'07'的必要性、GOODSMVT_ITEM结构体的正确配置方法，以及如何避免M7384、M7386等常见错误，帮助用户高效处理分包业务中的数量调整问题。

weixin_29276847的博客 566

语料库汇总

taotaoahui 2573

YOLOv11涨点改进 | NeurIPS2025最佳论文！注意力改进篇| 引入Gated Attention门控注意力模块、太牛了！直接拯救了大模型的发展，助力目标检测、图像分割、图像分类有效涨点

本文提出了一种基于门控注意力机制(GatedAttention)的YOLOv11改进方法。该模块通过在标准注意力机制中引入头部特定的sigmoid门控，有效提升了模型性能和训练稳定性。实验表明，GatedAttention能够增强模型对关键信息的聚焦能力，减少无关区域关注，提高检测精度。同时，门控机制带来的非线性和稀疏性优化了计算效率，并缓解了训练不稳定性问题。文章详细介绍了模块原理、实现代码及三种改进方案配置方法，为YOLOv11在复杂场景下的目标检测提供了有效解决方案。

Ai缝合怪、助力小伙伴高效发论文 494

【汇总】语料库资源

感谢豆友prayever分享：Tmxmall是公开的专业平行双语语料库平台，可以查询和下载双语语料库。www.tmxmall.com 国内可用免费语料库（凡没有标注不可用的链接均可用）(一) 国家语委1.国家语委现代汉语语料库http://www.cncorpus.org/现代汉语通用平衡语料库现在重新开放网络查询了。重开后的在线检索速度更快，功能更强，同时提供检索结果下载。现代汉语语料库在线提...

sugar_001的博客 1608

复分析阿尔福斯(Ahlfors) 第三版答案英文

答案分为十章，有部分习题没有答案，全英文复分析阿尔福斯(Ahlfors) 第三版答案

VC中sqlite的使用

在VC中对sqlite的使用，实现数据库大批数据的快速插入，读取数据库中的数据在ListCtrl中显示

【亲测免费】中文聊天对话语料库介绍

中文聊天对话语料库介绍【下载地址】中文聊天对话语料库介绍欢迎来到中文聊天对话语料集合项目！本项目致力于整合网络上零散的开源中文聊天数据，为您提供一个系统化、易于使用的语料库。我们精心搜集并整理了八大类热门且广泛应用于闲聊场景的中文语料，包括但不限于来自ChatterBot、豆瓣多轮对话、PTT八卦版、青云语料、电视剧...

gitblog_09733的博客 1335

SIMATIC S7-1200, S7-1500 PID 控制[手册]

对外汉语语料库有哪些_燃，9大对外汉语必备语料库，每个都很有“性格”！！...

原标题：燃，9大对外汉语必备语料库，每个都很有“性格”！！【汉府君按】语料库建设是最近几年一个热门的话题，也成为很多会议上的议题。对于对外汉语教学方面来说，语料库很多，但是对外开放的不多，真的是有点浪费。但是也有些语料库是面向社会开放的，早在一年前，平台君整理了目前国内质量较高、且可以免费使用的语料库。前几天，在微信群里，有学生问有没有语料库推荐的，今天，我把这些语料库进行整理，再次分享给大家。每...

weixin_40006977的博客 3387

对外汉语语料库有哪些_史上最全最新的语料库资源大全【对外汉语教学研究工具】...

果断收藏！分享给好友！史上最全最新的语料库资源大全。本文持续更新，欢迎订阅期刊《对外汉语北京》以便获得最新通知！【期刊】International Journal of Corpus LinguisticsCorpus Linguistics and Linguistic TheoryCorpora欢迎关注新浪微博【对外汉语北京】【网站】语料库在线 http://www.cncorpus.org/...

weixin_39602891的博客 2156

【免费下载】中文聊天对话语料库：开启智能对话新纪元

中文聊天对话语料库：开启智能对话新纪元【下载地址】中文聊天对话语料库介绍欢迎来到中文聊天对话语料集合项目！本项目致力于整合网络上零散的开源中文聊天数据，为您提供一个系统化、易于使用的语料库。我们精心搜集并整理了八大类热门且广泛应用于闲聊场景的中文语料，包括但不限于来自ChatterBot、豆瓣多轮对话、PTT八卦版、...

gitblog_09780的博客 1596

软件界面中英文对照_语料库相关软件推荐

1.视频教程都指向B站up主Ethan_LSJ，他做的教程较为详细，十分推荐新手观看。2.本文最后有所有工具的打包分享链接单语语料库软件 Antconc 视频教程(https://www.bilibili.com/video/BV1z5411t7FN)Laurence Anthony's Antconc ((http://www.laurenceanthony.ne...

weixin_30938397的博客 2679

【亲测免费】探索前沿AI：EFAQA语料库，助力中文问答系统发展

探索前沿AI：EFAQA语料库，助力中文问答系统发展项目简介是由ChatOpera团队精心打造的一个高质量的中文问答数据集。该项目旨在为自然语言处理（NLP）和人工智能（AI）开发者提供一个丰富的资源，特别是对于增强式学习在自动问答系统中的应用。通过这个项目，您可以获取到大量经过结构化处理的真实世界问题与答案对，以便于训练和优化您的AI模型。技术分析 EFAQA语料库主要由以下几个核心部分组...

gitblog_00071的博客 487

上一篇：【转载】Android进程间通信机制-管道

下一篇：【转载】如何理解数据集中【训练集】、【验证集】和【测试集】

你的语料库“平衡”吗？从零开始设计一个可用的中文NLP数据集避坑指南

weixin_30952535的博客

03-23

592