1回答
我第一次使用Stanford标签(这是第一次)，虽然它正确地标记了英语，但即使在更改模型参数时，它似乎也不识别(简体)中文。我忽略了什么吗？
我已经从这里下载并解压了最新的完整版本：
然后，我将示例文本输入到“sam-input.txt”中。
这是一个测试的句子。这是另一个句子。
然后我就跑
/斯坦福-postagger.sh模型/中文-dissim.tagger样本-input.txt
预期的输出是将每个单词标记为词性的一部分，但它将整个文本字符串识别为一个单词：
从标签模型/中文-dissim.tagger加载默认属性
从模型/中文阅读POS标签模型.完成3.5秒。
這是
浏览 0提问于2013-04-18得票数 5
回答已采纳
我在visual studio上运行一个带有单独身份验证的ASP应用程序。当我检查验证时，错误语句显示为中文。我检查了控制器、查看器和一些JS文件。我找不到任何中文单词。我希望这些错误句子是英语的。
是不是因为我的电脑系统或者chrome版本是中文的？我可以在哪里更改语言？
浏览 1提问于2020-09-26得票数 0
3回答
我有这行代码：
bitext = [[sentence.strip().split()
for sentence in pair if len(sentence) < 100]
for pair in zip(open(c_data), open(e_data))[:opts.num_sents]]
c_data是一个带有中文句子的文件
e_data是一个带有英语句子的文件。
bitext应该是一个包含一对英汉句子的列表，它们是相互翻译的。
因为这两个数据文件都很大，
我只想减少代码的复杂性，只考虑长度低于一定长度的句子。长度以字符来衡量。
浏览 2提问于2013-03-04得票数 1
回答已采纳
我有分段的资源和资源来匹配我的分段句子。
在生成解析树之前，我如何阻止斯坦福CoreNLP对我的句子进行分段？
我在做中文作品。
浏览 1提问于2016-12-03得票数 0
回答已采纳
我目前正在使用。
我的字串/词句中既有英文也有中文。
以下是问题所在：
如果句子在英语中是ALL，那么它在LUIS中工作得很好。原因很可能是因为一个句子是由不同的词组成的，这些词被一个“空格”分隔开来。
然而，在中文(繁体和简体)中，句子是由拼凑在一起，很难分开的词组成的。
例如，我可以用英语写：
I love you so much：这里有5个单词。在LUIS中，我可以选择I love you并将其转换为一个实体。稍后，当更多像I love you这样的词出现在LUIS中时，它可以很容易地识别出相关的意图。
然而，如果我用中文写：
我很喜歡你：它的意思和上面的英语一样。根据路易斯，它将被计算
浏览 3提问于2018-04-13得票数 1
我正在做神经机器翻译，把英语句子翻译成美国手语句子(例如下面的例子)。我有一个很小的数据集-大约1000个句子对。我想知道是否有可能微调伯特，埃尔莫或XLnet的Seq2seq编解码机翻译。
中文:他卖食物。
美国手语:他卖的食物
浏览 0提问于2020-02-24得票数 2
我正在用漂亮的汤刮一个网页：，我想得到英语句子和一对中文翻译演示句。现在我可以用这个命令找到所有的英文句子和中文句子：
from urllib.request import Request, urlopen
from bs4 import BeautifulSoup
def parseDictWeb():
print("parse....")
url = "http://www.jukuu.com/search.php?q=apple"
req = Request(url, headers={'User-Agent':
浏览 0提问于2021-10-21得票数 0
回答已采纳
3回答
中文文档的句子拆分
、、、
我必须将中文文本分成多个句子。我试过斯坦福大学的DocumentPreProcessor。它在英语上运行得很好，但在中文上就不行。
请你能让我知道有什么好的中文分句最好是在Java或Python。
浏览 3提问于2014-12-12得票数 5
我有一个字符串，是一个句子，用中文写的。
它包含中文字符和其他填充符，如空格、逗号、感叹号等，所有这些都是用UTF8编码的。
使用带有latin1字符串的正则表达式，我可以使用preg_replace和[a-zA-Z]来清理它并删除填充符。
如何在删除所有填充项的同时，只保留中文字符串中的“字母”字符？
浏览 3提问于2012-01-24得票数 1
回答已采纳
2回答
我有一个主要包含中文字符的字符串，如下所示：
string sentence = "我想找到从夏洛特飞往拉斯维加斯，让站在圣路易斯";
如何按字符拆分句子？最终，我希望能够获取字符串，并将其写到一个文件中，每个字符都在自己的行上，如下所示：
我
想
找
到
从
夏
洛
特
飞
往
拉
斯
维
加
斯
，
让
站
在
圣
路
易
斯
我试过这样做：
StringBuilder s = new StringBuilder();
foreach (char character in sentence.ToCharArray())
{
s.Append(character +
浏览 0提问于2012-07-06得票数 3
回答已采纳
我有一个文本文件，其中一行写着中文单词。这行代码用"\r\n"括起来，并使用fileOutputStream.write(string.getBytes())编写。
我可以很好地阅读英文单词，我的缓冲阅读器可以用readLine()完美地解析它。然而，它将中文句子识别为多行，从而扰乱了我的程序流程。
有什么解决方案吗？
浏览 2提问于2011-02-11得票数 2
我想用tf.data.TextLineDataset()来读中文句子，然后用map()函数把它拆分成一个单词，但是tf.split对中文不起作用。
浏览 5提问于2017-12-27得票数 0
1回答
汉语情感分析工具
、、、
我正在对一些最新的中国情绪分析工具进行研究。我的目的是在一组句子上评估每个工具的分析结果--我在寻找句子级分析而不是文档级分析。这组句子将从社交网站中随机抽取，即句子最有可能是口语的。特别是，我正在寻找具有下列规格的工具(至少4种)：
分析量表必须至少有两个值，即正值或负值。(我相信所有情绪分析tools...just都是如此，以防万一)
该工具最好能为任何中文句子获得一个情感评分，即它使用的数据集足够大，足以涵盖大多数常用的单词。
该工具最好是开源的.
该工具最好是SDK或API。
提前感谢！
浏览 0提问于2015-05-17得票数 2
10回答
把句子分成几个单独的词
、、、
我需要把一个中文句子分成几个单独的单词。中文的问题是没有空格。例如，这个句子看起来可能是：主楼怎么走 (空格是：主楼 怎么 走)。
现在我可以想出一个解决方案。我有一本有中文单词的词典(在数据库里)。剧本将：
尝试在数据库(主楼)中找到句子的前两个字符，
如果主楼实际上是一个单词，并且它在数据库中，脚本将尝试查找前三个字符(主楼怎)。主楼怎不是一个单词，所以它不在数据库=>中，我的应用程序现在知道主楼是一个单独的单词。
试着和其他角色一起做。
我真的不喜欢这种方法，因为即使分析一个小文本，它也会查询数据库太多次。
对此还有其他解决办法吗？
浏览 15提问于2010-01-26得票数 14
回答已采纳
1回答
我的应用程序为不同语言(I18N)使用资源包。
string.toLowerCase()
整个应用程序都使用小写来组合句子。
问题：lowerCase不适用于德语名词。
资源束：
中文: resource_day = Day
德语: resource_day = Tag
句子：
中文:这是第一个day。
德文:死于德国Tag。
正如你所看到的:德语用大写字母来表示名词。
代码：
sentence = resource_start + number + resource_day.toLowerCase();
区分英语和德语的最好方法是什么？
浏览 0提问于2016-01-07得票数 0
回答已采纳
全,
我的理解是，基于的Open IE分析还不适用于中文文本。
然而，在这个结果中，我使用了一个简单的中文句子，“”(LuXun住在上海)，它返回鲁迅住在上海IE结果：
有人能告诉我Open IE现在是否支持中文文本吗？
非常感谢！
浏览 0提问于2018-06-28得票数 0
2回答
有没有一种区分文化的方法来识别字符串中的句子？
或者，在.NET框架(或其他地方)中有什么东西提供了特定于文化的句子结束符
例如，英语中使用“.”、“！”、“？”(和其他的)来标记句子的结束，中文使用。泰语使用空格。
浏览 2提问于2010-12-05得票数 3
回答已采纳
根据GNOME指南，如何用Git消息来写句子？
在git提交消息中，句子应该以大写字母开头，以句号结尾，还是小写不带句号？建议是什么？
顺便说一句。我问的是英语，不是中文。
浏览 0提问于2016-06-13得票数 -3
回答已采纳
我想更新页面，这样所有的中文句子都包含额外的空格，每个中文字符在它之前都有一个空格。 如果我按\S找到所有多余的空间，然后删除全部，页面会变得一团糟。 按\S键查找代码中所有多余的空格将花费大量时间，然后逐个剪切特定的中文字符。 ?
浏览 14提问于2020-01-15得票数 0
我的views.py中的中文单词会导致失败，当我删除这些词时，它将是正确的。这些中文单词只出现在print句子中。
这是解码/编码问题吗？我怎么才能修好它呢？
当我在我的服务器上vim views.py时，它会显示中文单词不正确。所以我想也许这是一个解码/非节点问题，对吗？
浏览 5提问于2013-07-29得票数 1
回答已采纳
因为我刚刚使用了一个机器人类来模仿用户在记事本上输入一些单词，现在我想使用系统的输入法输入一些中文句子(看起来非常生动)。
如何检测输入法是否为中文？
浏览 1提问于2015-03-13得票数 0
1回答
我正在实现一个应用程序，它允许用户更改标签中句子的字体。这句话包含中、英两种文字。我现在做的是用户可以选择一种字体，该字体将适用于中、英文字符。
现在用户认为，对于汉字，应该使用另一种字体。这意味着在同一句话中，英文字符使用字体A，汉字使用字体B，字型A&B应该由用户选择。这个函数就像Microsoft中的字体设置，就像下面的链接一样。
请注意，一旦用户选择了中文字体，句子中的所有汉字都会自动更改为该字体。而句子中的汉字取决于一些输入文件。
我知道wpf中有一种叫做复合字体的东西。但我不知道怎么实现。谢谢!
浏览 3提问于2015-03-24得票数 1
回答已采纳
2回答
我有一个中文句子，我想用中文标点符号把它分开。但它失败了。我在文件中使用了utf-8编码。
std::string src = "使用boost split失败了，不知道什么原因。有人可以告诉我吗？谢谢！";
boost::split(results, src, boost::is_any_of(",.，。"));
拆分结果为：
["使用boost split失败了", "", "", "不知道�", "么原因", "", "", "有人可以
浏览 1提问于2017-04-05得票数 1
3回答
非英语文本的词义差异
、、、
如何对人类语言文本(中文)进行逐字区分？
我在一个git仓库里有一些中文的纯文本。这篇文章已经编辑好了，我想看看哪些词被加/删除了。文件中的一行代表一整段文字，所以简单的差别是不够的:我们知道在一定数量的段落中发生了一些变化，但我们无法看到其中哪些句子/单词发生了变化。
更糟糕的是，正如我所说的，文本是中文的。与英语和其他印欧语不同，汉语不使用空格作为分隔符.整个段落，加上中文标点符号，构成一个没有任何空格的统一块。因此，git diff -word-diff一点帮助都没有。
有没有办法在中文文本的两个版本之间有一个人类可读的区别？每一个字都有相当于-字差的吗？
浏览 5提问于2014-10-01得票数 1
回答已采纳
1回答
我正在写一个HTML文档，其中混合了中英文文本。中文不是我的第一语言，所以我更喜欢中文文本比平常大一点，这样我就能清楚地看到笔画。我正试图对文件进行样式化以实现这一点。
明显的CSS解决方案：
:lang(zh-Hans) {font-size: 1.2em;}
问题就不那么明显了。在每个嵌套元素(任何类型)中，字体大小再乘以20%。在下面的例子中，每个中文句子都比前面的句子大。
<html>
<head>
<style type="text/css">
:lang(zh-Hans) {font-size: 1.2em
浏览 2提问于2014-03-21得票数 0
回答已采纳
1回答
首先，我对数据库的了解是有限的。
我有一个视频表(在服务器数据库中)，其中有一个subtitle_content列，它是中、英文文本类型。这是视频表中列的一个示例文本，实际上是srt副标题(注:中文句子是前面英语的翻译。视频表的行数大约为10至15 000行，每一行的列将包含大约100行文本，如下所示：
1
00:00:02,000 -> 00:00:04,330
13米你应该看看。
13米您应该看到它。
2
00:00:17,682 -> 00:00:19,392
好吧，把她抬起来越过船头栏杆。
好吧，将她抬起并越过弓杆。
3.
00:00:21,853 -> 00:00:
浏览 1提问于2020-05-24得票数 0
2回答
句子嵌入聚类
、、、、
我正在做一个小项目，在这个项目中，我需要从我从网站提取的html内容中删除不相关的信息(例如广告)。因为我是NLP的初学者，所以在做了一些研究之后，我想出了一个简单的方法。 网站中使用的语言主要是中文，我将每个句子(用逗号分隔)存储在一个列表中。我使用一个名为HanLP的模型对我的句子进行语义解析。如下所示： [['萨哈夫', '说', '，', '伊拉克', '将', '同', '联合国', '销毁', '伊拉克', '大', &#
浏览 32提问于2020-10-21得票数 0
3回答
假设英语中的句子：
String s = "Your Last Login was 2013/10/04 13:06:45 ( 0 Days, 0 Hours, 0 Minutes )";
中文的句子：
String s = "您上次登录是 2013/10/04 13:06:45（ 0 天， 0 小时 0 分钟 ）";
我试过了
String[] words = s.split("\\s+");
for (int i = 0; i < words.length; i++) {
System.out.println(words[i
浏览 4提问于2013-10-04得票数 2
回答已采纳
我有中文新闻提要，我想把句子分成更小的块传递给API。
在ios中怎么做？我将英文的字符长度设置为50个字符。
目前我正在使用rangeOfString:函数来查找点、逗号和插入句子。
NSString *str = nil, *rem = nil;
str = [final substringToIndex:MAX_CHAR_Private];
rem = [final substringFromIndex:MAX_CHAR_Private];
NSRange rng = [rem rangeOfString:@"?"];
if (rng.location == NSNo
浏览 2提问于2014-07-02得票数 0
想知道Visual版本0.6中文本框中出现一个单词的次数吗？我试着用清单上的计数器，但效果不好。
例如:在下面的句子中：“去玩，回家去”.动词"go“出现2次..then。我想要计算动词"go“出现次数的代码，例如通过标签对我说:2次
例如:在下面的句子中：“去玩，回家去”.动词"go“出现2次..then。我想要计算动词"go“出现次数的代码，例如通过标签对我说:2次
浏览 1提问于2014-04-16得票数 0
回答已采纳
我想用python的接口来处理一些中文句子，因为我对Java一点也不熟悉。这里的problem.It官方网站给出的接口似乎只能用于英文句子。我尝试修改parser.py的代码，但我遇到了许多困难。所以，我想知道你们中是否有人像我一样遇到过这样的问题，并能给我一些如何解决它的想法？非常感谢。
浏览 4提问于2014-11-29得票数 1
1回答
我有一个文本文件。有上百行。每一行要么是英文的，要么是中文的，但不能同时使用(有几个例外，但可能少于10个，所以这些都是可发现和可管理的)。一行可以包含多个句子。我最后想要的是两个文件，一个是英文的，另一个是中文的。
这些行往往是不同的语言，但并不总是如此。有时在英文中可能有两行，在中文中可能有一行。
有没有办法使用Sed或Awk将语言分成两个不同的文本文件？
浏览 1提问于2015-08-19得票数 0
我正在试着写一个正则表达式来提取中英文的标签内容。中文中的标签表示方式与英文中的标签不同。使用了两个标签符号，并将内容放在它们之间，例如#中国#。另外，中文中不使用空格。一个例子是 我来自#中国#。 英语中对应的句子是 I'm from #China. 是否可以编写一个正则表达式来提取这两种语言的hashtag？如果是这样的话，是怎么做的？
浏览 61提问于2019-01-08得票数 0
回答已采纳
我有一个中文的txt文件，里面有成千上万的句子，如下所示，
第1行
第2行
第3行
第4行
…………
我想把每两条相邻的线合并成一行，它应该转换为：
第1行+空间+第2行
第3行+空格+第4行
第5行+空间+第6行…………
如何使用Python完成组合？
浏览 5提问于2016-06-06得票数 0
我的环境：
CoreNLP 3.5.1
斯坦福-中文-corenlp-2015-01-30-模型
中文默认属性文件:StanfordCoreNLP-chinese.properties
annotators = segment, ssplit
我的测试文本是"這是第一個句子。這是第二個句子。"，我从
val sentences = annotation.get(classOf[SentencesAnnotation])
for (sent <- sentences) {
count+=1
println("senten
浏览 4提问于2015-04-09得票数 4
回答已采纳
2回答
我正在尝试将utf-8字符串解析成“一口大小”的片段。例如，我想把一个文本分解成几个“句子”。
是否有与所有语言中的句子结尾相对应的字符(或正则表达式)的综合集合？我在找一些能捕捉到拉丁语句号，感叹号和问号，中文和日语句号等的东西。
类似于上面的内容，但是对于等同于逗号的内容也很好。
浏览 0提问于2012-03-01得票数 7
回答已采纳
现在，我在标记后有一个段落，我想在NLTK中将其分成单独的句子。
我想到的第一个想法就是用<PU>标签来实现，就像, .标点符号那样。所以正则表达式如下所示：
grammer = r"""
NP:
{<.*>+}
}<PU>{
"""
然而，我发现我遗漏了其他标点符号，如(，)，{，}……
因为标点符号( )是用来拆分句子的，所以上面的方法不能很好地适用于下面的句子。
客户#NN 表示#VV 销售人员#NN 挺#AD 热情#VA 的#SP ，#PU 而且#
浏览 1提问于2015-09-09得票数 2
我有一串中文文本：
×××。xxxx.某某。某某。×××。xxxCxxxx。
如何使用regex解析包含字母"C“的句子？
xxxCxxxx。
裁判官：
/。.+?C.+?。/
给出了这个结果：
"。xxxx。xxx。xxx。xxxxx。xxxCxxxx。"
更新：
找到答案：[^。]*C[^。]*
有人能解释为什么/[^。]*C[^。]*。/工作而/。.+?C.+?。/不工作吗？
浏览 2提问于2017-10-05得票数 1
回答已采纳
我希望匹配所有标点符号，但不是像"I'm“中那样的"'”。例如，在下面的句子中：
I'm a student, but I'm also working.
^not match ^match ^not ^match
我可以使用"[[:punct:]]+“来匹配所有标点符号，但是我很难从匹配模式中排除"'”。
当然，我可以使用下面这样的东西来表示枚举，但它非常繁琐，特别是考虑到中文的标点符号也是如此。"[,.?!]“
请推荐一个更优雅的解决方案。
提前谢谢你，
于
浏览 1提问于2009-12-13得票数 2
回答已采纳
我有一个关于c++中文件输入的问题。我希望能够创建一个字符串变量并从文件中读入一句话。我该怎么做呢？这就是我到目前为止所拥有的代码。
#include <iostream>
#include <fstream>
#include <string>
using namespace std;
int main()
{
string word;
ifstream fin;
// Open the file
fin.open("file.txt");
// Read in the sentence from the file
fin >
浏览 0提问于2016-05-26得票数 1
我想使用正则表达式从php中的短语中找到特定的单词组合。我甚至不能让regex表达式部分起作用。
句子应与同一句中有(熟练/熟练/流利)(汉语/普通话/广东话)的词语相匹配。因此，它将匹配“她是流利的中文。”“他的普通话水平很好”
regex = (fluent)|(proficient)|(proficiency).*(chinese)|(mandarin)|(cantonese)
我可以让它匹配单词流利，但如何使它匹配在同一个句子中的两个词，然后才被认为是匹配的？
浏览 3提问于2014-10-29得票数 2
回答已采纳
3回答
我试图比较div中文本的值(这是一个句子)。和js变量中定义的文本：
function isSame(){
s="This is a sentence."
var text1 = $('#right').text();
var t1 = text1.replace(/ /g,'').replace(/ /g, '').replace(/\<br\s*[\/]?>/gi, '').replace('\t','');
var s1
浏览 5提问于2016-04-05得票数 0
回答已采纳
1回答
我正在使用来自的来显示聊天历史记录。
句子是使用pushLine添加的。为了清晰起见，天用行来划分(使用pushLine添加的另一个字符串)。每一行都与父BoxElement一样宽。
但是，如果调整了TUI的大小，则行不再适合。
我有两个问题：
那条线如何适应它的新宽度？
(加分)我怎样才能在这一行中间居中文字？
这一问题的一个例子如下：
/**
* Example.ts
*/
import * as blessed from 'blessed';
const screen = blessed.screen({
smartCSR: true,
浏览 4提问于2020-08-04得票数 9
回答已采纳
4回答
我有一个包含翻译概率P(c|e)的双语词典(“概率”)。这是给定一个特定的英文单词e，翻译成一个特定的中文单词c的概率。字典的关键字看起来像这样：probabilities[chinese_word + " | " + english_word]
我也有一个语料库("bitext")的中文句子对齐的英文翻译。现在，对于每一对句子，对于每个中文单词i，我想循环遍历所有英文单词j，并选择P(c_i | e_j)最高的单词。为此，我将变量argmax定义为0，并在概率相同或更高时更新此变量。
这就是问题所在:一些c|e组合具有完全相同的转换概率。但是，由于字典键必须是
浏览 0提问于2013-02-22得票数 0
回答已采纳
我试图用Python中的斯坦福分词来分割一个中文句子，但是目前的结果中有标点符号。我想返回没有标点符号的结果，只返回单词。做这件事的最好方法是什么？我试着在谷歌上搜索答案，但什么也没找到。
浏览 1提问于2015-03-06得票数 2
回答已采纳
1回答
我刚开始使用nltk，已经被卡住了。我想将文本文件拆分成单独的句子，并将每个句子设置为一个变量以供以后使用。我已经处理了第一部分：
import nltk
from nltk.tokenize import sent_tokenize
text1 = open('/Users/joshuablew/Documents/myCorpus/version1.txt').read()
sent_tokenize(text1)
这会打印出每个单独的句子：
['Who was the 44th president of the United States?',
浏览 4提问于2017-02-12得票数 0
将换行符转换为空格对英语是有意义的，例如，下面的HTML：
<p>
This is
a sentence.
</p>
在浏览器中将换行符转换为空格后，我们得到以下信息：
This is a sentence.
这对英语很好，但是对汉字没有好处，因为我们在汉语中不使用空格来分隔单词。这里有一个例子(中文句子的意思与“这是一个句子”的意思相同)：
<p>
这是
一句话。
</p>
我在Chrome，Safari和IE上得到以下结果.
这是 一句话。
...but我想要的是没有额外空间的以下内容：
这是一句话。
我不知道为什么浏览器不忽略换行符，如果当
浏览 4提问于2011-12-18得票数 19
回答已采纳
我在一个以中文为主的网站上工作，但是日语的短语和句子到处都是。对我来说，在字体上保持一个整体的统一风格是很重要的，同时要非常小心日语字符的显示方式。也就是说，我不能简单地把这些日文字用中文的同义词来代替。为此，我目前正在使用不同的中文和日文自定义字体。这些是视觉上类似的OTF字体，专为中文或日文而设计。我通过CSS @font-face命令加载它们。但是，这些.otf字体文件很大，需要几秒钟，甚至几分钟即可加载。此外，这发生在每一个新的网页，观众打开。我想知道是否有一个更快的方式加载这些字体。非常感谢您的帮助！
(警告:我是初学者。)
我的网站迎合中国大陆的观众，所以谷歌字体可能不是一个好的解
浏览 4提问于2017-01-05得票数 6
回答已采纳
1回答
根据陈博士以下的文章，我们可以描述高层次的实体关系。(见第10页、第11页和page9 of doc-B)
·doc-A)英语句子结构和实体-关系图。
http://www.maltercorp.com/DrPeterChen/english.pdf
·doc-B)英文、中文和ER图。
http://www.csc.lsu.edu/~chen/pdf/ER_C.pdf
这些文章说ERD是从下面的英文句子中翻译出来的。
--该产品已运给客户。
-本诉讼“船运”由办事员执行。
📷
然后再考虑另一个例子。
-客户被确认为银行卡。
-这一“识别”行动是由银行认证的。
-银行向他们的“客户”发出“银行卡
浏览 0提问于2012-05-14得票数 2
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
