CorpusZH

一个中文的标注语料库。可用于训练HMM模型。

词性标注代码

	n   普通名词
	nt  时间名词
	nd  方位名词
	nl  处所名词
	nh  人名
	nhf 姓
	nhs 名
	ns  地名
	nn  族名
	ni  机构名
	nz  其他专名
	v   动词
	vd  趋向动词
	vl  联系动词
	vu  能愿动词
	a   形容词
	f   区别词
	m   数词　　
	q   量词
	d   副词
	r   代词
	p   介词
	c   连词
	u   助词
	e   叹词
	o   拟声词
	i   习用语
	j   缩略语
	h   前接成分
	k   后接成分
	g   语素字
	x   非语素字
	w   标点符号
	ws  非汉字字符串
	wu  其他未知的符号

合并所有语料库

$ node combineAll.js

执行之后会得到一个合并所有语料并格式化的语料库 all.txt。