首页|快讯|精选|一周|焦点|要闻|综合|今日|滚动|真相|世绘|百态|观点|深度|聚合|新度|智慧|趣味|即时|追踪|视野|视点|点击|分享|听闻|时讯|博览|推荐|维度|新知|热搜|热点|观看|新事|消息|荐闻|酷讯

今日GitHub热榜第一:最全中华古诗词数据库

时间:2020-02-11 02:39:44 量子位 网易

(原标题:今日GitHub热榜第一:最全中华古诗词数据库,收录30多万诗词)

收录5.5万首唐诗,超过28万首宋词,还囊括了诗经、论语、蒙学等……

这个名为“chinese-poetry”、号称“最全中文诗歌古典文集数据库”的项目,今日登顶GitHub热榜第一。

截止发稿,这一项目已获得近2.5万标星,Fork超过4600,受欢迎度可见一斑。

项目发起者名为Jackey,在Teambition从事运维自动化工作。他解释了为什么要做这个仓库:

“从某种意义上来说,这些庞大的文集离我们是有一定距离的。而电子版方便拷贝,所以此开源数据库诞生了。此数据库通过 JSON 格式分发,可以让你很方便的开始你的项目。”

10大数据集

整个项目最核心的内容,就是数据集了。

目前,仓库中一共有10个数据集,分别是:全唐诗、全宋诗、全宋词、五代·花间集、五代·南唐二主词、论语、诗经、幽梦影、四书五经、蒙学。

这些数据,都来自互联网。如何采集的?项目发起者也分享了全宋词爬取过程及数据分析。

为什么没有古诗?他也给出了解释,古诗采集没有记录过程,因为古诗数据庞大,目标网站有限制,采集过程经常中断超过了一个星期。

围绕着数据库,他也进行了一个初步的词频分析:

但这些数据集的应用,远远不止于此。

8大案例展示

在项目中,作者也放上了使用数据集的应用案例。

有基于浏览器的诗词网站,有安卓版的应用“离线全唐诗”,有简体唐诗生成(char-RNN),也诗词桌面和相关小程序等等。

而且这些项目,也大都在GitHub上开源了。

如果你有兴趣,可以收好传送门:

https://github.com/chinese-poetry/chinese-poetry

本文来源:量子位 责任编辑:廖子瑶_NBJS10040
声明:本站部分资源来源于网络,版权归原作者或者来源机构所有,如作者或来源机构不同意本站转载采用,请通知我们,我们将第一时间删除内容。本站刊载文章出于传递更多信息之目的,所刊文章观点仅代表作者本人观点,并不意味着本站赞同作者观点或证实其描述,其原创性及对文章内容的真实性、完整性、及时性本站亦不作任何保证或承诺,请读者仅作参考。
编辑:大米
猜你喜欢