中文分词那些事

分词库

• rseg -- ruby
• LibMMSeg -- C++
• RMMSg -- ruby
• ICTCLAS -- C++

全文搜索框架

• Lucene
• Ferret
• Solr

词库

• CC-CEDICT
  • 搜索
• Wikipedia Chinese article title list
• QQDict api
  • ?q= 词语 &f=cloud&c=QQCloudDict.oPopupWnd.callback&t=bd+wl&n=1+1&p=0+0
• 更多词典

微博应用

• 新浪微薄关键词
• 腾讯微博关键词
• 豆瓣关键词

算法

• rseg 使用 http://xiecc.blog.163.com/blog/static/14032200671110224190/
• RMMSg 使用 http://lifegoo.pluskid.org/?p=261 http://technology.chtsai.org/mmseg/
• ICTCLAS 使用 http://ictclas.org/docs/%E5%9F%BA%E4%BA%8E%E5%A4%9A%E5%B1%82%E9%9A%90%E9%A9%AC%E6%A8%A1%E5%9E%8B%E7%9A%84%E6%B1%89%E8%AF%AD%E8%AF%8D%E6%B3%95%E5%88%86%E6%9E%90%E7%A0%94%E7%A9%B6.pdf
• 微博应用 使用，不是分词算法，是关键词提取算法 http://166.111.138.15:8080/qqweibo/conll2011.pdf

机器学习算法库

已有的算法有：

1. Parallel Logistic Regression
2. Bagging Logistic Regression
3. Random Decision Tree/forest
4. [Regular singular value decomposition]
   (http://en.wikipedia.org/wiki/Singular_value_decomposition)
5. Gradient boosting decision tree

R语言、KNIME与宋词那些事

• 英语文本分析软件
• 宋词二字R语言词频分析
• 果壳网的转贴
• 宋词傻瓜机
• 宋词多字KNIME词频分析
• KNIME
• 一种宋词自动生成的遗传算法及其机器实现
• 统计词话（一）
• 《全唐诗》、《全宋词》统计分析报告（内有整理后的全唐诗和全宋词下载，可供再度整理）
• R与中文分词
• RStudio

未整理的链接

• http://www.google.com.hk/ggblog/googlechinablog/2006/04/blog-post_7327.html
• http://www.google.com.hk/ggblog/googlechinablog/2006/04/blog-post_2507.html
• http://www.google.com.hk/ggblog/googlechinablog/2006/04/blog-post_1583.html
• http://www.matrix67.com/blog/archives/4212 http://drupal.org/project/csplitter http://www.williamlong.info/archives/1839.html
• http://www.hudong.com/wiki/%E5%8F%8C%E6%95%B0%E7%BB%84trie%E6%A0%91
• http://gump-bean.iteye.com/blog/436426