Google 開放分析一萬億字所得的資料

阅读更多
早幾天說到如果有機械人漫遊網路學習文字的話,也許可以有無限的可能性。今天竟才由William's Blog讀到一單舊聞《Google 釋出 n-gram 資料》。 話說Google一直也有把它由漫遊網頁所得的N-Gram統計資料累積並利用在各種研發之上,最近它決定把這些資料公開。全世界的網站所抽取出N-Gram有多大? File sizes: approx. 24 GB compressed (gzip'ed) text files Number of tokens: 1,024,908,267,229 Number of sentences: 95,119,665,584 Number of unigrams: 13,588,391 Number of bigrams: 314,843,401 Number of trigrams: [...]

你可能感兴趣的:(Google,Blog)