我刚刚编写了一个基于学习数据的马尔可夫链。我想要一个在线大量文本数据的资源，但似乎找不到任何资源（像维基百科这样的大多数网站都有很多垃圾，而不是纯文本文件）。
是否有任何站点具有大量适合测试马尔可夫链的文本文件？
问问题
36 次
4 回答
2
gutenberg.org 可能会为您提供一些资源。例如，这似乎是一堆白鲸，文本文件形式。
于 2016-03-14T03:05:06.920 回答
1
如果您关心的只是从维基百科中删除标签，那么使用像这样的源代码如何为您删除标签？
于 2016-03-14T03:02:33.297 回答
0
您是否尝试过 NLTK 文本语料库？
于 2016-03-14T02:51:13.157 回答
0
考虑安然电子邮件数据集：https ://www.cs.cmu.edu/~./enron/
它还托管在 Amazon AWS 上：https ://aws.amazon.com/datasets/enron-email-data/
于 2016-03-14T03:06:09.670 回答