分词库语料数据

分词库(语料)，最常见的比如搜狗分词库，结巴词库；
这里比较推荐分词_频数_词性@35万_结巴.txt 和 分词_拼音@4万_搜狗.txt两个词库。如果你有一些比如拼音需求，也可以选择对应文本；
需要注意的一点是，有一个分类_分词@12大类5485文本1127万_搜狗.20151022.tar.gz文件，这个是搜狗细胞词库所有的词了，里面包含非常多的各行业词汇，如下图，在针对特定行业ML时候，这些分词应该是比较有帮助的，都非常不错。