Natural Language Processing
brightmart/nlp_chinese_corpus
▲ +2 ★ this week
大规模中文自然语言处理语料 Large Scale Chinese Corpus for NLP
🗂️ Text Classification❓ Question Answering🧬 Embeddings🤖 Language Models
OtherMITupdated Feb 6, 2026
🏆 #5,876 overall#2137 of 2,559 in Natural Language Processing
secsilm /zi-dataset
汉字数据集，包括汉字的相关信息，例如笔画数、部首、拼音、英文释义/同义词等。
$ git clone https://github.com/secsilm/zi-dataset.gitStars
132
132
This week
—
Forks
19
19
Language
Other
License
CC-BY-SA-4.0
Created
Jul 12, 2020
6.3 years old
Last push
Jul 17, 2020
Categories
More in Natural Language Processing
Natural Language Processing
guhhhhaa/4675-scifi
chinese NLP corpus of chinese science fiction,chinese science fiction corpus : About 4675 Chinese science fiction novels 大约有4675本科幻小说，中文科幻小说自然语言处理语料库，中文科幻小说文本语料库，中文科幻小说文本数据库，科幻小说语料
Otherno licenseupdated Oct 22, 2022
Natural Language Processing
guhhhhaa/wula-scifi
chinese NLP corpus of chinese science fiction, chinese science fiction corpus: Archive of the Ark Plan of Ula Science Fiction Website 乌拉科幻小说网方舟计划存档，中文科幻小说自然语言处理语料库，中文科幻小说文本语料库，中文科幻小说文本数据库，科幻小说语料
Otherno licenseupdated Oct 22, 2022
Natural Language Processing
xtea/chinese_medical_words
手工整理医疗行业词汇、术语等语料。可用于语音识别、对话系统等各类nlp模型训练。
Otherno licenseupdated Apr 5, 2020
Natural Language Processing
Natural Language Processing
esbatmop/MNBVC
▲ +6 ★ this week
MNBVC(Massive Never-ending BT Vast Chinese corpus)超大规模中文语料集。对标chatGPT训练的40T数据。MNBVC数据集不但包括主流文化，也包括各个小众文化甚至火星文的数据。MNBVC数据集包括新闻、作文、小说、书籍、杂志、论文、台词、帖子、wiki、古诗、歌词、商品介绍、笑话、糗事、聊天记录等一切形式的纯文本中文数据。
OtherMITupdated Oct 25, 2026
Data from GitHub · snapshot Nov 13, 2026