乾明 发自 凹非寺 量子位 报道 | 公众号 QbitAI
收录5.5万首唐诗，超过28万首宋词 ，还囊括了诗经、论语 、蒙学等……
这个名为“chinese-poetry” 、号称“最全中文诗歌古典文集数据库”的项目 ，今日登顶GitHub热榜第一。
截止发稿 ，这一项目已获得近2.5万标星 ，Fork超过4600，受欢迎度可见一斑。
项目发起者名为Jackey ，在Teambition从事运维自动化工作 。他解释了为什么要做这个仓库：
从某种意义上来说 ，这些庞大的文集离我们是有一定距离的 。而电子版方便拷贝，所以此开源数据库诞生了。此数据库通过 JSON 格式分发 ，可以让你很方便的开始你的项目 。
10大数据集整个项目最核心的内容 ，就是数据集了 。
目前，仓库中一共有10个数据集 ，分别是：全唐诗、全宋诗 、全宋词 、五代·花间集、五代·南唐二主词 、论语 、诗经、幽梦影 、四书五经 、蒙学。
这些数据，都来自互联网 。如何采集的？项目发起者也分享了全宋词爬取过程及数据分析 。
为什么没有古诗？他也给出了解释，古诗采集没有记录过程 ，因为古诗数据庞大 ，目标网站有限制，采集过程经常中断超过了一个星期。
围绕着数据库 ，他也进行了一个初步的词频分析：
但这些数据集的应用，远远不止于此 。
8大案例展示在项目中 ，作者也放上了使用数据集的应用案例 。
有基于浏览器的诗词网站 ，有安卓版的应用“离线全唐诗 ”，有简体唐诗生成(char-RNN) ，也诗词桌面和相关小程序等等。
而且这些项目，也大都在GitHub上开源了 。
如果你有兴趣 ，可以收好传送门：
https://github.com/chinese-poetry/chinese-poetry
— 完 —
量子位 QbitAI · 头条号签约
关注我们 ，第一时间获知前沿科技动态
本文版权归趣快排SEO www.SeogurUblog.com 所有,如有转发请注明来出,竞价开户托管,seo优化请联系QQ▶61910465