Git Stars Git Stars

#corpus Repositorios

Descubre 16 repositorios activos de código abierto de GitHub etiquetados con #corpus, que acumulan 39,411 estrellas en total (una media de 2,463 estrellas por proyecto). El líder de este tema es brightmart/nlp_chinese_corpus, con 9,937 estrellas.

16
Total de Repositorios
39,411
Total de estrellas
2,463
Promedio de Estrellas/Repo
Lenguajes de programación: Python JavaScript R

16 repositorios en total

1
brightmart/nlp_chinese_corpus

Corpus chino a gran escala para NLP

brightmart
⭐ 9,937 👤 brightmart User 🕐 Actualizado 2026-02-06 📅 Creado 2019-02-08
2
dariusk/corpora

Una colección de pequeños corpus de datos interesantes para la creación de bots y cosas similares.

dariusk
⭐ 5,124 JavaScript 👤 dariusk User 🕐 Actualizado 2026-10-31 📅 Creado 2014-02-23
3
wainshine/Chinese-Names-Corpus

Corpus de nombres chinos. Generador de nombres. Nombres chinos, apellidos, nombres de pila, títulos, nombres japoneses, nombres traducidos, nombres ingleses. Puede usarse para segmentación de palabras en chino y reconocimiento de entidades nombradas.

wainshine
⭐ 4,347 👤 wainshine User 🕐 Actualizado 2025-11-09 📅 Creado 2016-12-08
4
CLUEbenchmark/CLUE

Benchmark de Evaluación de Comprensión del Lenguaje Chino: conjuntos de datos, líneas base, modelos preentrenados, corpus y tabla de clasificación

CLUEbenchmark
⭐ 4,288 Python 👤 CLUEbenchmark Organization 🕐 Actualizado 2026-02-06 📅 Creado 2019-11-22
5
endymecy/awesome-deeplearning-resources

Artículos de investigación sobre Deep Learning y aprendizaje por refuerzo profundo y algunos códigos

endymecy
⭐ 3,039 👤 endymecy User 🕐 Actualizado 2026-11-14 📅 Creado 2016-11-28
6
fendouai/Awesome-Chatbot

Impresionantes proyectos de chatbot, corpus, artículos, tutoriales. Chatbot chino =>:

fendouai
⭐ 2,196 Python 👤 fendouai User 🕐 Actualizado 2026-07-28 📅 Creado 2017-09-01
7
gunthercox/chatterbot-corpus

Un corpus de diálogos multilingüe

gunthercox
⭐ 1,414 Python 👤 gunthercox User 🕐 Actualizado 2026-03-24 📅 Creado 2017-01-11
8
NiuTrans/Classical-Modern

Corpus paralelo muy completo de chino clásico (Antiguo Chino) - Chino moderno

NiuTrans
⭐ 1,403 Python 👤 NiuTrans Organization 🕐 Actualizado 2024-04-21 📅 Creado 2022-01-11
9
wainshine/Company-Names-Corpus

Corpus de nombres de empresas. Corpus de nombres de instituciones. Abreviaturas de empresas, acrónimos, palabras de marca, nombres de empresas. Puede usarse para la segmentación de palabras en chino y el reconocimiento de entidades de nombres de instituciones.

wainshine
⭐ 1,287 👤 wainshine User 🕐 Actualizado 2024-03-27 📅 Creado 2018-10-10
10
chatopera/insuranceqa-corpus-zh

:helicopter: Corpus de la industria de seguros, Chatbot

chatopera
⭐ 1,055 Python 👤 chatopera Organization 🕐 Actualizado 2025-05-26 📅 Creado 2017-07-26
11
CLUEbenchmark/CLUECorpus2020

Corpus de Pre‑Entrenamiento a gran escala para chino 100G (corpus de pre‑entrenamiento chino)

CLUEbenchmark
⭐ 1,022 👤 CLUEbenchmark Organization 🕐 Actualizado 2026-02-06 📅 Creado 2020-01-25
12
PlexPt/chatgpt-corpus

Corpus chino de ChatGPT Corpus de diálogo Corpus de novelas Corpus de atención al cliente para entrenar modelos grandes

PlexPt
⭐ 939 👤 PlexPt User 🕐 Actualizado 2024-05-15 📅 Creado 2023-04-26
13
metasequoiaime/chinese-ime-lm

Modelos de lenguaje para métodos de entrada en chino: corpus, estadísticas de n-gramas, modelos neuronales a nivel de carácter y conjuntos de evaluación para valorar su calidad

metasequoiaime
⭐ 914 Python 👤 metasequoiaime Organization 🕐 Actualizado 2026-11-15 📅 Creado 2025-11-14
14
quanteda/quanteda

Un paquete de R para el análisis cuantitativo de datos textuales

quanteda
⭐ 898 R 👤 quanteda Organization 🕐 Actualizado 2026-11-20 📅 Creado 2012-08-15
15
chatopera/efaqa-corpus-zh

❤️Dataset de Primeros Auxilios Emocionales, Consultas psicológicas de preguntas y respuestas, Corpus de chatbot

chatopera
⭐ 788 Python 👤 chatopera Organization 🕐 Actualizado 2026-03-06 📅 Creado 2020-04-22
16
BLKSerene/Wordless

Una herramienta de corpus integrada con soporte multilingüe para el estudio del idioma, la literatura y la traducción

BLKSerene
⭐ 762 Python 👤 BLKSerene User 🕐 Actualizado 2025-10-30 📅 Creado 2018-08-23

Preguntas frecuentes

1

¿Cuál es el repositorio de #corpus más popular en GitHub?

El proyecto de código abierto de #corpus mejor posicionado en GitHub es brightmart/nlp_chinese_corpus, con 9,937 estrellas. Corpus chino a gran escala para NLP

2

¿Qué lenguajes de programación se utilizan más en los repositorios de #corpus?

Entre los proyectos de #corpus mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, JavaScript, R.

3

¿Cómo se calcula la clasificación de los repositorios de #corpus?

Seguimos 16 repositorios activos de código abierto etiquetados con #corpus (500+ estrellas), que suman un total de 39,411 estrellas, con una media de 2,463 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.