Showing preview only (3,280K chars total). Download the full file or copy to clipboard to get everything.
Repository: lhyxcxy/nlp
Branch: master
Commit: 81fb273dc585
Files: 142
Total size: 1.3 MB
Directory structure:
gitextract_akk84s0m/
├── NLP_ALL/
│ ├── .idea/
│ │ ├── NLP_ALL.iml
│ │ ├── misc.xml
│ │ ├── modules.xml
│ │ └── workspace.xml
│ ├── chatbot/
│ │ ├── __init__.py
│ │ └── readMe.txt
│ ├── chinese_trans/
│ │ ├── __init__.py
│ │ ├── readMe.txt
│ │ └── snowNlp/
│ │ ├── __init__.py
│ │ ├── chinese_to_fanti.py
│ │ ├── chinese_to_pinyin.py
│ │ └── readMe.txt
│ ├── keywords_summary_topic/
│ │ ├── Word2vec/
│ │ │ ├── __init__.py
│ │ │ ├── deerwester.dict
│ │ │ ├── deerwester.mm
│ │ │ ├── deerwester.mm.index
│ │ │ ├── example.py
│ │ │ ├── foo.tfidf_model
│ │ │ ├── lda_corpus.mm
│ │ │ ├── lda_corpus.mm.index
│ │ │ ├── lsi_corpus.mm
│ │ │ ├── lsi_corpus.mm.index
│ │ │ ├── model.lda
│ │ │ ├── model.lda.expElogbeta.npy
│ │ │ ├── model.lda.id2word
│ │ │ ├── model.lda.state
│ │ │ ├── model.lsi
│ │ │ ├── model.lsi.projection
│ │ │ ├── text1.txt
│ │ │ ├── text2.txt
│ │ │ └── text3.txt
│ │ ├── __init__.py
│ │ ├── jieba/
│ │ │ ├── __init__.py
│ │ │ └── keywords.py
│ │ ├── readMe.txt
│ │ └── snowNlp/
│ │ ├── __init__.py
│ │ └── keyword_summary.py
│ ├── named _entity_ recognition/
│ │ ├── __init__.py
│ │ ├── crf/
│ │ │ ├── 199801.txt
│ │ │ ├── __init__.py
│ │ │ ├── create_corpus.py
│ │ │ ├── crf_model_1
│ │ │ ├── curpus.txt
│ │ │ ├── doc.py
│ │ │ ├── readMe.txt
│ │ │ └── train_and_test.py
│ │ └── readMe.txt
│ ├── participle/
│ │ ├── __init__.py
│ │ ├── crf/
│ │ │ ├── 199801.txt
│ │ │ ├── __init__.py
│ │ │ ├── crf_model
│ │ │ ├── crf_model_1
│ │ │ ├── readMe.txt
│ │ │ ├── setp_1.py
│ │ │ ├── setp_2.py
│ │ │ ├── test_input.txt
│ │ │ ├── test_output.txt
│ │ │ └── train.data
│ │ ├── jieba/
│ │ │ ├── __init__.py
│ │ │ ├── fenci.py
│ │ │ ├── stopdict.txt
│ │ │ └── userdict.txt
│ │ ├── readMe.txt
│ │ └── snowNlp/
│ │ ├── __init__.py
│ │ └── words_sentences.py
│ ├── sentiment_analysis/
│ │ ├── __init__.py
│ │ ├── readMe.txt
│ │ └── snowNlp/
│ │ ├── __init__.py
│ │ └── sentiment_test.py
│ ├── similarity/
│ │ ├── Word2vec/
│ │ │ ├── __init__.py
│ │ │ ├── sentences/
│ │ │ │ ├── __init__.py
│ │ │ │ ├── lsi_corpus.mm
│ │ │ │ ├── lsi_corpus.mm.index
│ │ │ │ ├── lsi_similarity.sim
│ │ │ │ ├── model.lsi
│ │ │ │ ├── model.lsi.projection
│ │ │ │ ├── mydict.dict
│ │ │ │ ├── readMe.txt
│ │ │ │ ├── sentences_similer.py
│ │ │ │ ├── train.py
│ │ │ │ └── train_corpus.txt
│ │ │ └── words/
│ │ │ ├── __init__.py
│ │ │ ├── chinesewords.txt
│ │ │ ├── corpus.txt
│ │ │ ├── create_vec.py
│ │ │ ├── plot.py
│ │ │ ├── readMe.txt
│ │ │ ├── read_vec.py
│ │ │ ├── remove_stopwords.py
│ │ │ ├── stopdict.txt
│ │ │ ├── wordvec.model
│ │ │ └── wordvec_c.model
│ │ ├── __init__.py
│ │ ├── readMe.txt
│ │ └── snowNlp/
│ │ ├── __init__.py
│ │ └── sentence_similarity.py
│ ├── text_classifier/
│ │ ├── __init__.py
│ │ ├── nltk/
│ │ │ ├── __init__.py
│ │ │ ├── example.py
│ │ │ └── readMe.txt
│ │ ├── readMe.txt
│ │ ├── sklearn/
│ │ │ ├── __init__.py
│ │ │ ├── data.json
│ │ │ ├── data_baoxian.json
│ │ │ ├── example_1.py
│ │ │ ├── example_2.py
│ │ │ ├── readMe.txt
│ │ │ ├── stop_baoxian.txt
│ │ │ ├── stopword.txt
│ │ │ └── test.py
│ │ └── textblob/
│ │ ├── __init__.py
│ │ ├── female.txt
│ │ ├── male.txt
│ │ ├── readMe.txt
│ │ ├── test2.py
│ │ └── test3.py
│ ├── word_tagging/
│ │ ├── __init__.py
│ │ ├── crf/
│ │ │ ├── 199801.txt
│ │ │ ├── __init__.py
│ │ │ ├── create_curpus.py
│ │ │ ├── crf_model_1
│ │ │ ├── curpus.txt
│ │ │ ├── doc.py
│ │ │ ├── readMe.txt
│ │ │ └── train_and_test.py
│ │ ├── jieba/
│ │ │ ├── __init__.py
│ │ │ └── word_tagging.py
│ │ ├── readMe.txt
│ │ └── snowNlp/
│ │ ├── __init__.py
│ │ └── test.py
│ └── word_vector/
│ ├── Word2vec/
│ │ ├── __init__.py
│ │ ├── chinesewords.txt
│ │ ├── corpus.txt
│ │ ├── create_vec.py
│ │ ├── read_vec.py
│ │ ├── remove_stopwords.py
│ │ ├── stopdict.txt
│ │ ├── wordvec.model
│ │ └── wordvec_c.model
│ ├── __init__.py
│ └── readMe.txt
└── README.md
================================================
FILE CONTENTS
================================================
================================================
FILE: NLP_ALL/.idea/NLP_ALL.iml
================================================
<?xml version="1.0" encoding="UTF-8"?>
<module type="PYTHON_MODULE" version="4">
<component name="NewModuleRootManager">
<content url="file://$MODULE_DIR$" />
<orderEntry type="jdk" jdkName="Python 2.7.5 (/usr/bin/python2.7)" jdkType="Python SDK" />
<orderEntry type="sourceFolder" forTests="false" />
</component>
<component name="TestRunnerService">
<option name="PROJECT_TEST_RUNNER" value="Unittests" />
</component>
</module>
================================================
FILE: NLP_ALL/.idea/misc.xml
================================================
<?xml version="1.0" encoding="UTF-8"?>
<project version="4">
<component name="ProjectLevelVcsManager" settingsEditedManually="false">
<OptionsSetting value="true" id="Add" />
<OptionsSetting value="true" id="Remove" />
<OptionsSetting value="true" id="Checkout" />
<OptionsSetting value="true" id="Update" />
<OptionsSetting value="true" id="Status" />
<OptionsSetting value="true" id="Edit" />
<ConfirmationsSetting value="0" id="Add" />
<ConfirmationsSetting value="0" id="Remove" />
</component>
<component name="ProjectRootManager" version="2" project-jdk-name="Python 2.7.5 (/usr/bin/python2.7)" project-jdk-type="Python SDK" />
</project>
================================================
FILE: NLP_ALL/.idea/modules.xml
================================================
<?xml version="1.0" encoding="UTF-8"?>
<project version="4">
<component name="ProjectModuleManager">
<modules>
<module fileurl="file://$PROJECT_DIR$/.idea/NLP_ALL.iml" filepath="$PROJECT_DIR$/.idea/NLP_ALL.iml" />
</modules>
</component>
</project>
================================================
FILE: NLP_ALL/.idea/workspace.xml
================================================
<?xml version="1.0" encoding="UTF-8"?>
<project version="4">
<component name="ChangeListManager">
<list default="true" id="ef45b467-b77a-4b36-9da7-72e30b92b05e" name="Default" comment="" />
<ignored path="NLP_ALL.iws" />
<ignored path=".idea/workspace.xml" />
<option name="EXCLUDED_CONVERTED_TO_IGNORED" value="true" />
<option name="TRACKING_ENABLED" value="true" />
<option name="SHOW_DIALOG" value="false" />
<option name="HIGHLIGHT_CONFLICTS" value="true" />
<option name="HIGHLIGHT_NON_ACTIVE_CHANGELIST" value="false" />
<option name="LAST_RESOLUTION" value="IGNORE" />
</component>
<component name="ChangesViewManager" flattened_view="true" show_ignored="false" />
<component name="CreatePatchCommitExecutor">
<option name="PATCH_PATH" value="" />
</component>
<component name="ExecutionTargetManager" SELECTED_TARGET="default_target" />
<component name="FavoritesManager">
<favorites_list name="NLP_ALL" />
</component>
<component name="FileEditorManager">
<leaf SIDE_TABS_SIZE_LIMIT_KEY="300" />
</component>
<component name="FileTemplateManagerImpl">
<option name="RECENT_TEMPLATES">
<list>
<option value="Python Script" />
</list>
</option>
</component>
<component name="IdeDocumentHistory">
<option name="CHANGED_PATHS">
<list>
<option value="$PROJECT_DIR$/participle/snowNlp/keyword_summary.py" />
<option value="$PROJECT_DIR$/sentiment_analysis/snowNlp/sentiment_test.py" />
<option value="$PROJECT_DIR$/keywords_summary_topic/snowNlp/keyword_summary.py" />
<option value="$PROJECT_DIR$/word_tagging/snowNlp/test.py" />
<option value="$PROJECT_DIR$/text_classifier/test.py" />
<option value="$PROJECT_DIR$/text_classifier/textblob/readMe.txt" />
<option value="$PROJECT_DIR$/text_classifier/textblob/test.py" />
<option value="$PROJECT_DIR$/text_classifier/textblob/test3.py" />
<option value="$PROJECT_DIR$/text_classifier/textblob/test2.py" />
<option value="$PROJECT_DIR$/text_classifier/sklearn.py" />
<option value="$PROJECT_DIR$/text_classifier/readMe.txt" />
<option value="$PROJECT_DIR$/text_classifier/sklearn/readMe.txt" />
<option value="$PROJECT_DIR$/text_classifier/sklearn/step_1.py" />
<option value="$PROJECT_DIR$/similarity/snowNlp/similarity.py" />
<option value="$PROJECT_DIR$/text_classifier/sklearn/example_1.py" />
<option value="$PROJECT_DIR$/text_classifier/sklearn/data.json" />
<option value="$PROJECT_DIR$/text_classifier/sklearn/example_2.py" />
<option value="$PROJECT_DIR$/text_classifier/nltk/example.py" />
<option value="$PROJECT_DIR$/similarity/snowNlp/sentence_similarity.py" />
<option value="$PROJECT_DIR$/similarity/Word2vec/readMe.txt" />
<option value="$PROJECT_DIR$/similarity/Word2vec/test.py" />
<option value="$PROJECT_DIR$/word_vector/readMe.txt" />
<option value="$PROJECT_DIR$/word_vector/Word2vec/test1.py" />
<option value="$PROJECT_DIR$/word_vector/Word2vec/test.py" />
<option value="$PROJECT_DIR$/word_vector/Word2vec/stopdict.txt" />
<option value="$PROJECT_DIR$/word_vector/Word2vec/read_vec.py" />
<option value="$PROJECT_DIR$/word_vector/Word2vec/create_vec.py" />
<option value="$PROJECT_DIR$/participle/crf/readMe.txt" />
<option value="$PROJECT_DIR$/named _entity_ recognition/crf/test.py" />
<option value="$PROJECT_DIR$/named _entity_ recognition/crf/doc.py" />
<option value="$PROJECT_DIR$/participle/crf/train.data" />
<option value="$PROJECT_DIR$/named _entity_ recognition/crf/curpus.txt" />
<option value="$PROJECT_DIR$/participle/crf/setp_2.py" />
<option value="$PROJECT_DIR$/named _entity_ recognition/crf/test2.py" />
<option value="$PROJECT_DIR$/named _entity_ recognition/crf/readMe.txt" />
<option value="$PROJECT_DIR$/word_tagging/crf/readMe.txt" />
<option value="$PROJECT_DIR$/named _entity_ recognition/crf/train_and_test.py" />
<option value="$PROJECT_DIR$/named _entity_ recognition/crf/create_curpus.py" />
<option value="$PROJECT_DIR$/keywords_summary_topic/Word2vec/text1.py" />
<option value="$PROJECT_DIR$/keywords_summary_topic/Word2vec/text3.txt" />
<option value="$PROJECT_DIR$/keywords_summary_topic/Word2vec/text2.txt" />
<option value="$PROJECT_DIR$/keywords_summary_topic/Word2vec/text1.txt" />
<option value="$PROJECT_DIR$/keywords_summary_topic/Word2vec/example.py" />
<option value="$PROJECT_DIR$/similarity/Word2vec/plot.py" />
<option value="$PROJECT_DIR$/similarity/Word2vec/create_vec.py" />
<option value="$PROJECT_DIR$/similarity/Word2vec/read_vec.py" />
<option value="$PROJECT_DIR$/similarity/Word2vec/sentences_similer.py" />
<option value="$PROJECT_DIR$/similarity/Word2vec/sentences/train.py" />
<option value="$PROJECT_DIR$/similarity/Word2vec/sentences/readMe.txt" />
<option value="$PROJECT_DIR$/similarity/Word2vec/sentences/sentences_similer.py" />
<option value="$PROJECT_DIR$/named _entity_ recognition/crf/create_corpus.py" />
</list>
</option>
</component>
<component name="ProjectFrameBounds">
<option name="x" value="-1" />
<option name="y" value="28" />
<option name="width" value="1368" />
<option name="height" value="707" />
</component>
<component name="ProjectLevelVcsManager" settingsEditedManually="false">
<OptionsSetting value="true" id="Add" />
<OptionsSetting value="true" id="Remove" />
<OptionsSetting value="true" id="Checkout" />
<OptionsSetting value="true" id="Update" />
<OptionsSetting value="true" id="Status" />
<OptionsSetting value="true" id="Edit" />
<ConfirmationsSetting value="0" id="Add" />
<ConfirmationsSetting value="0" id="Remove" />
</component>
<component name="ProjectView">
<navigator currentView="ProjectPane" proportions="" version="1">
<flattenPackages />
<showMembers />
<showModules />
<showLibraryContents />
<hideEmptyPackages />
<abbreviatePackageNames />
<autoscrollToSource />
<autoscrollFromSource />
<sortByType />
<manualOrder />
<foldersAlwaysOnTop value="true" />
</navigator>
<panes>
<pane id="Scratches" />
<pane id="Scope" />
<pane id="ProjectPane">
<subPane>
<PATH>
<PATH_ELEMENT>
<option name="myItemId" value="NLP_ALL" />
<option name="myItemType" value="com.intellij.ide.projectView.impl.nodes.ProjectViewProjectNode" />
</PATH_ELEMENT>
</PATH>
<PATH>
<PATH_ELEMENT>
<option name="myItemId" value="NLP_ALL" />
<option name="myItemType" value="com.intellij.ide.projectView.impl.nodes.ProjectViewProjectNode" />
</PATH_ELEMENT>
<PATH_ELEMENT>
<option name="myItemId" value="NLP_ALL" />
<option name="myItemType" value="com.intellij.ide.projectView.impl.nodes.PsiDirectoryNode" />
</PATH_ELEMENT>
</PATH>
</subPane>
</pane>
</panes>
</component>
<component name="PropertiesComponent">
<property name="settings.editor.selected.configurable" value="com.jetbrains.python.configuration.PyActiveSdkModuleConfigurable" />
<property name="settings.editor.splitter.proportion" value="0.2" />
</component>
<component name="RecentsManager">
<key name="CopyFile.RECENT_KEYS">
<recent name="$PROJECT_DIR$/similarity/Word2vec/sentences" />
<recent name="$PROJECT_DIR$/named _entity_ recognition/crf" />
<recent name="$PROJECT_DIR$/word_tagging/crf" />
<recent name="$PROJECT_DIR$/participle/crf" />
<recent name="$PROJECT_DIR$/similarity/Word2vec" />
</key>
<key name="MoveFile.RECENT_KEYS">
<recent name="$PROJECT_DIR$/similarity/Word2vec/words" />
<recent name="$PROJECT_DIR$/similarity/Word2vec" />
<recent name="$PROJECT_DIR$/text_classifier/nltk" />
<recent name="$PROJECT_DIR$/text_classifier/sklearn" />
<recent name="$PROJECT_DIR$/text_classifier/textblob" />
</key>
</component>
<component name="RunManager" selected="Python.sentences_similer">
<configuration default="false" name="create_vec" type="PythonConfigurationType" factoryName="Python" temporary="true">
<option name="INTERPRETER_OPTIONS" value="" />
<option name="PARENT_ENVS" value="true" />
<envs>
<env name="PYTHONUNBUFFERED" value="1" />
</envs>
<option name="SDK_HOME" value="" />
<option name="WORKING_DIRECTORY" value="$PROJECT_DIR$/similarity/Word2vec" />
<option name="IS_MODULE_SDK" value="true" />
<option name="ADD_CONTENT_ROOTS" value="true" />
<option name="ADD_SOURCE_ROOTS" value="true" />
<module name="NLP_ALL" />
<option name="SCRIPT_NAME" value="$PROJECT_DIR$/similarity/Word2vec/words/create_vec.py" />
<option name="PARAMETERS" value="" />
<option name="SHOW_COMMAND_LINE" value="false" />
<method />
</configuration>
<configuration default="false" name="plot" type="PythonConfigurationType" factoryName="Python" temporary="true">
<option name="INTERPRETER_OPTIONS" value="" />
<option name="PARENT_ENVS" value="true" />
<envs>
<env name="PYTHONUNBUFFERED" value="1" />
</envs>
<option name="SDK_HOME" value="" />
<option name="WORKING_DIRECTORY" value="$PROJECT_DIR$/similarity/Word2vec" />
<option name="IS_MODULE_SDK" value="true" />
<option name="ADD_CONTENT_ROOTS" value="true" />
<option name="ADD_SOURCE_ROOTS" value="true" />
<module name="NLP_ALL" />
<option name="SCRIPT_NAME" value="$PROJECT_DIR$/similarity/Word2vec/words/plot.py" />
<option name="PARAMETERS" value="" />
<option name="SHOW_COMMAND_LINE" value="false" />
<method />
</configuration>
<configuration default="false" name="read_vec" type="PythonConfigurationType" factoryName="Python" temporary="true">
<option name="INTERPRETER_OPTIONS" value="" />
<option name="PARENT_ENVS" value="true" />
<envs>
<env name="PYTHONUNBUFFERED" value="1" />
</envs>
<option name="SDK_HOME" value="" />
<option name="WORKING_DIRECTORY" value="$PROJECT_DIR$/similarity/Word2vec" />
<option name="IS_MODULE_SDK" value="true" />
<option name="ADD_CONTENT_ROOTS" value="true" />
<option name="ADD_SOURCE_ROOTS" value="true" />
<module name="NLP_ALL" />
<option name="SCRIPT_NAME" value="$PROJECT_DIR$/similarity/Word2vec/words/read_vec.py" />
<option name="PARAMETERS" value="" />
<option name="SHOW_COMMAND_LINE" value="false" />
<method />
</configuration>
<configuration default="false" name="sentences_similer" type="PythonConfigurationType" factoryName="Python" temporary="true">
<option name="INTERPRETER_OPTIONS" value="" />
<option name="PARENT_ENVS" value="true" />
<envs>
<env name="PYTHONUNBUFFERED" value="1" />
</envs>
<option name="SDK_HOME" value="" />
<option name="WORKING_DIRECTORY" value="$PROJECT_DIR$/similarity/Word2vec/sentences" />
<option name="IS_MODULE_SDK" value="true" />
<option name="ADD_CONTENT_ROOTS" value="true" />
<option name="ADD_SOURCE_ROOTS" value="true" />
<module name="NLP_ALL" />
<option name="SCRIPT_NAME" value="$PROJECT_DIR$/similarity/Word2vec/sentences/sentences_similer.py" />
<option name="PARAMETERS" value="" />
<option name="SHOW_COMMAND_LINE" value="false" />
<method />
</configuration>
<configuration default="false" name="train" type="PythonConfigurationType" factoryName="Python" temporary="true">
<option name="INTERPRETER_OPTIONS" value="" />
<option name="PARENT_ENVS" value="true" />
<envs>
<env name="PYTHONUNBUFFERED" value="1" />
</envs>
<option name="SDK_HOME" value="" />
<option name="WORKING_DIRECTORY" value="$PROJECT_DIR$/similarity/Word2vec/sentences" />
<option name="IS_MODULE_SDK" value="true" />
<option name="ADD_CONTENT_ROOTS" value="true" />
<option name="ADD_SOURCE_ROOTS" value="true" />
<module name="NLP_ALL" />
<option name="SCRIPT_NAME" value="$PROJECT_DIR$/similarity/Word2vec/sentences/train.py" />
<option name="PARAMETERS" value="" />
<option name="SHOW_COMMAND_LINE" value="false" />
<method />
</configuration>
<configuration default="true" type="PythonConfigurationType" factoryName="Python">
<option name="INTERPRETER_OPTIONS" value="" />
<option name="PARENT_ENVS" value="true" />
<envs>
<env name="PYTHONUNBUFFERED" value="1" />
</envs>
<option name="SDK_HOME" value="" />
<option name="WORKING_DIRECTORY" value="" />
<option name="IS_MODULE_SDK" value="false" />
<option name="ADD_CONTENT_ROOTS" value="true" />
<option name="ADD_SOURCE_ROOTS" value="true" />
<module name="NLP_ALL" />
<option name="SCRIPT_NAME" value="" />
<option name="PARAMETERS" value="" />
<option name="SHOW_COMMAND_LINE" value="false" />
<method />
</configuration>
<configuration default="true" type="Tox" factoryName="Tox">
<option name="INTERPRETER_OPTIONS" value="" />
<option name="PARENT_ENVS" value="true" />
<envs />
<option name="SDK_HOME" value="" />
<option name="WORKING_DIRECTORY" value="" />
<option name="IS_MODULE_SDK" value="false" />
<option name="ADD_CONTENT_ROOTS" value="true" />
<option name="ADD_SOURCE_ROOTS" value="true" />
<module name="NLP_ALL" />
<method />
</configuration>
<configuration default="true" type="tests" factoryName="Attests">
<option name="INTERPRETER_OPTIONS" value="" />
<option name="PARENT_ENVS" value="true" />
<envs />
<option name="SDK_HOME" value="" />
<option name="WORKING_DIRECTORY" value="" />
<option name="IS_MODULE_SDK" value="false" />
<option name="ADD_CONTENT_ROOTS" value="true" />
<option name="ADD_SOURCE_ROOTS" value="true" />
<module name="NLP_ALL" />
<option name="SCRIPT_NAME" value="" />
<option name="CLASS_NAME" value="" />
<option name="METHOD_NAME" value="" />
<option name="FOLDER_NAME" value="" />
<option name="TEST_TYPE" value="TEST_SCRIPT" />
<option name="PATTERN" value="" />
<option name="USE_PATTERN" value="false" />
<method />
</configuration>
<configuration default="true" type="tests" factoryName="Doctests">
<option name="INTERPRETER_OPTIONS" value="" />
<option name="PARENT_ENVS" value="true" />
<envs />
<option name="SDK_HOME" value="" />
<option name="WORKING_DIRECTORY" value="" />
<option name="IS_MODULE_SDK" value="false" />
<option name="ADD_CONTENT_ROOTS" value="true" />
<option name="ADD_SOURCE_ROOTS" value="true" />
<module name="NLP_ALL" />
<option name="SCRIPT_NAME" value="" />
<option name="CLASS_NAME" value="" />
<option name="METHOD_NAME" value="" />
<option name="FOLDER_NAME" value="" />
<option name="TEST_TYPE" value="TEST_SCRIPT" />
<option name="PATTERN" value="" />
<option name="USE_PATTERN" value="false" />
<method />
</configuration>
<configuration default="true" type="tests" factoryName="Nosetests">
<option name="INTERPRETER_OPTIONS" value="" />
<option name="PARENT_ENVS" value="true" />
<envs />
<option name="SDK_HOME" value="" />
<option name="WORKING_DIRECTORY" value="" />
<option name="IS_MODULE_SDK" value="false" />
<option name="ADD_CONTENT_ROOTS" value="true" />
<option name="ADD_SOURCE_ROOTS" value="true" />
<module name="NLP_ALL" />
<option name="SCRIPT_NAME" value="" />
<option name="CLASS_NAME" value="" />
<option name="METHOD_NAME" value="" />
<option name="FOLDER_NAME" value="" />
<option name="TEST_TYPE" value="TEST_SCRIPT" />
<option name="PATTERN" value="" />
<option name="USE_PATTERN" value="false" />
<option name="PARAMS" value="" />
<option name="USE_PARAM" value="false" />
<method />
</configuration>
<configuration default="true" type="tests" factoryName="Unittests">
<option name="INTERPRETER_OPTIONS" value="" />
<option name="PARENT_ENVS" value="true" />
<envs />
<option name="SDK_HOME" value="" />
<option name="WORKING_DIRECTORY" value="" />
<option name="IS_MODULE_SDK" value="false" />
<option name="ADD_CONTENT_ROOTS" value="true" />
<option name="ADD_SOURCE_ROOTS" value="true" />
<module name="NLP_ALL" />
<option name="SCRIPT_NAME" value="" />
<option name="CLASS_NAME" value="" />
<option name="METHOD_NAME" value="" />
<option name="FOLDER_NAME" value="" />
<option name="TEST_TYPE" value="TEST_SCRIPT" />
<option name="PATTERN" value="" />
<option name="USE_PATTERN" value="false" />
<option name="PUREUNITTEST" value="true" />
<option name="PARAMS" value="" />
<option name="USE_PARAM" value="false" />
<method />
</configuration>
<configuration default="true" type="tests" factoryName="py.test">
<option name="INTERPRETER_OPTIONS" value="" />
<option name="PARENT_ENVS" value="true" />
<envs />
<option name="SDK_HOME" value="" />
<option name="WORKING_DIRECTORY" value="" />
<option name="IS_MODULE_SDK" value="false" />
<option name="ADD_CONTENT_ROOTS" value="true" />
<option name="ADD_SOURCE_ROOTS" value="true" />
<module name="NLP_ALL" />
<option name="SCRIPT_NAME" value="" />
<option name="CLASS_NAME" value="" />
<option name="METHOD_NAME" value="" />
<option name="FOLDER_NAME" value="" />
<option name="TEST_TYPE" value="TEST_SCRIPT" />
<option name="PATTERN" value="" />
<option name="USE_PATTERN" value="false" />
<option name="testToRun" value="" />
<option name="keywords" value="" />
<option name="params" value="" />
<option name="USE_PARAM" value="false" />
<option name="USE_KEYWORD" value="false" />
<method />
</configuration>
<list size="5">
<item index="0" class="java.lang.String" itemvalue="Python.create_vec" />
<item index="1" class="java.lang.String" itemvalue="Python.plot" />
<item index="2" class="java.lang.String" itemvalue="Python.read_vec" />
<item index="3" class="java.lang.String" itemvalue="Python.sentences_similer" />
<item index="4" class="java.lang.String" itemvalue="Python.train" />
</list>
<recent_temporary>
<list size="5">
<item index="0" class="java.lang.String" itemvalue="Python.sentences_similer" />
<item index="1" class="java.lang.String" itemvalue="Python.train" />
<item index="2" class="java.lang.String" itemvalue="Python.read_vec" />
<item index="3" class="java.lang.String" itemvalue="Python.plot" />
<item index="4" class="java.lang.String" itemvalue="Python.create_vec" />
</list>
</recent_temporary>
</component>
<component name="ShelveChangesManager" show_recycled="false">
<option name="remove_strategy" value="false" />
</component>
<component name="SvnConfiguration">
<configuration />
</component>
<component name="TaskManager">
<task active="true" id="Default" summary="Default task">
<changelist id="ef45b467-b77a-4b36-9da7-72e30b92b05e" name="Default" comment="" />
<created>1488869512572</created>
<option name="number" value="Default" />
<option name="presentableId" value="Default" />
<updated>1488869512572</updated>
</task>
<servers />
</component>
<component name="ToolWindowManager">
<frame x="-1" y="28" width="1368" height="707" extended-state="6" />
<editor active="false" />
<layout>
<window_info id="Project" active="true" anchor="left" auto_hide="false" internal_type="DOCKED" type="DOCKED" visible="true" show_stripe_button="true" weight="0.29925373" sideWeight="0.5" order="0" side_tool="false" content_ui="combo" />
<window_info id="TODO" active="false" anchor="bottom" auto_hide="false" internal_type="DOCKED" type="DOCKED" visible="false" show_stripe_button="true" weight="0.33" sideWeight="0.5" order="6" side_tool="false" content_ui="tabs" />
<window_info id="Event Log" active="false" anchor="bottom" auto_hide="false" internal_type="DOCKED" type="DOCKED" visible="false" show_stripe_button="true" weight="0.33" sideWeight="0.5" order="7" side_tool="true" content_ui="tabs" />
<window_info id="Find" active="false" anchor="bottom" auto_hide="false" internal_type="DOCKED" type="DOCKED" visible="true" show_stripe_button="true" weight="0.32976827" sideWeight="0.5" order="1" side_tool="false" content_ui="tabs" />
<window_info id="Python Console" active="false" anchor="bottom" auto_hide="false" internal_type="DOCKED" type="DOCKED" visible="false" show_stripe_button="true" weight="0.33" sideWeight="0.5" order="10" side_tool="false" content_ui="tabs" />
<window_info id="Version Control" active="false" anchor="bottom" auto_hide="false" internal_type="DOCKED" type="DOCKED" visible="false" show_stripe_button="true" weight="0.33" sideWeight="0.5" order="8" side_tool="false" content_ui="tabs" />
<window_info id="Run" active="false" anchor="bottom" auto_hide="false" internal_type="DOCKED" type="DOCKED" visible="false" show_stripe_button="true" weight="0.4171123" sideWeight="0.5" order="2" side_tool="false" content_ui="tabs" />
<window_info id="Structure" active="false" anchor="left" auto_hide="false" internal_type="DOCKED" type="DOCKED" visible="false" show_stripe_button="true" weight="0.25" sideWeight="0.5" order="1" side_tool="false" content_ui="tabs" />
<window_info id="Terminal" active="false" anchor="bottom" auto_hide="false" internal_type="DOCKED" type="DOCKED" visible="false" show_stripe_button="true" weight="0.33" sideWeight="0.5" order="9" side_tool="false" content_ui="tabs" />
<window_info id="Favorites" active="false" anchor="left" auto_hide="false" internal_type="DOCKED" type="DOCKED" visible="false" show_stripe_button="true" weight="0.33" sideWeight="0.5" order="2" side_tool="true" content_ui="tabs" />
<window_info id="Debug" active="false" anchor="bottom" auto_hide="false" internal_type="DOCKED" type="DOCKED" visible="false" show_stripe_button="true" weight="0.3707665" sideWeight="0.5" order="3" side_tool="false" content_ui="tabs" />
<window_info id="Cvs" active="false" anchor="bottom" auto_hide="false" internal_type="DOCKED" type="DOCKED" visible="false" show_stripe_button="true" weight="0.25" sideWeight="0.5" order="4" side_tool="false" content_ui="tabs" />
<window_info id="Message" active="false" anchor="bottom" auto_hide="false" internal_type="DOCKED" type="DOCKED" visible="false" show_stripe_button="true" weight="0.33" sideWeight="0.5" order="0" side_tool="false" content_ui="tabs" />
<window_info id="Commander" active="false" anchor="right" auto_hide="false" internal_type="DOCKED" type="DOCKED" visible="false" show_stripe_button="true" weight="0.4" sideWeight="0.5" order="0" side_tool="false" content_ui="tabs" />
<window_info id="Inspection" active="false" anchor="bottom" auto_hide="false" internal_type="DOCKED" type="DOCKED" visible="false" show_stripe_button="true" weight="0.4" sideWeight="0.5" order="5" side_tool="false" content_ui="tabs" />
<window_info id="Hierarchy" active="false" anchor="right" auto_hide="false" internal_type="DOCKED" type="DOCKED" visible="false" show_stripe_button="true" weight="0.25" sideWeight="0.5" order="2" side_tool="false" content_ui="combo" />
<window_info id="Ant Build" active="false" anchor="right" auto_hide="false" internal_type="DOCKED" type="DOCKED" visible="false" show_stripe_button="true" weight="0.25" sideWeight="0.5" order="1" side_tool="false" content_ui="tabs" />
</layout>
</component>
<component name="Vcs.Log.UiProperties">
<option name="RECENTLY_FILTERED_USER_GROUPS">
<collection />
</option>
<option name="RECENTLY_FILTERED_BRANCH_GROUPS">
<collection />
</option>
</component>
<component name="VcsContentAnnotationSettings">
<option name="myLimit" value="2678400000" />
</component>
<component name="XDebuggerManager">
<breakpoint-manager>
<breakpoints>
<line-breakpoint enabled="true" type="python-line">
<url>file://$PROJECT_DIR$/text_classifier/textblob/test3.py</url>
<line>16</line>
<option name="timeStamp" value="8" />
</line-breakpoint>
<line-breakpoint enabled="true" type="python-line">
<url>file://$PROJECT_DIR$/similarity/Word2vec/words/create_vec.py</url>
<line>45</line>
<option name="timeStamp" value="48" />
</line-breakpoint>
<line-breakpoint enabled="true" type="python-line">
<url>file://$PROJECT_DIR$/similarity/Word2vec/sentences/train.py</url>
<line>42</line>
<option name="timeStamp" value="50" />
</line-breakpoint>
</breakpoints>
<breakpoints-dialog>
<breakpoints-dialog />
</breakpoints-dialog>
<default-breakpoints>
<breakpoint type="python-exception">
<properties notifyOnTerminate="true" exception="BaseException">
<option name="notifyOnTerminate" value="true" />
</properties>
</breakpoint>
</default-breakpoints>
<option name="time" value="51" />
</breakpoint-manager>
<watches-manager />
</component>
<component name="editorHistoryManager">
<entry file="file://$PROJECT_DIR$/similarity/Word2vec/words/chinesewords.txt">
<provider selected="true" editor-type-id="text-editor">
<state relative-caret-position="0">
<caret line="0" column="0" selection-start-line="0" selection-start-column="0" selection-end-line="0" selection-end-column="0" />
</state>
</provider>
</entry>
<entry file="file://$PROJECT_DIR$/word_vector/Word2vec/read_vec.py">
<provider selected="true" editor-type-id="text-editor">
<state relative-caret-position="36">
<caret line="18" column="13" selection-start-line="18" selection-start-column="13" selection-end-line="18" selection-end-column="13" />
</state>
</provider>
</entry>
<entry file="file://$PROJECT_DIR$/word_tagging/snowNlp/test.py">
<provider selected="true" editor-type-id="text-editor">
<state relative-caret-position="378">
<caret line="22" column="0" selection-start-line="22" selection-start-column="0" selection-end-line="22" selection-end-column="0" />
</state>
</provider>
</entry>
<entry file="file://$PROJECT_DIR$/participle/crf/readMe.txt">
<provider selected="true" editor-type-id="text-editor">
<state relative-caret-position="126">
<caret line="7" column="0" selection-start-line="7" selection-start-column="0" selection-end-line="11" selection-end-column="4" />
</state>
</provider>
</entry>
<entry file="file://$USER_HOME$/.PyCharm2016.1/system/python_stubs/-1247972723/_CRFPP.py">
<provider selected="true" editor-type-id="text-editor">
<state relative-caret-position="450">
<caret line="55" column="4" selection-start-line="55" selection-start-column="4" selection-end-line="55" selection-end-column="4" />
</state>
</provider>
</entry>
<entry file="file:///usr/lib64/python2.7/codecs.py">
<provider selected="true" editor-type-id="text-editor">
<state relative-caret-position="92">
<caret line="840" column="38" selection-start-line="840" selection-start-column="30" selection-end-line="840" selection-end-column="38" />
<folding />
</state>
</provider>
</entry>
<entry file="file:///usr/lib64/python2.7/site-packages/CRFPP.py">
<provider selected="true" editor-type-id="text-editor">
<state relative-caret-position="92">
<caret line="107" column="8" selection-start-line="107" selection-start-column="8" selection-end-line="107" selection-end-column="8" />
</state>
</provider>
</entry>
<entry file="file://$PROJECT_DIR$/named _entity_ recognition/crf/199801.txt">
<provider selected="true" editor-type-id="text-editor">
<state relative-caret-position="144">
<caret line="8" column="37" selection-start-line="8" selection-start-column="37" selection-end-line="8" selection-end-column="37" />
</state>
</provider>
</entry>
<entry file="file://$PROJECT_DIR$/participle/crf/setp_1.py">
<provider selected="true" editor-type-id="text-editor">
<state relative-caret-position="180">
<caret line="17" column="34" selection-start-line="17" selection-start-column="34" selection-end-line="17" selection-end-column="34" />
</state>
</provider>
</entry>
<entry file="file://$PROJECT_DIR$/participle/crf/setp_2.py">
<provider selected="true" editor-type-id="text-editor">
<state relative-caret-position="1188">
<caret line="69" column="33" selection-start-line="69" selection-start-column="19" selection-end-line="69" selection-end-column="33" />
</state>
</provider>
</entry>
<entry file="file://$PROJECT_DIR$/participle/crf/199801.txt">
<provider selected="true" editor-type-id="text-editor">
<state relative-caret-position="0">
<caret line="0" column="0" selection-start-line="0" selection-start-column="0" selection-end-line="0" selection-end-column="0" />
</state>
</provider>
</entry>
<entry file="file://$PROJECT_DIR$/named _entity_ recognition/crf/doc.py">
<provider selected="true" editor-type-id="text-editor">
<state relative-caret-position="810">
<caret line="46" column="31" selection-start-line="46" selection-start-column="31" selection-end-line="46" selection-end-column="31" />
</state>
</provider>
</entry>
<entry file="file://$PROJECT_DIR$/named _entity_ recognition/crf/199801.txt">
<provider selected="true" editor-type-id="text-editor">
<state relative-caret-position="0">
<caret line="0" column="0" selection-start-line="0" selection-start-column="0" selection-end-line="0" selection-end-column="0" />
</state>
</provider>
</entry>
<entry file="file://$PROJECT_DIR$/word_tagging/crf/199801.txt">
<provider selected="true" editor-type-id="text-editor">
<state relative-caret-position="0">
<caret line="0" column="0" selection-start-line="0" selection-start-column="0" selection-end-line="0" selection-end-column="0" />
</state>
</provider>
</entry>
<entry file="file://$PROJECT_DIR$/participle/crf/train.data">
<provider selected="true" editor-type-id="text-editor">
<state relative-caret-position="256">
<caret line="360" column="9" selection-start-line="360" selection-start-column="9" selection-end-line="360" selection-end-column="9" />
</state>
</provider>
</entry>
<entry file="file://$PROJECT_DIR$/word_tagging/crf/readMe.txt">
<provider selected="true" editor-type-id="text-editor">
<state relative-caret-position="54">
<caret line="3" column="23" selection-start-line="3" selection-start-column="23" selection-end-line="3" selection-end-column="23" />
</state>
</provider>
</entry>
<entry file="file://$PROJECT_DIR$/named _entity_ recognition/crf/readMe.txt">
<provider selected="true" editor-type-id="text-editor">
<state relative-caret-position="54">
<caret line="3" column="24" selection-start-line="3" selection-start-column="24" selection-end-line="3" selection-end-column="24" />
</state>
</provider>
</entry>
<entry file="file://$PROJECT_DIR$/named _entity_ recognition/crf/curpus.txt">
<provider selected="true" editor-type-id="text-editor">
<state relative-caret-position="273">
<caret line="99" column="5" selection-start-line="99" selection-start-column="5" selection-end-line="99" selection-end-column="5" />
<folding />
</state>
</provider>
</entry>
<entry file="file://$PROJECT_DIR$/similarity/Word2vec/test.py" />
<entry file="file://$PROJECT_DIR$/similarity/Word2vec/words/remove_stopwords.py">
<provider selected="true" editor-type-id="text-editor">
<state relative-caret-position="0">
<caret line="0" column="0" selection-start-line="0" selection-start-column="0" selection-end-line="0" selection-end-column="0" />
<folding />
</state>
</provider>
</entry>
<entry file="file://$PROJECT_DIR$/keywords_summary_topic/Word2vec/jiqixuexi_fenci.txt" />
<entry file="file://$PROJECT_DIR$/keywords_summary_topic/Word2vec/text1.py" />
<entry file="file://$PROJECT_DIR$/keywords_summary_topic/Word2vec/text1" />
<entry file="file:///usr/lib64/python2.7/site-packages/gensim/models/basemodel.py">
<provider selected="true" editor-type-id="text-editor">
<state relative-caret-position="193">
<caret line="15" column="31" selection-start-line="15" selection-start-column="20" selection-end-line="15" selection-end-column="31" />
<folding />
</state>
</provider>
</entry>
<entry file="file://$PROJECT_DIR$/keywords_summary_topic/Word2vec/deerwester.dict">
<provider selected="true" editor-type-id="text-editor">
<state relative-caret-position="0">
<caret line="0" column="0" selection-start-line="0" selection-start-column="0" selection-end-line="0" selection-end-column="0" />
</state>
</provider>
</entry>
<entry file="file://$USER_HOME$/.PyCharm2016.1/system/python_stubs/-1247972723/__builtin__.py">
<provider selected="true" editor-type-id="text-editor">
<state relative-caret-position="82">
<caret line="3356" column="8" selection-start-line="3356" selection-start-column="8" selection-end-line="3356" selection-end-column="8" />
<folding />
</state>
</provider>
</entry>
<entry file="file://$PROJECT_DIR$/keywords_summary_topic/Word2vec/text3.txt">
<provider selected="true" editor-type-id="text-editor">
<state relative-caret-position="108">
<caret line="6" column="19" selection-start-line="6" selection-start-column="19" selection-end-line="6" selection-end-column="19" />
<folding />
</state>
</provider>
</entry>
<entry file="file://$PROJECT_DIR$/keywords_summary_topic/Word2vec/text2.txt">
<provider selected="true" editor-type-id="text-editor">
<state relative-caret-position="216">
<caret line="12" column="17" selection-start-line="12" selection-start-column="17" selection-end-line="12" selection-end-column="17" />
<folding />
</state>
</provider>
</entry>
<entry file="file://$PROJECT_DIR$/keywords_summary_topic/Word2vec/text1.txt">
<provider selected="true" editor-type-id="text-editor">
<state relative-caret-position="18">
<caret line="1" column="81" selection-start-line="1" selection-start-column="78" selection-end-line="1" selection-end-column="81" />
<folding />
</state>
</provider>
</entry>
<entry file="file:///usr/lib64/python2.7/site-packages/gensim/models/__init__.py">
<provider selected="true" editor-type-id="text-editor">
<state relative-caret-position="270">
<caret line="18" column="36" selection-start-line="18" selection-start-column="25" selection-end-line="18" selection-end-column="36" />
<folding />
</state>
</provider>
</entry>
<entry file="file://$USER_HOME$/.PyCharm2016.1/system/python_stubs/-1247972723/_collections.py">
<provider selected="true" editor-type-id="text-editor">
<state relative-caret-position="110">
<caret line="34" column="8" selection-start-line="34" selection-start-column="8" selection-end-line="34" selection-end-column="8" />
<folding />
</state>
</provider>
</entry>
<entry file="file:///usr/lib64/python2.7/site-packages/gensim/utils.py">
<provider selected="true" editor-type-id="text-editor">
<state relative-caret-position="78">
<caret line="1171" column="15" selection-start-line="1171" selection-start-column="4" selection-end-line="1171" selection-end-column="15" />
<folding />
</state>
</provider>
</entry>
<entry file="file:///usr/lib64/python2.7/site-packages/gensim/models/keyedvectors.py">
<provider selected="true" editor-type-id="text-editor">
<state relative-caret-position="110">
<caret line="40" column="13" selection-start-line="40" selection-start-column="13" selection-end-line="40" selection-end-column="13" />
<folding />
</state>
</provider>
</entry>
<entry file="file://$PROJECT_DIR$/similarity/Word2vec/words/corpus.txt">
<provider selected="true" editor-type-id="text-editor">
<state relative-caret-position="0">
<caret line="0" column="356" selection-start-line="0" selection-start-column="353" selection-end-line="0" selection-end-column="356" />
<folding />
</state>
</provider>
</entry>
<entry file="file://$PROJECT_DIR$/similarity/Word2vec/words/plot.py">
<provider selected="true" editor-type-id="text-editor">
<state relative-caret-position="254">
<caret line="18" column="37" selection-start-line="18" selection-start-column="37" selection-end-line="18" selection-end-column="37" />
<folding>
<element signature="e#37#55#0" expanded="true" />
</folding>
</state>
</provider>
</entry>
<entry file="file:///usr/lib64/python2.7/site-packages/gensim/models/phrases.py">
<provider selected="true" editor-type-id="text-editor">
<state relative-caret-position="110">
<caret line="134" column="45" selection-start-line="134" selection-start-column="31" selection-end-line="134" selection-end-column="45" />
<folding />
</state>
</provider>
</entry>
<entry file="file://$PROJECT_DIR$/similarity/snowNlp/sentence_similarity.py">
<provider selected="true" editor-type-id="text-editor">
<state relative-caret-position="162">
<caret line="11" column="0" selection-start-line="11" selection-start-column="0" selection-end-line="11" selection-end-column="0" />
<folding />
</state>
</provider>
</entry>
<entry file="file:///usr/lib64/python2.7/site-packages/gensim/models/doc2vec.py">
<provider selected="true" editor-type-id="text-editor">
<state relative-caret-position="1280">
<caret line="688" column="30" selection-start-line="688" selection-start-column="25" selection-end-line="688" selection-end-column="30" />
<folding />
</state>
</provider>
</entry>
<entry file="file://$PROJECT_DIR$/similarity/Word2vec/words/read_vec.py">
<provider selected="true" editor-type-id="text-editor">
<state relative-caret-position="-72">
<caret line="14" column="0" selection-start-line="14" selection-start-column="0" selection-end-line="14" selection-end-column="0" />
<folding>
<element signature="e#48#82#0" expanded="true" />
</folding>
</state>
</provider>
</entry>
<entry file="file://$PROJECT_DIR$/similarity/Word2vec/words/create_vec.py">
<provider selected="true" editor-type-id="text-editor">
<state relative-caret-position="78">
<caret line="18" column="5" selection-start-line="18" selection-start-column="0" selection-end-line="18" selection-end-column="5" />
<folding>
<element signature="e#48#82#0" expanded="true" />
</folding>
</state>
</provider>
</entry>
<entry file="file://$PROJECT_DIR$/similarity/Word2vec/sentences_similer.py">
<provider selected="true" editor-type-id="text-editor">
<state relative-caret-position="72">
<caret line="6" column="15" selection-start-line="6" selection-start-column="15" selection-end-line="6" selection-end-column="15" />
<folding />
</state>
</provider>
</entry>
<entry file="file:///usr/lib64/python2.7/site-packages/gensim/models/lsimodel.py">
<provider selected="true" editor-type-id="text-editor">
<state relative-caret-position="110">
<caret line="424" column="0" selection-start-line="424" selection-start-column="0" selection-end-line="424" selection-end-column="0" />
<folding />
</state>
</provider>
</entry>
<entry file="file://$PROJECT_DIR$/similarity/Word2vec/sentences/mydict.dic">
<provider selected="true" editor-type-id="text-editor">
<state relative-caret-position="0">
<caret line="0" column="0" selection-start-line="0" selection-start-column="0" selection-end-line="0" selection-end-column="0" />
<folding />
</state>
</provider>
</entry>
<entry file="file://$PROJECT_DIR$/similarity/Word2vec/sentences/train_corpus.txt">
<provider selected="true" editor-type-id="text-editor">
<state relative-caret-position="273">
<caret line="34" column="3" selection-start-line="34" selection-start-column="3" selection-end-line="34" selection-end-column="3" />
<folding />
</state>
</provider>
</entry>
<entry file="file://$PROJECT_DIR$/similarity/Word2vec/sentences/train.py">
<provider selected="true" editor-type-id="text-editor">
<state relative-caret-position="61">
<caret line="36" column="25" selection-start-line="36" selection-start-column="25" selection-end-line="36" selection-end-column="25" />
<folding>
<element signature="e#24#50#0" expanded="true" />
</folding>
</state>
</provider>
</entry>
<entry file="file://$PROJECT_DIR$/keywords_summary_topic/Word2vec/example.py">
<provider selected="true" editor-type-id="text-editor">
<state relative-caret-position="179">
<caret line="87" column="0" selection-start-line="87" selection-start-column="0" selection-end-line="87" selection-end-column="0" />
<folding>
<element signature="e#24#50#0" expanded="true" />
</folding>
</state>
</provider>
</entry>
<entry file="file:///usr/lib64/python2.7/site-packages/gensim/models/word2vec.py">
<provider selected="true" editor-type-id="text-editor">
<state relative-caret-position="164">
<caret line="703" column="22" selection-start-line="703" selection-start-column="22" selection-end-line="703" selection-end-column="22" />
<folding />
</state>
</provider>
</entry>
<entry file="file://$PROJECT_DIR$/similarity/Word2vec/sentences/readMe.txt">
<provider selected="true" editor-type-id="text-editor">
<state relative-caret-position="0">
<caret line="0" column="22" selection-start-line="0" selection-start-column="22" selection-end-line="0" selection-end-column="22" />
<folding />
</state>
</provider>
</entry>
<entry file="file://$PROJECT_DIR$/similarity/Word2vec/sentences/sentences_similer.py">
<provider selected="true" editor-type-id="text-editor">
<state relative-caret-position="333">
<caret line="23" column="29" selection-start-line="23" selection-start-column="29" selection-end-line="23" selection-end-column="29" />
<folding>
<element signature="e#14#60#0" expanded="true" />
</folding>
</state>
</provider>
</entry>
<entry file="file://$PROJECT_DIR$/named _entity_ recognition/crf/create_corpus.py">
<provider selected="true" editor-type-id="text-editor">
<state relative-caret-position="72">
<caret line="4" column="49" selection-start-line="4" selection-start-column="49" selection-end-line="4" selection-end-column="49" />
<folding />
</state>
</provider>
</entry>
<entry file="file://$PROJECT_DIR$/named _entity_ recognition/crf/train_and_test.py">
<provider selected="true" editor-type-id="text-editor">
<state relative-caret-position="216">
<caret line="54" column="45" selection-start-line="54" selection-start-column="42" selection-end-line="54" selection-end-column="45" />
<folding />
</state>
</provider>
</entry>
</component>
</project>
================================================
FILE: NLP_ALL/chatbot/__init__.py
================================================
================================================
FILE: NLP_ALL/chatbot/readMe.txt
================================================
聊天机器人
================================================
FILE: NLP_ALL/chinese_trans/__init__.py
================================================
================================================
FILE: NLP_ALL/chinese_trans/readMe.txt
================================================
拼音汉字互转,简体和繁体转换
================================================
FILE: NLP_ALL/chinese_trans/snowNlp/__init__.py
================================================
================================================
FILE: NLP_ALL/chinese_trans/snowNlp/chinese_to_fanti.py
================================================
#encoding=utf-8
from snownlp import SnowNLP
"""简体繁体互转"""
s = SnowNLP(u'「繁體字」「繁體中文」的叫法在臺灣亦很常見。')
print s.han
================================================
FILE: NLP_ALL/chinese_trans/snowNlp/chinese_to_pinyin.py
================================================
#encoding=utf-8
from snownlp import SnowNLP
"""汉字转拼音"""
s = SnowNLP(u'这个东西真心很赞')
print s.pinyin # [u'zhe', u'ge', u'dong', u'xi',
# u'zhen', u'xin', u'hen', u'zan']
================================================
FILE: NLP_ALL/chinese_trans/snowNlp/readMe.txt
================================================
pip install snownlp
================================================
FILE: NLP_ALL/keywords_summary_topic/Word2vec/__init__.py
================================================
================================================
FILE: NLP_ALL/keywords_summary_topic/Word2vec/deerwester.mm
================================================
%%MatrixMarket matrix coordinate real general
4 95 111
1 1 3
1 2 1
1 3 1
1 4 1
1 5 1
1 6 1
1 7 1
1 8 1
1 9 1
1 10 1
1 11 1
1 12 1
1 13 1
1 14 1
1 15 1
1 16 1
1 17 1
1 18 1
1 19 1
1 20 1
1 21 1
1 22 1
1 23 1
1 24 2
1 25 1
1 26 1
1 27 1
1 28 1
1 29 1
1 30 1
1 31 1
1 32 1
1 33 1
1 34 1
1 35 1
1 36 1
1 37 1
1 38 1
1 39 1
1 40 1
1 41 1
1 42 1
1 43 1
1 44 1
1 45 1
1 46 1
1 47 1
1 48 1
1 49 1
2 1 3
2 39 1
2 41 1
2 47 2
2 50 1
2 51 1
2 52 1
2 53 1
2 54 1
2 55 1
2 56 1
2 57 1
2 58 1
2 59 1
2 60 1
2 61 1
2 62 1
2 63 1
2 64 1
2 65 2
2 66 1
2 67 1
2 68 1
2 69 1
2 70 1
2 71 1
4 1 1
4 3 1
4 12 2
4 35 1
4 36 1
4 42 1
4 43 2
4 47 1
4 48 1
4 51 2
4 65 2
4 70 2
4 72 1
4 73 1
4 74 1
4 75 1
4 76 1
4 77 1
4 78 1
4 79 1
4 80 1
4 81 1
4 82 1
4 83 1
4 84 1
4 85 1
4 86 1
4 87 1
4 88 1
4 89 1
4 90 1
4 91 1
4 92 1
4 93 1
4 94 1
4 95 1
================================================
FILE: NLP_ALL/keywords_summary_topic/Word2vec/deerwester.mm.index
================================================
]q(KaMJMde.
================================================
FILE: NLP_ALL/keywords_summary_topic/Word2vec/example.py
================================================
# -*- coding: utf-8 -*-
from gensim import corpora
from collections import defaultdict
from gensim.models.tfidfmodel import TfidfModel
from gensim.models import *
import codecs
import json
import jieba;
def getToipc(file_name,toipc_type="lda",topics_num=5,topics_words=5):
"""
生成主题模型
:param file_name:
:param toipc_type: lda or lsi
:param topics_num:
:param topic_words:
:return:
"""
texts=list()
f = codecs.open(file_name, 'r')
for line in f:
tt_texts=list()
line=line.strip()
words=jieba.cut(line,cut_all=False)
t_texts=list(words);
for text in t_texts:
if len(text.strip())>1:
tt_texts.append(text)
texts.append(tt_texts)
# 去掉只出现一次的单词
frequency = defaultdict(int)
"""for text in texts:
for token in text:
frequency[token] += 1
texts = [[token for token in text if frequency[token] > 1] for text in texts]"""
dictionary = corpora.Dictionary(texts) # 生成词典# -*- coding: utf-8 -*-
# 将文档存入字典，字典有很多功能，比如
# diction.token2id 存放的是单词-id key-value对
# diction.dfs 存放的是单词的出现频率
dictionary.save('deerwester.dict') # store the dictionary, for future reference
corpus = [dictionary.doc2bow(text) for text in texts]
corpora.MmCorpus.serialize('deerwester.mm', corpus) # store to disk, for later use
tfidf = TfidfModel(corpus)
tfidf_corpus = tfidf[corpus]
#print(tfidf.idfs)
tfidf.save('foo.tfidf_model')
"""
加载模型
dictionary = corpora.Dictionary.load('mydict.dic')
corpus = corpora.MmCorpus('lsi_corpus.mm')
model = LsiModel.load('model.lsi')
model2 = LdaModel.load('model.lda')
TfidfModel.load(foo.tfidf_model)"""
if toipc_type == "lsi":
#lsi
#lsi = LsiModel(corpus = tfidf_corpus,id2word=dictionary,num_topics=2)
lsi = LsiModel(corpus = tfidf_corpus,id2word=dictionary)
lsi_corpus = lsi[tfidf_corpus]
lsi.save('model.lsi')
corpora.MmCorpus.serialize('lsi_corpus.mm', lsi_corpus)
#print 'LSI Topics:'
#print json.dumps(lsi.print_topics(num_topics=topics_num,num_words=topics_words), encoding="UTF-8", ensure_ascii=False)
return lsi.print_topics(num_topics=topics_num,num_words=topics_words)
if toipc_type=="lda":
#lda
#lda = LdaModel(corpus = tfidf_corpus,id2word=dictionary,num_topics=1)
lda = LdaModel(corpus = tfidf_corpus,id2word=dictionary)
lda_corpus = lda[tfidf_corpus]
lda.save('model.lda')
corpora.MmCorpus.serialize('lda_corpus.mm', lda_corpus)
#print 'LDA Topics:'
#print json.dumps(lda.print_topics(num_topics=topics_num,num_words=topics_words), encoding="UTF-8", ensure_ascii=False)
return lda.print_topics(num_topics=topics_num,num_words=topics_words);
#print corpus
#print dictionary
#print dictionary.token2id
print json.dumps(getToipc("text1.txt",topics_num=1), encoding="UTF-8", ensure_ascii=False)
================================================
FILE: NLP_ALL/keywords_summary_topic/Word2vec/lda_corpus.mm
================================================
%%MatrixMarket matrix coordinate real general
4 81 3
1 69 0.871551953554
2 12 0.833934867408
4 81 0.850378034187
================================================
FILE: NLP_ALL/keywords_summary_topic/Word2vec/lda_corpus.mm.index
================================================
]q(KaKuJKe.
================================================
FILE: NLP_ALL/keywords_summary_topic/Word2vec/lsi_corpus.mm
================================================
%%MatrixMarket matrix coordinate real general
3 3 9
1 1 0.581222374082
1 2 -0.582701597969
1 3 -0.568013555817
2 1 0.494618600554
2 2 0.804658656919
2 3 -0.328446168848
3 1 0.661909716956
3 2 -0.0896193712479
3 3 0.744206889847
================================================
FILE: NLP_ALL/keywords_summary_topic/Word2vec/lsi_corpus.mm.index
================================================
]q(KaKKe.
================================================
FILE: NLP_ALL/keywords_summary_topic/Word2vec/text1.txt
================================================
中超开幕了，外国人也在高度关注这个“金元联赛”。上周末，体坛周报专栏作者、前《法国足球》国际部主任巴雷特先生就为法国电视台解说了中超首轮比赛——广州富力vs天津权健。不仅法国，还有意大利、阿根廷、葡萄牙……中超联赛目前在海外的转播覆盖已达72个国家和地区！他们对2017中超的报道，可谓各有各的特色，不妨来看看。
意大利FOX体育于北京时间3月2日宣布将首次对中超联赛进行转播。意大利FOX经理表示：“中国是世界足球的新的超级大国，一些重要的球员被中超购买，中超很有竞争力，技术水平也高，这是我们直播中超的原因。”
目前，意大利国脚佩莱现效力山东鲁能，06年世界杯夺冠功臣卡纳瓦罗则正在天津权健执教。他们在国内都有着很高的人气，这两支球队极有可能成为FOX体育在直播中的“主队”。中超第一轮，FOX体育直播了广州富力对天津权健、上海申花对江苏苏宁的比赛。
================================================
FILE: NLP_ALL/keywords_summary_topic/Word2vec/text2.txt
================================================
早在上个月，一些电商就开启了iPhone 6 32GB版本的预售，定价为3399元。根据相关科技媒体报告，近几日苹果面向台湾市场推出了32GB版iPhone 6，当地运营商台湾大哥大Taiwan Mobile负责这款新机的发售，同样苹果也在印度推出了此版本。
可见此款版本针对亚洲市场推出，而且销售渠道仅供电商、运营商等，在苹果的官方网站以及官方淘宝店、苹果零售店都是见不到身影的。3399元的售价与一些国内走中高端路线的手机价格差不多，例如近期推出的华为荣耀V9，6GB＋64GB售价2999元，而iPhone 6作为2014款机型，上市已经2两年多，采用苹果A8处理器双核，CPU频率1.4GHz，内存：1GB，4.7寸屏幕，800万像素摄像头，虽然苹果以操作流畅不卡顿著称，但在这个日新月异，手机更新换代巨快的时代推出这款手机有点跟不上“潮流”吧。
况且此次发售颜色仅为金色，颜色也把很多朋友拒之门外，如果推出全黑色或者红色、白色等颜色，就算是“新瓶装旧酒”，我想也会有很多人去买单吧。毕竟拿着此款手机走在大街上没人知道你是两年前买的16GB的版本还是今年才买的32GB的版本。
另外iPhone SE目前在售，售价64GB仅为3788，同时它搭载的A9处理器，Touch ID，1200 万像素摄像头和 iOS 10。作为iPhone的入门机型，价格配置都较此次发售的iPhone6 32GB版本有优势，可以选择的颜色余地也大很多，况且se针对的是人们对小屏幕手机的使用习惯，所做出的选择，牌可谓打得精准。
iPhone6 32GB版本打得算是那一套呢？我想应该是打得精明、利润这两套牌吧。人们选择苹果不外乎系统流畅、苹果品牌形象等原因，在入门机型的处理上，苹果一直把iPhone se作为主推对象，而此次推出iPhone6 32GB版本作为入门级产品，一方面给了想要进入苹果生态圈的人一个更多的选择，很多用户实际购买苹果产品时，并不关心产品具体性能，只要是苹果的，况且听朋友说好用，用户也是会掏钱买单的。另一方面即有“面子”的原因。
目前苹果官网iPhone6S在售，32GB版本4588元，iPhone6 32GB之所以没在官方网店售卖我想应该与其想维护其高端品牌形象有关，苹果公司在利润最大化与品牌形象之间找到这样的一个平衡点，在吸引了更多苹果用户，赚到钱之后也不会损坏其高端的品牌形象，这一招不可谓不精明。
但iPhone6 32GB版本真的会如苹果公司所愿，吸引大量购买人群吗？这我就不得而知了。如果我是一名消费者的话，可选择的余地有很多，比如：二手市场，新出安卓手机等等。这款手机市场反应如何，我们拭目以待吧。
================================================
FILE: NLP_ALL/keywords_summary_topic/Word2vec/text3.txt
================================================
新浪汽车讯 在刚刚开幕的日内瓦车展上，众多全球主流厂家都带来了的自己的首发亮相新车。据不完全统计，日内瓦亮相的新车数量达到50辆以上！今年的日内瓦车展又是一场饕餮盛宴！虽然在这些车型中仍然以SUV居多，但却不乏重磅轿车。下面就让我们一起来看看都有哪些值得期待的轿车吧！
瑞士时间3月6日晚上八点，在日内瓦国际车展开幕前夕，大众举办了规模盛大的品牌之夜活动，在活动中，大众Arteon正式首发亮相。它是大众全新一代CC，也是大众Sport Coupe GTE概念车的量产版本。我们从相关渠道获悉，新车将于今年年内由一汽-大众国产，并有望于2018年上市，代替现款大众CC。
外观方面，大众Arteon基本延续了Sport Coupe GTE概念车的设计理念，前进气格栅幅条与全LED大灯组中的LED日间行车灯相连，使得横向延展性得以增强，倒梯形的下进气格栅同样采用横幅式设计，整体比例扁而宽。
车身设计上，虽然缺少了现款大众CC的优雅曲线，但棱角更加分明的四门Coupe风格决定了其定位于一款主打运动的中型车，此外新车还采用了掀背式尾门设计，实用性更佳。而全LED尾灯组的造型非常具有科技感，点亮后的辨识度也很高。
内饰方面，新车内部设计与新迈腾基本一致，全LED液晶仪表盘也有所配备。同时，新车的后排空间相比现款大众CC将进一步增大，其中头部和腿部空间得到了明显改善。在后排座椅放倒的情况下，新车还将拥有最大1700L的后备厢储物空间。
动力方面，大众Arteon将搭载多种排量的汽油/柴油发动机，而主打车型将是搭载2.0T汽油发动机的车型。据悉，欧规版2.0T车型最大功率将为190马力，而美规版车型的最大功率将达到272马力，传动系统匹配的将是7速DSG双离合变速箱。
================================================
FILE: NLP_ALL/keywords_summary_topic/__init__.py
================================================
================================================
FILE: NLP_ALL/keywords_summary_topic/jieba/__init__.py
================================================
================================================
FILE: NLP_ALL/keywords_summary_topic/jieba/keywords.py
================================================
#encoding=utf-8
import jieba.analyse
"""jieba.analyse.extract_tags(sentence, topK=20, withWeight=False, allowPOS=())
sentence 为待提取的文本
topK 为返回几个 TF/IDF 权重最大的关键词，默认值为 20
withWeight 为是否一并返回关键词权重值，默认值为 False
allowPOS 仅包括指定词性的词，默认值为空，即不筛选
jieba.analyse.TFIDF(idf_path=None) 新建 TFIDF 实例，idf_path 为 IDF 频率文件"""
sentence="上海要统筹考虑国际发展趋势要求我们干什么、国家战略需要我们干什么、自身发展最需要突破什么。”中共中央政治局委员、上海市委书记韩正多次强调，谋划上海工作要有更大视野、始终把握大势，规划上海发展要把准定位、始终把中央指示要求作为贯穿一切的工作主线。“凡是有利于国家利益、大局发展的工作，我们要毫不迟疑地做，坚持不懈地抓；凡是中央确定的战略谋划、布局和任务，我们要主动承接、积极参与、自我加压；凡是符合创新、协调、绿色、开放、共享发展理念的事，我们要勇于率先探索、真抓实干"
keywords=jieba.analyse.extract_tags(sentence, topK=5, withWeight=False, allowPOS=())
print " ".join(keywords)
================================================
FILE: NLP_ALL/keywords_summary_topic/readMe.txt
================================================
关键词提取，摘要提取，主题提取
================================================
FILE: NLP_ALL/keywords_summary_topic/snowNlp/__init__.py
================================================
================================================
FILE: NLP_ALL/keywords_summary_topic/snowNlp/keyword_summary.py
================================================
#encoding=utf-8
from snownlp import SnowNLP
import json
"""
摘要关键词提取
"""
text = u'''
自然语言处理是计算机科学领域与人工智能领域中的一个重要方向。
它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。
自然语言处理是一门融语言学、计算机科学、数学于一体的科学。
因此，这一领域的研究将涉及自然语言，即人们日常使用的语言，
所以它与语言学的研究有着密切的联系，但又有重要的区别。
自然语言处理并不是一般地研究自然语言，
而在于研制能有效地实现自然语言通信的计算机系统，
特别是其中的软件系统。因而它是计算机科学的一部分。
'''
s = SnowNLP(text)
#提取前三个最高的关键词
print json.dumps(s.keywords(3), encoding="UTF-8", ensure_ascii=False) # [u'语言', u'自然', u'计算机']
#提取前三个最高的摘要
print json.dumps( s.summary(3), encoding="UTF-8", ensure_ascii=False) # [u'因而它是计算机科学的一部分',
# u'自然语言处理是一门融语言学、计算机科学、
# 数学于一体的科学',
# u'自然语言处理是计算机科学领域与人工智能
# 领域中的一个重要方向']
================================================
FILE: NLP_ALL/named _entity_ recognition/__init__.py
================================================
================================================
FILE: NLP_ALL/named _entity_ recognition/crf/199801.txt
================================================
19980101-01-001-001/m /v /v ϣ/n /u /a /n /w һžŰ/t /t /n /w /v ͼƬ/n /m /q /w
19980101-01-001-002/m й/nt /n /w /n ϯ/n /nr /nr
19980101-01-001-003/m /w һž/t ʮ/t ʮһ/t /w
19980101-01-001-004/m /t /t /w й/nt /n /w /n ϯ/n /nr /nr /v /t /t /n /w /v /v ϣ/n /u /a /n /w /w /w »/nt /n /nr /nr /Vg /w
19980101-01-001-005/m ͬ/n /k /w /n /k /w Ůʿ/n /k /w /n /k /w
19980101-01-001-006/m /p /t /v ֮/f /w /r ʮ/m /a /u ͨ/p [/n /n 㲥/vn ̨/n]nt /w [й/ns /n 㲥/vn ̨/n]nt /c [/n ̨/n]nt /w /p ȫ/n /r /n /w /p [/ns ر/a /n]ns ͬ/n /w /ns /c ̨/ns ͬ/n /w /s Ȱ/n /w /p /n /r /u /n /k /w /v ֿ/a /u ʺ/vn /c /a /u ףԸ/vn /w
19980101-01-001-007/m /t /w /v й/ns չ/vn ʷ/n /f dz/d Ҫ/a /u /d /d ƽ/a /u һ/m /q /w й/ns /n /d ̳/v /nr Сƽ/nr ͬ־/n /u ־/n /w /v /p /v /v й/ns ɫ/n /n ҵ/n /v ǰ/v /w [й/ns /n]nt ˳/ad ָ/v /p /ns ʹ/v Ȩ/n /w /c /p /w һ/j /w /w /w θ/l /w /w ߶/d /v /u /n /v /ns /u /an ȶ/an /w [й/ns /n]nt ɹ/a /u ٿ/v /u ʮ/m /q ȫ/n /n /w ߾/v Сƽ/n ΰ/a /n /w ܽ/v /m ʷ/n /w չ/v /a /u /n /w ƶ/v /u й/ns /v /n չ/v /u ж/vn /n /w
19980101-01-001-008/m /p /r һ/m /q /f /w й/ns /u ĸ/vn /vn /c ִ/vn /vn /v ǰ/v /v /w /n /v /u /w /a /vn /w /a ͨ/j /w /u /a չ/vn ̬/n /w ũҵ/n /vn ٴ/d /v /a /u ճ/n /w ҵ/n ĸ/vn /v /v /w /n /vn һ/d /v /w /vn /n /n /vn /c /vn /d /v /w /a /n /vn /w /n /vn /c /r /r ҵ/n /d /v /a /u չ/vn /w /r ʮ/m ע/v /t һ/m ʱ/n һЩ/m /n /c /n /v /u /n 粨/n /w /r /v ͨ/p Щ/r /n /c /n /u Ŭ/an Լ/c й/v /u /n /vn /w /n /v /d õ/v /vn /w ܵ˵/c /w й/ns ĸ/v /c չ/v /u ȫ/n /v /v /u ȶ/an /w
19980101-01-001-009/m /p /r һ/m /q /f /w й/ns /u ⽻/n /vn ȡ/v /u Ҫ/a ɹ/n /w ͨ/p ߲/n /v /w й/ns /p /ns /w ˹/ns /w /ns /w ձ/ns /u /n ȷ/v /u ˫/n ϵ/n δ/t չ/v /u Ŀ/n /c ָ/vn /n /w й/ns /p ܱ/n /n /c /b չй/l /u Ѻ/a /vn һ/d ǿ/v /w й/ns /ad /v [/j ̫/j /j ֯/n]nt /u /vn /w μ/v /u /ns /w /j /j /j /c й/ns /w /ns /n ʽ/b /vn /w Щ/r ⽻/n /vn /w /v ƽ/n /c չ/v /u ʱ/n /n /w ˳Ӧ/v /n /v ༫/v /u /n /w /p ٽ/v /n /n /u Ѻ/a /vn /c ͬ/b չ/vn /v /u /a /u /n /w
19980101-01-001-010/m /t /w й/ns /n /d /l /u /v /a /u ҵ/n /w /c /r /p /n /n չ/v /f /d /v /m /an /w /c /r /v Сƽ/n /u ָ/vn /w /v ĸ/v /v /a /m /q /f ȡ/v /u ΰ/a ɾ/n /c /v /u ḻ/a /n /w /d /v /r /u /r /a /n /w /r һ/d ܹ/v ˷/v Щ/r /an /w /v Ȳǰ/l /w ֻҪ/c /r һ/d ˼/i /w ʵ/i /w ץס/v /n /w ؽȡ/l /w /v /v й/ns ɫ/n /n /u ·/n /c /v Խ/d /v Խ/d /a /w
19980101-01-001-011/m ʵ/v /n /u ȫ/a ͳһ/vn /w /v /s ȫ/n й/ns /n /u ͬ/b Ը/n /w ͨ/p /j /j ˫/n /u /vn /c Ŭ/an /w /p /w һ/j /w /n /c /ns /w /n /w /w /t /t /ns /u ع/vn һ/d ܹ/v ˳/ad ʵ/v /w
19980101-01-001-012/m ̨/ns /v й/ns /n ɷָ/l /u һ/m /n /w /v /n ͳһ/vn /w /v /i /w /l /w κ/r ͼ/v /v /w /m /q й/ns /w /w /w һһ̨/j /w /w /w ̨/ns /v /w /u ͼı/n /w /d ע/v Ҫ/v ʧ/v /w ϣ/v ̨/ns /n /p /n /n Ϊ/v /w /v /v /n /w ȡ/v ʵ/a /u ж/vn /w ƶ/v /n /n Ļ/n /vn /c Ա/n /vn /w ٽ/v /n ֱ/ad ͨ/v /w ͨ/v /w ͨ/v /u /d ʵ/v /w /c /d Ӧ/v /r /v /u /p һ/m й/ns /u ԭ/n /f /n /v ̸/vn /u ֣/a /vn /w
================================================
FILE: NLP_ALL/named _entity_ recognition/crf/__init__.py
================================================
================================================
FILE: NLP_ALL/named _entity_ recognition/crf/create_corpus.py
================================================
# -*- coding: utf-8 -*-
import codecs
wordfile=codecs.open("199801.txt",encoding="gbk")
curpusfile=codecs.open("corpus.txt",'w', 'utf-8')
def max_word():#最长匹配 提取[中央/n 人民/n 广播/vn 电台/n]nt 样式的词，最长词，如 :中央人民广播电台/n
for sentence in wordfile.readlines():
words= sentence.strip().split(" ")
b_flag = 0
b_word=""
for word in words: #提取[中央/n 人民/n 广播/vn 电台/n]nt 样式的词，最长词，如 :中央人民广播电台/n
if word.strip()!="":
b_tag=""
if word.startswith("["):
b_flag=1
word=word[1:]
elif "]" in word:
b_flag=2
b_tag = word[word.index("]") + 1:]
word=word[0:word.index("]")]
w_c=word.split("/")
if b_flag==1:
b_word=b_word+w_c[0];
elif b_flag==2:
b_word = b_word + w_c[0];
b_flag=0
curpusfile.write(b_word + " " + b_tag + "\n")
b_word = ""
else:
curpusfile.write(w_c[0]+" "+w_c[1]+"\n")
def min_word():#最短匹配 提取[中央/n 人民/n 广播/vn 电台/n]nt 样式的词，最短词，如 :中央，人民，广播，电台
for sentence in wordfile.readlines():
words = sentence.strip().split(" ")
for word in words:
if word.strip() != "":
if word.startswith("["):
word = word[1:]
elif "]" in word:
word = word[0:word.index("]")]
w_c = word.split("/")
curpusfile.write(w_c[0] + " " + w_c[1] + "\n")
================================================
FILE: NLP_ALL/named _entity_ recognition/crf/curpus.txt
================================================
19980101-01-001-001 m
迈向 v
充满 v
希望 n
的 u
新 a
世纪 n
—— w
一九九八年 t
新年 t
讲话 n
（ w
附 v
图片 n
１ m
张 q
） w
19980101-01-001-002 m
中共中央 nt
总书记 n
、 w
国家 n
主席 n
江 nr
泽民 nr
19980101-01-001-003 m
（ w
一九九七年 t
十二月 t
三十一日 t
） w
19980101-01-001-004 m
１２月 t
３１日 t
， w
中共中央 nt
总书记 n
、 w
国家 n
主席 n
江 nr
泽民 nr
发表 v
１９９８年 t
新年 t
讲话 n
《 w
迈向 v
充满 v
希望 n
的 u
新 a
世纪 n
》 w
。 w
（ w
新华社 nt
记者 n
兰 nr
红光 nr
摄 Vg
） w
19980101-01-001-005 m
同胞 n
们 k
、 w
朋友 n
们 k
、 w
女士 n
们 k
、 w
先生 n
们 k
： w
19980101-01-001-006 m
在 p
１９９８年 t
来临 v
之际 f
， w
我 r
十分 m
高兴 a
地 u
通过 p
中央人民广播电台 nt
、 w
中国国际广播电台 nt
和 c
中央电视台 nt
， w
向 p
全国 n
各族 r
人民 n
， w
向 p
香港特别行政区 ns
同胞 n
、 w
澳门 ns
和 c
台湾 ns
同胞 n
、 w
海外 s
侨胞 n
， w
向 p
世界 n
各国 r
的 u
朋友 n
们 k
， w
致以 v
诚挚 a
的 u
问候 vn
和 c
良好 a
的 u
祝愿 vn
！ w
19980101-01-001-007 m
１９９７年 t
， w
是 v
中国 ns
发展 vn
历史 n
上 f
非常 d
重要 a
的 u
很 d
不 d
平凡 a
的 u
一 m
年 q
。 w
中国 ns
人民 n
决心 d
继承 v
邓 nr
小平 nr
同志 n
的 u
遗志 n
， w
继续 v
把 p
建设 v
有 v
中国 ns
特色 n
社会主义 n
事业 n
推向 v
前进 v
。 w
中国政府 nt
顺利 ad
恢复 v
对 p
香港 ns
行使 v
主权 n
， w
并 c
按照 p
“ w
一国两制 j
” w
、 w
“ w
港人治港 l
” w
、 w
高度 d
自治 v
的 u
方针 n
保持 v
香港 ns
的 u
繁荣 an
稳定 an
。 w
中国共产党 nt
成功 a
地 u
召开 v
了 u
第十五 m
次 q
全国 n
代表大会 n
， w
高举 v
邓小平理论 n
伟大 a
旗帜 n
， w
总结 v
百年 m
历史 n
， w
展望 v
新 a
的 u
世纪 n
， w
制定 v
了 u
中国 ns
跨 v
世纪 n
发展 v
的 u
行动 vn
纲领 n
。 w
19980101-01-001-008 m
在 p
这 r
一 m
年 q
中 f
， w
中国 ns
的 u
改革 vn
开放 vn
和 c
现代化 vn
建设 vn
继续 v
向前 v
迈进 v
。 w
国民经济 n
保持 v
了 u
“ w
高 a
增长 vn
、 w
低 a
通胀 j
” w
的 u
良好 a
发展 vn
态势 n
。 w
农业 n
生产 vn
再次 d
获得 v
好 a
的 u
收成 n
， w
企业 n
改革 vn
继续 v
深化 v
， w
人民 n
生活 vn
进一步 d
改善 v
。 w
对外 vn
经济 n
技术 n
合作 vn
与 c
交流 vn
不断 d
扩大 v
。 w
民主 a
法制 n
建设 vn
、 w
精神文明 n
建设 vn
和 c
其他 r
各项 r
事业 n
都 d
有 v
新 a
的 u
进展 vn
。 w
我们 r
十分 m
关注 v
最近 t
一个 m
时期 n
一些 m
国家 n
和 c
地区 n
发生 v
的 u
金融 n
风波 n
， w
我们 r
相信 v
通过 p
这些 r
国家 n
和 c
地区 n
的 u
努力 an
以及 c
有关 v
的 u
国际 n
合作 vn
， w
情况 n
会 v
逐步 d
得到 v
缓解 vn
。 w
总的来说 c
， w
中国 ns
改革 v
和 c
发展 v
的 u
全局 n
继续 v
保持 v
了 u
稳定 an
。 w
19980101-01-001-009 m
在 p
这 r
一 m
年 q
中 f
， w
中国 ns
的 u
外交 n
工作 vn
取得 v
了 u
重要 a
成果 n
。 w
通过 p
高层 n
互访 v
， w
中国 ns
与 p
美国 ns
、 w
俄罗斯 ns
、 w
法国 ns
、 w
日本 ns
等 u
大国 n
确定 v
了 u
双方 n
关系 n
未来 t
发展 v
的 u
目标 n
和 c
指导 vn
方针 n
。 w
中国 ns
与 p
周边 n
国家 n
和 c
广大 b
发展中国家 l
的 u
友好 a
合作 vn
进一步 d
加强 v
。 w
中国 ns
积极 ad
参与 v
亚太经合组织 nt
的 u
活动 vn
， w
参加 v
了 u
东盟 ns
— w
中 j
日 j
韩 j
和 c
中国 ns
— w
东盟 ns
首脑 n
非正式 b
会晤 vn
。 w
这些 r
外交 n
活动 vn
， w
符合 v
和平 n
与 c
发展 v
的 u
时代 n
主题 n
， w
顺应 v
世界 n
走向 v
多极化 v
的 u
趋势 n
， w
对于 p
促进 v
国际 n
社会 n
的 u
友好 a
合作 vn
和 c
共同 b
发展 vn
作出 v
了 u
积极 a
的 u
贡献 n
。 w
19980101-01-001-010 m
１９９８年 t
， w
中国 ns
人民 n
将 d
满怀信心 l
地 u
开创 v
新 a
的 u
业绩 n
。 w
尽管 c
我们 r
在 p
经济 n
社会 n
发展 v
中 f
还 d
面临 v
不少 m
困难 an
， w
但 c
我们 r
有 v
邓小平理论 n
的 u
指引 vn
， w
有 v
改革 v
开放 v
近 a
２０ m
年 q
来 f
取得 v
的 u
伟大 a
成就 n
和 c
积累 v
的 u
丰富 a
经验 n
， w
还 d
有 v
其他 r
的 u
各种 r
有利 a
条件 n
， w
我们 r
一定 d
能够 v
克服 v
这些 r
困难 an
， w
继续 v
稳步前进 l
。 w
只要 c
我们 r
进一步 d
解放思想 i
， w
实事求是 i
， w
抓住 v
机遇 n
， w
开拓进取 l
， w
建设 v
有 v
中国 ns
特色 n
社会主义 n
的 u
道路 n
就 c
会 v
越 d
走 v
越 d
宽广 a
。 w
19980101-01-001-011 m
实现 v
祖国 n
的 u
完全 a
统一 vn
， w
是 v
海内外 s
全体 n
中国 ns
人 n
的 u
共同 b
心愿 n
。 w
通过 p
中 j
葡 j
双方 n
的 u
合作 vn
和 c
努力 an
， w
按照 p
“ w
一国两制 j
” w
方针 n
和 c
澳门 ns
《 w
基本法 n
》 w
， w
１９９９年 t
１２月 t
澳门 ns
的 u
回归 vn
一定 d
能够 v
顺利 ad
实现 v
。 w
19980101-01-001-012 m
台湾 ns
是 v
中国 ns
领土 n
不可分割 l
的 u
一 m
部分 n
。 w
完成 v
祖国 n
统一 vn
， w
是 v
大势所趋 i
， w
民心所向 l
。 w
任何 r
企图 v
制造 v
“ w
两 m
个 q
中国 ns
” w
、 w
“ w
一中一台 j
” w
、 w
“ w
台湾 ns
独立 v
” w
的 u
图谋 n
， w
都 d
注定 v
要 v
失败 v
。 w
希望 v
台湾 ns
当局 n
以 p
民族 n
大义 n
为重 v
， w
拿 v
出 v
诚意 n
， w
采取 v
实际 a
的 u
行动 vn
， w
推动 v
两岸 n
经济 n
文化 n
交流 vn
和 c
人员 n
往来 vn
， w
促进 v
两岸 n
直接 ad
通邮 v
、 w
通航 v
、 w
通商 v
的 u
早日 d
实现 v
， w
并 c
尽早 d
回应 v
我们 r
发出 v
的 u
在 p
一个 m
中国 ns
的 u
原则 n
下 f
两岸 n
进行 v
谈判 vn
的 u
郑重 a
呼吁 vn
。 w
================================================
FILE: NLP_ALL/named _entity_ recognition/crf/doc.py
================================================
#!/usr/bin/ruby
# -*- coding: utf-8 -*-
import CRFPP
import sys
"""
官方测试文件
"""
try:
# -v 3: access deep information like alpha,beta,prob
# -nN: enable nbest output. N should be >= 2
tagger = CRFPP.Tagger("-m ./crf_model_1 -v 3 -n2")
#tagger = CRFPP.Tagger("-m " + "crf_model_1")
# clear internal context
tagger.clear()
# add context 注意 tagger.add的单词是有顺序的
"""tagger.add("Confidence NN")
tagger.add("in IN")
tagger.add("the DT")
tagger.add("pound NN")
tagger.add("is VBZ")
tagger.add("widely RB")
tagger.add("expected VBN")
tagger.add("to TO")
tagger.add("take VB")
tagger.add("another DT")
tagger.add("sharp JJ")
tagger.add("dive NN")
tagger.add("if IN")
tagger.add("trade NN")
tagger.add("figures NNS")
tagger.add("for IN")
tagger.add("September NNP")"""
tagger.add("的".encode('utf-8'))
print "column size: " , tagger.xsize() # 列大小
print "token size: " , tagger.size() #tagger.add的大小
print "tag size: " , tagger.ysize() # 标签数量
#tagger.x(i, j) add的单词 i为
#tagger.y(i) add单词下标对应的tag下标
#tagger.y(i) add单词下标对应的tag
#tagger.yname(i) tag下标对应得tag名字
print "tagset information:"
ysize = tagger.ysize()
for i in range(0, ysize-1):
print "tag " , i , " " , tagger.yname(i)
# parse and change internal stated as 'parsed'
tagger.parse()
print "conditional prob=" , tagger.prob(), " log(Z)=" , tagger.Z()
size = tagger.size()
xsize = tagger.xsize()
for i in range(0, (size - 1)):
for j in range(0, (xsize-1)):
print tagger.x(i, j) , "\t",
print tagger.y2(i) , "\t",
print "Details",
for j in range(0, (ysize-1)):
print "\t" , tagger.yname(j) , "/prob=" , tagger.prob(i,j),"/alpha=" , tagger.alpha(i, j),"/beta=" , tagger.beta(i, j),
print "\n",
print "nbest outputs:"
for n in range(0, 9):
if (not tagger.next()):
continue
print "nbest n=" , n , "\tconditional prob=" , tagger.prob()
# you can access any information using tagger.y()...
print "Done"
except RuntimeError, e:
print "RuntimeError: ", e,
================================================
FILE: NLP_ALL/named _entity_ recognition/crf/readMe.txt
================================================
(1)利用crf++的训练工具crf_learn来训练模型了，切换到CRF++0.58目录下，执行如下命令即可：
crf_learn -f 3 -c 1.5 ./example/seg/template ../curpus.txt crf_model_1
(2)使用crf_model_1 进行命名体识别
================================================
FILE: NLP_ALL/named _entity_ recognition/crf/train_and_test.py
================================================
#!/usr/bin/env python
# -*- coding: utf-8 -*-
import codecs
import sys
import CRFPP
"""
训练载crf++中使用如下命令
注意：template是模板文件，curpus.txt为两字段的一语料库，crf_model_1 为生成的训练文件
crf_learn -f 3 -c 1.5 ./template ./curpus.txt crf_model_1 -t
参数如下:
可选参数
-f, –freq=INT使用属性的出现次数不少于INT(默认为1)
-m, –maxiter=INT设置INT为LBFGS的最大迭代次数 (默认10k)
-c, –cost=FLOAT 设置FLOAT为代价参数，过大会过度拟合 (默认1.0)
-e, –eta=FLOAT设置终止标准FLOAT(默认0.0001)
-C, –convert将文本模式转为二进制模式
-t, –textmodel为调试建立文本模型文件
-a, –algorithm=(CRF|MIRA)
选择训练算法，默认为CRF-L2
-p, –thread=INT线程数(默认1)，利用多个CPU减少训练时间
-H, –shrinking-size=INT
设置INT为最适宜的跌代变量次数 (默认20)
-v, –version显示版本号并退出
-h, –help显示帮助并退出
"""
def getCx(content_words):
"""
得到词性
:param content_words:注意 单词是按照在句子中的顺序排列的
:return: 返回对应的单词的tag
"""
tags=list()
try:
tagger = CRFPP.Tagger("-m " + "crf_model_1")
tagger.clear()
for word in content_words:
word = word.strip()
if word:
tagger.add(word.encode('utf-8'))
tagger.parse()
size = tagger.size()#tagger.add的数据大小
xsize = tagger.xsize()
for i in range(0, size):
for j in range(0, xsize):
#char = tagger.x(i, j).decode('utf-8')
tag = tagger.y2(i)
tags.append(tag)
except RuntimeError, e:
print "RuntimeError: ", e,
return tags
print getCx(["我","十分" ,"高兴" ,"的" ,"通过","中央","人民","广播","电台"])
================================================
FILE: NLP_ALL/named _entity_ recognition/readMe.txt
================================================
命名体识别
================================================
FILE: NLP_ALL/participle/__init__.py
================================================
================================================
FILE: NLP_ALL/participle/crf/199801.txt
================================================
19980101-01-001-001/m /v /v ϣ/n /u /a /n /w һžŰ/t /t /n /w /v ͼƬ/n /m /q /w
19980101-01-001-002/m й/nt /n /w /n ϯ/n /nr /nr
19980101-01-001-003/m /w һž/t ʮ/t ʮһ/t /w
19980101-01-001-004/m /t /t /w й/nt /n /w /n ϯ/n /nr /nr /v /t /t /n /w /v /v ϣ/n /u /a /n /w /w /w »/nt /n /nr /nr /Vg /w
19980101-01-001-005/m ͬ/n /k /w /n /k /w Ůʿ/n /k /w /n /k /w
19980101-01-001-006/m /p /t /v ֮/f /w /r ʮ/m /a /u ͨ/p [/n /n 㲥/vn ̨/n]nt /w [й/ns /n 㲥/vn ̨/n]nt /c [/n ̨/n]nt /w /p ȫ/n /r /n /w /p [/ns ر/a /n]ns ͬ/n /w /ns /c ̨/ns ͬ/n /w /s Ȱ/n /w /p /n /r /u /n /k /w /v ֿ/a /u ʺ/vn /c /a /u ףԸ/vn /w
19980101-01-001-007/m /t /w /v й/ns չ/vn ʷ/n /f dz/d Ҫ/a /u /d /d ƽ/a /u һ/m /q /w й/ns /n /d ̳/v /nr Сƽ/nr ͬ־/n /u ־/n /w /v /p /v /v й/ns ɫ/n /n ҵ/n /v ǰ/v /w [й/ns /n]nt ˳/ad ָ/v /p /ns ʹ/v Ȩ/n /w /c /p /w һ/j /w /w /w θ/l /w /w ߶/d /v /u /n /v /ns /u /an ȶ/an /w [й/ns /n]nt ɹ/a /u ٿ/v /u ʮ/m /q ȫ/n /n /w ߾/v Сƽ/n ΰ/a /n /w ܽ/v /m ʷ/n /w չ/v /a /u /n /w ƶ/v /u й/ns /v /n չ/v /u ж/vn /n /w
19980101-01-001-008/m /p /r һ/m /q /f /w й/ns /u ĸ/vn /vn /c ִ/vn /vn /v ǰ/v /v /w /n /v /u /w /a /vn /w /a ͨ/j /w /u /a չ/vn ̬/n /w ũҵ/n /vn ٴ/d /v /a /u ճ/n /w ҵ/n ĸ/vn /v /v /w /n /vn һ/d /v /w /vn /n /n /vn /c /vn /d /v /w /a /n /vn /w /n /vn /c /r /r ҵ/n /d /v /a /u չ/vn /w /r ʮ/m ע/v /t һ/m ʱ/n һЩ/m /n /c /n /v /u /n 粨/n /w /r /v ͨ/p Щ/r /n /c /n /u Ŭ/an Լ/c й/v /u /n /vn /w /n /v /d õ/v /vn /w ܵ˵/c /w й/ns ĸ/v /c չ/v /u ȫ/n /v /v /u ȶ/an /w
19980101-01-001-009/m /p /r һ/m /q /f /w й/ns /u ⽻/n /vn ȡ/v /u Ҫ/a ɹ/n /w ͨ/p ߲/n /v /w й/ns /p /ns /w ˹/ns /w /ns /w ձ/ns /u /n ȷ/v /u ˫/n ϵ/n δ/t չ/v /u Ŀ/n /c ָ/vn /n /w й/ns /p ܱ/n /n /c /b չй/l /u Ѻ/a /vn һ/d ǿ/v /w й/ns /ad /v [/j ̫/j /j ֯/n]nt /u /vn /w μ/v /u /ns /w /j /j /j /c й/ns /w /ns /n ʽ/b /vn /w Щ/r ⽻/n /vn /w /v ƽ/n /c չ/v /u ʱ/n /n /w ˳Ӧ/v /n /v ༫/v /u /n /w /p ٽ/v /n /n /u Ѻ/a /vn /c ͬ/b չ/vn /v /u /a /u /n /w
19980101-01-001-010/m /t /w й/ns /n /d /l /u /v /a /u ҵ/n /w /c /r /p /n /n չ/v /f /d /v /m /an /w /c /r /v Сƽ/n /u ָ/vn /w /v ĸ/v /v /a /m /q /f ȡ/v /u ΰ/a ɾ/n /c /v /u ḻ/a /n /w /d /v /r /u /r /a /n /w /r һ/d ܹ/v ˷/v Щ/r /an /w /v Ȳǰ/l /w ֻҪ/c /r һ/d ˼/i /w ʵ/i /w ץס/v /n /w ؽȡ/l /w /v /v й/ns ɫ/n /n /u ·/n /c /v Խ/d /v Խ/d /a /w
19980101-01-001-011/m ʵ/v /n /u ȫ/a ͳһ/vn /w /v /s ȫ/n й/ns /n /u ͬ/b Ը/n /w ͨ/p /j /j ˫/n /u /vn /c Ŭ/an /w /p /w һ/j /w /n /c /ns /w /n /w /w /t /t /ns /u ع/vn һ/d ܹ/v ˳/ad ʵ/v /w
19980101-01-001-012/m ̨/ns /v й/ns /n ɷָ/l /u һ/m /n /w /v /n ͳһ/vn /w /v /i /w /l /w κ/r ͼ/v /v /w /m /q й/ns /w /w /w һһ̨/j /w /w /w ̨/ns /v /w /u ͼı/n /w /d ע/v Ҫ/v ʧ/v /w ϣ/v ̨/ns /n /p /n /n Ϊ/v /w /v /v /n /w ȡ/v ʵ/a /u ж/vn /w ƶ/v /n /n Ļ/n /vn /c Ա/n /vn /w ٽ/v /n ֱ/ad ͨ/v /w ͨ/v /w ͨ/v /u /d ʵ/v /w /c /d Ӧ/v /r /v /u /p һ/m й/ns /u ԭ/n /f /n /v ̸/vn /u ֣/a /vn /w
================================================
FILE: NLP_ALL/participle/crf/__init__.py
================================================
================================================
FILE: NLP_ALL/participle/crf/readMe.txt
================================================
(1)为了得到适合拿来训练的数据集（4-tag标记），
词首，常用B表示
词中，常用M表示
词尾，常用E表示
单子词，常用S表示
需要先把人民日报语料199801.txt，转成4-tag 的train.data
(2)有了训练语料，接下来就可以利用crf的训练工具crf_learn来训练模型了，切换到CRF++0.58目录下，执行如下命令即可：
crf_learn -f 3 -c 1.5 ./example/seg/template ../tag4OutputFilePath crf_model
(3)
进行分词
================================================
FILE: NLP_ALL/participle/crf/setp_1.py
================================================
#!/usr/bin/env python
# -*- coding: utf-8 -*-
# make_crf_train_data.py
# 得到CRF++要求的格式的训练文件
# 用法：命令行--python make_crf_train_data.py input_file output_file
# 4 tags for character tagging: B(Begin), E(End), M(Middle), S(Single)
import codecs
import sys
def character_tagging(input_file, output_file):
input_data = codecs.open(input_file, 'r', 'gbk')
output_data = codecs.open(output_file, 'w', 'utf-8')
for line in input_data.readlines():
word_list = line.strip().split(" ")
for word in word_list:
words = word.split("/");
if len(words) >= 2:
xz = words[1]
word = words[0]
if len(word) == 1:
output_data.write(word + "\t" + xz + "\tS\n")
else:
output_data.write(word[0] + "\t" + xz + "\tB\n")
for w in word[1:len(word) - 1]:
output_data.write(w + "\t" + xz + "\tM\n")
output_data.write(word[len(word) - 1] + "\t" + xz + "\tE\n")
output_data.write("\n")
input_data.close()
output_data.close()
'''''if __name__ == '__main__':
if len(sys.argv) != 3:
print "pls use: python make_crf_train_data.py input output"
sys.exit()
input_file = sys.argv[1]
output_file = sys.argv[2]
character_tagging(input_file, output_file)'''
character_tagging("199801.txt", "train.data")
================================================
FILE: NLP_ALL/participle/crf/setp_2.py
================================================
#!/usr/bin/env python
# -*- coding: utf-8 -*-
# crf_segmenter.py
# 用法：命令行输入--python crf_segmenter.py crf_model input_file output_file
# 利用CRF自带的python工具包，对输入文本进行分词
import codecs
import sys
import CRFPP
def crf_segmenter(input_file, output_file, tagger):
"""
输入文件分词
:param input_file:
:param output_file:
:param tagger:
:return:
"""
input_data = codecs.open(input_file, 'r', 'utf-8')
output_data = codecs.open(output_file, 'w', 'utf-8')
for line in input_data.readlines():
tagger.clear()
for word in line.strip():
word = word.strip()
if word:
tagger.add((word + "\to\tB").encode('utf-8'))
tagger.parse()
size = tagger.size()
xsize = tagger.xsize()
for i in range(0, size):
for j in range(0, xsize):
char = tagger.x(i, j).decode('utf-8')
tag = tagger.y2(i)
if tag == 'B':
output_data.write(' ' + char)
elif tag == 'M':
output_data.write(char)
elif tag == 'E':
output_data.write(char + ' ')
else: # tag == 'S'
output_data.write(' ' + char + ' ')
output_data.write('\n')
input_data.close()
output_data.close()
def crf_fenci_text(input_text, tagger):
"""
输入文本分词
:param input_text:
:param tagger:
:return:
"""
out_words_list=list();
tagger.clear()
for word in input_text.strip():
word = word.strip()
if word:
tagger.add((word).encode('utf-8'))
tagger.parse()
size = tagger.size()
xsize = tagger.xsize()
this_word = "";
for i in range(0, size):
for j in range(0, xsize):
char = tagger.x(i, j).decode('utf-8')
tag = tagger.y2(i)
if tag == 'B':
this_word=char;
#output_data.write(' ' + char)
elif tag == 'M':
this_word=this_word+char
#output_data.write(char)
elif tag == 'E':
this_word=this_word+char;
out_words_list.append(this_word)
this_word="";
break;
#output_data.write(char + ' ')
else: # tag == 'S'
this_word=char;
out_words_list.append(this_word)
this_word=""
break;
#output_data.write(' ' + char + ' ')
return out_words_list
tagger = CRFPP.Tagger("-m " + "crf_model")
#crf_segmenter("test_input.txt", "test_output.txt", tagger)
words_list=crf_fenci_text(u"中华人民共和国正在振兴崛起", tagger)
print (" ".join(words_list))
================================================
FILE: NLP_ALL/participle/crf/test_input.txt
================================================
中华人民共和国正在振兴崛起
================================================
FILE: NLP_ALL/participle/crf/test_output.txt
================================================
中 华 人民 工 和 国正 在 振兴 崛起
================================================
FILE: NLP_ALL/participle/crf/train.data
================================================
1 m B
9 m M
9 m M
8 m M
0 m M
1 m M
0 m M
1 m M
- m M
0 m M
1 m M
- m M
0 m M
0 m M
1 m M
- m M
0 m M
0 m M
1 m E
迈 v B
向 v E
充 v B
满 v E
希 n B
望 n E
的 u S
新 a S
世 n B
纪 n E
— w B
— w E
一 t B
九 t M
九 t M
八 t M
年 t E
新 t B
年 t E
讲 n B
话 n E
（ w S
附 v S
图 n B
片 n E
１ m S
张 q S
） w S
1 m B
9 m M
9 m M
8 m M
0 m M
1 m M
0 m M
1 m M
- m M
0 m M
1 m M
- m M
0 m M
0 m M
1 m M
- m M
0 m M
0 m M
2 m E
中 nt B
共 nt M
中 nt M
央 nt E
总 n B
书 n M
记 n E
、 w S
国 n B
家 n E
主 n B
席 n E
江 nr S
泽 nr B
民 nr E
1 m B
9 m M
9 m M
8 m M
0 m M
1 m M
0 m M
1 m M
- m M
0 m M
1 m M
- m M
0 m M
0 m M
1 m M
- m M
0 m M
0 m M
3 m E
（ w S
一 t B
九 t M
九 t M
七 t M
年 t E
十 t B
二 t M
月 t E
三 t B
十 t M
一 t M
日 t E
） w S
1 m B
9 m M
9 m M
8 m M
0 m M
1 m M
0 m M
1 m M
- m M
0 m M
1 m M
- m M
0 m M
0 m M
1 m M
- m M
0 m M
0 m M
4 m E
１ t B
２ t M
月 t E
３ t B
１ t M
日 t E
， w S
中 nt B
共 nt M
中 nt M
央 nt E
总 n B
书 n M
记 n E
、 w S
国 n B
家 n E
主 n B
席 n E
江 nr S
泽 nr B
民 nr E
发 v B
表 v E
１ t B
９ t M
９ t M
８ t M
年 t E
新 t B
年 t E
讲 n B
话 n E
《 w S
迈 v B
向 v E
充 v B
满 v E
希 n B
望 n E
的 u S
新 a S
世 n B
纪 n E
》 w S
。 w S
（ w S
新 nt B
华 nt M
社 nt E
记 n B
者 n E
兰 nr S
红 nr B
光 nr E
摄 Vg S
） w S
1 m B
9 m M
9 m M
8 m M
0 m M
1 m M
0 m M
1 m M
- m M
0 m M
1 m M
- m M
0 m M
0 m M
1 m M
- m M
0 m M
0 m M
5 m E
同 n B
胞 n E
们 k S
、 w S
朋 n B
友 n E
们 k S
、 w S
女 n B
士 n E
们 k S
、 w S
先 n B
生 n E
们 k S
： w S
1 m B
9 m M
9 m M
8 m M
0 m M
1 m M
0 m M
1 m M
- m M
0 m M
1 m M
- m M
0 m M
0 m M
1 m M
- m M
0 m M
0 m M
6 m E
在 p S
１ t B
９ t M
９ t M
８ t M
年 t E
来 v B
临 v E
之 f B
际 f E
， w S
我 r S
十 m B
分 m E
高 a B
兴 a E
地 u S
通 p B
过 p E
[ n B
中 n M
央 n E
人 n B
民 n E
广 vn B
播 vn E
电 n]nt B
台 n]nt E
、 w S
[ ns B
中 ns M
国 ns E
国 n B
际 n E
广 vn B
播 vn E
电 n]nt B
台 n]nt E
和 c S
[ n B
中 n M
央 n E
电 n]nt B
视 n]nt M
台 n]nt E
， w S
向 p S
全 n B
国 n E
各 r B
族 r E
人 n B
民 n E
， w S
向 p S
[ ns B
香 ns M
港 ns E
特 a B
别 a E
行 n]ns B
政 n]ns M
区 n]ns E
同 n B
胞 n E
、 w S
澳 ns B
门 ns E
和 c S
台 ns B
湾 ns E
同 n B
胞 n E
、 w S
海 s B
外 s E
侨 n B
胞 n E
， w S
向 p S
世 n B
界 n E
各 r B
国 r E
的 u S
朋 n B
友 n E
们 k S
， w S
致 v B
以 v E
诚 a B
挚 a E
的 u S
问 vn B
候 vn E
和 c S
良 a B
好 a E
的 u S
祝 vn B
愿 vn E
！ w S
1 m B
9 m M
9 m M
8 m M
0 m M
1 m M
0 m M
1 m M
- m M
0 m M
1 m M
- m M
0 m M
0 m M
1 m M
- m M
0 m M
0 m M
7 m E
１ t B
９ t M
９ t M
７ t M
年 t E
， w S
是 v S
中 ns B
国 ns E
发 vn B
展 vn E
历 n B
史 n E
上 f S
非 d B
常 d E
重 a B
要 a E
的 u S
很 d S
不 d S
平 a B
凡 a E
的 u S
一 m S
年 q S
。 w S
中 ns B
国 ns E
人 n B
民 n E
决 d B
心 d E
继 v B
承 v E
邓 nr S
小 nr B
平 nr E
同 n B
志 n E
的 u S
遗 n B
志 n E
， w S
继 v B
续 v E
把 p S
建 v B
设 v E
有 v S
中 ns B
国 ns E
特 n B
色 n E
社 n B
会 n M
主 n M
义 n E
事 n B
业 n E
推 v B
向 v E
前 v B
进 v E
。 w S
[ ns B
中 ns M
国 ns E
政 n]nt B
府 n]nt E
顺 ad B
利 ad E
恢 v B
复 v E
对 p S
香 ns B
港 ns E
行 v B
使 v E
主 n B
权 n E
， w S
并 c S
按 p B
照 p E
“ w S
一 j B
国 j M
两 j M
制 j E
” w S
、 w S
“ w S
港 l B
人 l M
治 l M
港 l E
” w S
、 w S
高 d B
度 d E
自 v B
治 v E
的 u S
方 n B
针 n E
保 v B
持 v E
香 ns B
港 ns E
的 u S
繁 an B
荣 an E
稳 an B
定 an E
。 w S
[ ns B
中 ns M
国 ns E
共 n]nt B
产 n]nt M
党 n]nt E
成 a B
功 a E
地 u S
召 v B
开 v E
了 u S
第 m B
十 m M
五 m E
次 q S
全 n B
国 n E
代 n B
表 n M
大 n M
会 n E
， w S
高 v B
举 v E
邓 n B
小 n M
平 n M
理 n M
论 n E
伟 a B
大 a E
旗 n B
帜 n E
， w S
总 v B
结 v E
百 m B
年 m E
历 n B
史 n E
， w S
展 v B
望 v E
新 a S
的 u S
世 n B
纪 n E
， w S
制 v B
定 v E
了 u S
中 ns B
国 ns E
跨 v S
世 n B
纪 n E
发 v B
展 v E
的 u S
行 vn B
动 vn E
纲 n B
领 n E
。 w S
1 m B
9 m M
9 m M
8 m M
0 m M
1 m M
0 m M
1 m M
- m M
0 m M
1 m M
- m M
0 m M
0 m M
1 m M
- m M
0 m M
0 m M
8 m E
在 p S
这 r S
一 m S
年 q S
中 f S
， w S
中 ns B
国 ns E
的 u S
改 vn B
革 vn E
开 vn B
放 vn E
和 c S
现 vn B
代 vn M
化 vn E
建 vn B
设 vn E
继 v B
续 v E
向 v B
前 v E
迈 v B
进 v E
。 w S
国 n B
民 n M
经 n M
济 n E
保 v B
持 v E
了 u S
“ w S
高 a S
增 vn B
长 vn E
、 w S
低 a S
通 j B
胀 j E
” w S
的 u S
良 a B
好 a E
发 vn B
展 vn E
态 n B
势 n E
。 w S
农 n B
业 n E
生 vn B
产 vn E
再 d B
次 d E
获 v B
得 v E
好 a S
的 u S
收 n B
成 n E
， w S
企 n B
业 n E
改 vn B
革 vn E
继 v B
续 v E
深 v B
化 v E
， w S
人 n B
民 n E
生 vn B
活 vn E
进 d B
一 d M
步 d E
改 v B
善 v E
。 w S
对 vn B
外 vn E
经 n B
济 n E
技 n B
术 n E
合 vn B
作 vn E
与 c S
交 vn B
流 vn E
不 d B
断 d E
扩 v B
大 v E
。 w S
民 a B
主 a E
法 n B
制 n E
建 vn B
设 vn E
、 w S
精 n B
神 n M
文 n M
明 n E
建 vn B
设 vn E
和 c S
其 r B
他 r E
各 r B
项 r E
事 n B
业 n E
都 d S
有 v S
新 a S
的 u S
进 vn B
展 vn E
。 w S
我 r B
们 r E
十 m B
分 m E
关 v B
注 v E
最 t B
近 t E
一 m B
个 m E
时 n B
期 n E
一 m B
些 m E
国 n B
家 n E
和 c S
地 n B
区 n E
发 v B
生 v E
的 u S
金 n B
融 n E
风 n B
波 n E
， w S
我 r B
们 r E
相 v B
信 v E
通 p B
过 p E
这 r B
些 r E
国 n B
家 n E
和 c S
地 n B
区 n E
的 u S
努 an B
力 an E
以 c B
及 c E
有 v B
关 v E
的 u S
国 n B
际 n E
合 vn B
作 vn E
， w S
情 n B
况 n E
会 v S
逐 d B
步 d E
得 v B
到 v E
缓 vn B
解 vn E
。 w S
总 c B
的 c M
来 c M
说 c E
， w S
中 ns B
国 ns E
改 v B
革 v E
和 c S
发 v B
展 v E
的 u S
全 n B
局 n E
继 v B
续 v E
保 v B
持 v E
了 u S
稳 an B
定 an E
。 w S
1 m B
9 m M
9 m M
8 m M
0 m M
1 m M
0 m M
1 m M
- m M
0 m M
1 m M
- m M
0 m M
0 m M
1 m M
- m M
0 m M
0 m M
9 m E
在 p S
这 r S
一 m S
年 q S
中 f S
， w S
中 ns B
国 ns E
的 u S
外 n B
交 n E
工 vn B
作 vn E
取 v B
得 v E
了 u S
重 a B
要 a E
成 n B
果 n E
。 w S
通 p B
过 p E
高 n B
层 n E
互 v B
访 v E
， w S
中 ns B
国 ns E
与 p S
美 ns B
国 ns E
、 w S
俄 ns B
罗 ns M
斯 ns E
、 w S
法 ns B
国 ns E
、 w S
日 ns B
本 ns E
等 u S
大 n B
国 n E
确 v B
定 v E
了 u S
双 n B
方 n E
关 n B
系 n E
未 t B
来 t E
发 v B
展 v E
的 u S
目 n B
标 n E
和 c S
指 vn B
导 vn E
方 n B
针 n E
。 w S
中 ns B
国 ns E
与 p S
周 n B
边 n E
国 n B
家 n E
和 c S
广 b B
大 b E
发 l B
展 l M
中 l M
国 l M
家 l E
的 u S
友 a B
好 a E
合 vn B
作 vn E
进 d B
一 d M
步 d E
加 v B
强 v E
。 w S
中 ns B
国 ns E
积 ad B
极 ad E
参 v B
与 v E
[ j B
亚 j E
太 j S
经 j B
合 j E
组 n]nt B
织 n]nt E
的 u S
活 vn B
动 vn E
， w S
参 v B
加 v E
了 u S
东 ns B
盟 ns E
— w S
中 j S
日 j S
韩 j S
和 c S
中 ns B
国 ns E
— w S
东 ns B
盟 ns E
首 n B
脑 n E
非 b B
正 b M
式 b E
会 vn B
晤 vn E
。 w S
这 r B
些 r E
外 n B
交 n E
活 vn B
动 vn E
， w S
符 v B
合 v E
和 n B
平 n E
与 c S
发 v B
展 v E
的 u S
时 n B
代 n E
主 n B
题 n E
， w S
顺 v B
应 v E
世 n B
界 n E
走 v B
向 v E
多 v B
极 v M
化 v E
的 u S
趋 n B
势 n E
， w S
对 p B
于 p E
促 v B
进 v E
国 n B
际 n E
社 n B
会 n E
的 u S
友 a B
好 a E
合 vn B
作 vn E
和 c S
共 b B
同 b E
发 vn B
展 vn E
作 v B
出 v E
了 u S
积 a B
极 a E
的 u S
贡 n B
献 n E
。 w S
1 m B
9 m M
9 m M
8 m M
0 m M
1 m M
0 m M
1 m M
- m M
0 m M
1 m M
- m M
0 m M
0 m M
1 m M
- m M
0 m M
1 m M
0 m E
１ t B
９ t M
９ t M
８ t M
年 t E
， w S
中 ns B
国 ns E
人 n B
民 n E
将 d S
满 l B
怀 l M
信 l M
心 l E
地 u S
开 v B
创 v E
新 a S
的 u S
业 n B
绩 n E
。 w S
尽 c B
管 c E
我 r B
们 r E
在 p S
经 n B
济 n E
社 n B
会 n E
发 v B
展 v E
中 f S
还 d S
面 v B
临 v E
不 m B
少 m E
困 an B
难 an E
， w S
但 c S
我 r B
们 r E
有 v S
邓 n B
小 n M
平 n M
理 n M
论 n E
的 u S
指 vn B
引 vn E
， w S
有 v S
改 v B
革 v E
开 v B
放 v E
近 a S
２ m B
０ m E
年 q S
来 f S
取 v B
得 v E
的 u S
伟 a B
大 a E
成 n B
就 n E
和 c S
积 v B
累 v E
的 u S
丰 a B
富 a E
经 n B
验 n E
， w S
还 d S
有 v S
其 r B
他 r E
的 u S
各 r B
种 r E
有 a B
利 a E
条 n B
件 n E
， w S
我 r B
们 r E
一 d B
定 d E
能 v B
够 v E
克 v B
服 v E
这 r B
些 r E
困 an B
难 an E
， w S
继 v B
续 v E
稳 l B
步 l M
前 l M
进 l E
。 w S
只 c B
要 c E
我 r B
们 r E
进 d B
一 d M
步 d E
解 i B
放 i M
思 i M
想 i E
， w S
实 i B
事 i M
求 i M
是 i E
， w S
抓 v B
住 v E
机 n B
遇 n E
， w S
开 l B
拓 l M
进 l M
取 l E
， w S
建 v B
设 v E
有 v S
中 ns B
国 ns E
特 n B
色 n E
社 n B
会 n M
主 n M
义 n E
的 u S
道 n B
路 n E
就 c S
会 v S
越 d S
走 v S
越 d S
宽 a B
广 a E
。 w S
1 m B
9 m M
9 m M
8 m M
0 m M
1 m M
0 m M
1 m M
- m M
0 m M
1 m M
- m M
0 m M
0 m M
1 m M
- m M
0 m M
1 m M
1 m E
实 v B
现 v E
祖 n B
国 n E
的 u S
完 a B
全 a E
统 vn B
一 vn E
， w S
是 v S
海 s B
内 s M
外 s E
全 n B
体 n E
中 ns B
国 ns E
人 n S
的 u S
共 b B
同 b E
心 n B
愿 n E
。 w S
通 p B
过 p E
中 j S
葡 j S
双 n B
方 n E
的 u S
合 vn B
作 vn E
和 c S
努 an B
力 an E
， w S
按 p B
照 p E
“ w S
一 j B
国 j M
两 j M
制 j E
” w S
方 n B
针 n E
和 c S
澳 ns B
门 ns E
《 w S
基 n B
本 n M
法 n E
》 w S
， w S
１ t B
９ t M
９ t M
９ t M
年 t E
１ t B
２ t M
月 t E
澳 ns B
门 ns E
的 u S
回 vn B
归 vn E
一 d B
定 d E
能 v B
够 v E
顺 ad B
利 ad E
实 v B
现 v E
。 w S
1 m B
9 m M
9 m M
8 m M
0 m M
1 m M
0 m M
1 m M
- m M
0 m M
1 m M
- m M
0 m M
0 m M
1 m M
- m M
0 m M
1 m M
2 m E
台 ns B
湾 ns E
是 v S
中 ns B
国 ns E
领 n B
土 n E
不 l B
可 l M
分 l M
割 l E
的 u S
一 m S
部 n B
分 n E
。 w S
完 v B
成 v E
祖 n B
国 n E
统 vn B
一 vn E
， w S
是 v S
大 i B
势 i M
所 i M
趋 i E
， w S
民 l B
心 l M
所 l M
向 l E
。 w S
任 r B
何 r E
企 v B
图 v E
制 v B
造 v E
“ w S
两 m S
个 q S
中 ns B
国 ns E
” w S
、 w S
“ w S
一 j B
中 j M
一 j M
台 j E
” w S
、 w S
“ w S
台 ns B
湾 ns E
独 v B
立 v E
” w S
的 u S
图 n B
谋 n E
， w S
都 d S
注 v B
定 v E
要 v S
失 v B
败 v E
。 w S
希 v B
望 v E
台 ns B
湾 ns E
当 n B
局 n E
以 p S
民 n B
族 n E
大 n B
义 n E
为 v B
重 v E
， w S
拿 v S
出 v S
诚 n B
意 n E
， w S
采 v B
取 v E
实 a B
际 a E
的 u S
行 vn B
动 vn E
， w S
推 v B
动 v E
两 n B
岸 n E
经 n B
济 n E
文 n B
化 n E
交 vn B
流 vn E
和 c S
人 n B
员 n E
往 vn B
来 vn E
， w S
促 v B
进 v E
两 n B
岸 n E
直 ad B
接 ad E
通 v B
邮 v E
、 w S
通 v B
航 v E
、 w S
通 v B
商 v E
的 u S
早 d B
日 d E
实 v B
现 v E
， w S
并 c S
尽 d B
早 d E
回 v B
应 v E
我 r B
们 r E
发 v B
出 v E
的 u S
在 p S
一 m B
个 m E
中 ns B
国 ns E
的 u S
原 n B
则 n E
下 f S
两 n B
岸 n E
进 v B
行 v E
谈 vn B
判 vn E
的 u S
郑 a B
重 a E
呼 vn B
吁 vn E
。 w S
================================================
FILE: NLP_ALL/participle/jieba/__init__.py
================================================
================================================
FILE: NLP_ALL/participle/jieba/fenci.py
================================================
#encoding=utf-8
import jieba
import os
import sys
test_text="工信处女干事每月，经过下属科室，都要亲口交代24口交换机等技术性器件的安装工作。"
#精确模式
seg_list = jieba.cut(test_text,cut_all=False)
seg_list = " ".join(seg_list)
print seg_list
#全模式
seg_list2 = jieba.cut(test_text,cut_all=True)
seg_list2 = " ".join(seg_list2)
print seg_list2
# 搜索引擎模式
seg_list3 = jieba.cut_for_search(test_text)
print(", ".join(seg_list3))
#自定义词典，一个词占一行；每一行分三部分：词语、词频（可省略）、词性（可省略），用空格隔开，顺序不可颠倒。file_name 若为路径或二进制方式打开的文件，则文件必须为 UTF-8 编码。
jieba.load_userdict("userdict.txt") #动态添加词
jieba.add_word('亲口交代')
jieba.del_word('每月')#动态删除词
seg_list = jieba.cut(test_text,cut_all=False)
seg_list = " ".join(seg_list)
print seg_list
#并行分词
'''原理：将目标文本按行分隔后，把各行文本分配到多个 Python 进程并行分词，然后归并结果，从而获得分词速度的可观提升
基于 python 自带的 multiprocessing 模块，目前暂不支持 Windows
用法：'''
jieba.enable_parallel(4) # 开启并行分词模式，参数为并行进程数
#jieba.disable_parallel() # 关闭并行分词模式
#去除停用词
seg_gen = jieba.cut(test_text,cut_all=False)
stop_list = [line.strip().decode('utf-8') for line in open('stopdict.txt').readlines()]
#seg_list=list(set(seg_list)-set(stop_list));
seg_list=list(seg_gen)
len2=len(seg_list);
stop_set=set(stop_list);
for seg in seg_list:
if seg in stop_set:
seg_list.remove(seg)
len1=len(seg_list);
seg_list = " ".join(seg_list)
print seg_list
================================================
FILE: NLP_ALL/participle/jieba/stopdict.txt
================================================
,
?
、
。
“
”
《
》
！
，
：
；
？
人民
末##末
啊
阿
哎
哎呀
哎哟
唉
俺
俺们
按
按照
吧
吧哒
把
罢了
被
本
本着
比
比方
比如
鄙人
彼
彼此
边
别
别的
别说
并
并且
不比
不成
不单
不但
不独
不管
不光
不过
不仅
不拘
不论
不怕
不然
不如
不特
不惟
不问
不只
朝
朝着
趁
趁着
乘
冲
除
除此之外
除非
除了
此
此间
此外
从
从而
打
待
但
但是
当
当着
到
得
的
的话
等
等等
地
第
叮咚
对
对于
多
多少
而
而况
而且
而是
而外
而言
而已
尔后
反过来
反过来说
反之
非但
非徒
否则
嘎
嘎登
该
赶
个
各
各个
各位
各种
各自
给
根据
跟
故
故此
固然
关于
管
归
果然
果真
过
哈
哈哈
呵
和
何
何处
何况
何时
嘿
哼
哼唷
呼哧
乎
哗
还是
还有
换句话说
换言之
或
或是
或者
极了
及
及其
及至
即
即便
即或
即令
即若
即使
几
几时
己
既
既然
既是
继而
加之
假如
假若
假使
鉴于
将
较
较之
叫
接着
结果
借
紧接着
进而
尽
尽管
经
经过
就
就是
就是说
据
具体地说
具体说来
开始
开外
靠
咳
可
可见
可是
可以
况且
啦
来
来着
离
例如
哩
连
连同
两者
了
临
另
另外
另一方面
论
嘛
吗
慢说
漫说
冒
么
每
每当
们
莫若
某
某个
某些
拿
哪
哪边
哪儿
哪个
哪里
哪年
哪怕
哪天
哪些
哪样
那
那边
那儿
那个
那会儿
那里
那么
那么些
那么样
那时
那些
那样
乃
乃至
呢
能
你
你们
您
宁
宁可
宁肯
宁愿
哦
呕
啪达
旁人
呸
凭
凭借
其
其次
其二
其他
其它
其一
其余
其中
起
起见
岂但
恰恰相反
前后
前者
且
然而
然后
然则
让
人家
任
任何
任凭
如
如此
如果
如何
如其
如若
如上所述
若
若非
若是
啥
上下
尚且
设若
设使
甚而
甚么
甚至
省得
时候
什么
什么样
使得
是
是的
首先
谁
谁知
顺
顺着
似的
虽
虽然
虽说
虽则
随
随着
所
所以
他
他们
他人
它
它们
她
她们
倘
倘或
倘然
倘若
倘使
腾
替
通过
同
同时
哇
万一
往
望
为
为何
为了
为什么
为着
喂
嗡嗡
我
我们
呜
呜呼
乌乎
无论
无宁
毋宁
嘻
吓
相对而言
像
向
向着
嘘
呀
焉
沿
沿着
要
要不
要不然
要不是
要么
要是
也
也罢
也好
一
一般
一旦
一方面
一来
一切
一样
一则
依
依照
矣
以
以便
以及
以免
以至
以至于
以致
抑或
因
因此
因而
因为
哟
用
由
由此可见
由于
有
有的
有关
有些
又
于
于是
于是乎
与
与此同时
与否
与其
越是
云云
哉
再说
再者
在
在下
咱
咱们
则
怎
怎么
怎么办
怎么样
怎样
咋
照
照着
者
这
这边
这儿
这个
这会儿
这就是说
这里
这么
这么点儿
这么些
这么样
这时
这些
这样
正如
吱
之
之类
之所以
之一
只是
只限
只要
只有
至
至于
诸位
着
着呢
自
自从
自个儿
自各儿
自己
自家
自身
综上所述
总的来看
总的来说
总的说来
总而言之
总之
纵
纵令
纵然
纵使
遵照
作为
兮
呃
呗
咚
咦
喏
啐
喔唷
嗬
嗯
嗳
~
!
.
:
"
'
(
)
*
A
白
社会主义
--
..
>>
[
]
<
>
/
\
|
-
_
+
=
&
^
%
#
@
`
;
$
（
）
——
—
￥
·
...
‘
’
〉
〈
…
0
1
2
3
4
5
6
7
8
9
０
１
２
３
４
５
６
７
８
９
二
三
四
五
六
七
八
九
零
＞
＜
＠
＃
＄
％
︿
＆
＊
＋
～
｜
［
］
｛
｝
啊哈
啊呀
啊哟
挨次
挨个
挨家挨户
挨门挨户
挨门逐户
挨着
按理
按期
按时
按说
暗地里
暗中
暗自
昂然
八成
白白
半
梆
保管
保险
中国
饱
背地里
背靠背
倍感
倍加
本人
本身
甭
比起
比如说
比照
毕竟
必
必定
必将
必须
便
别人
并非
并肩
并没
并没有
并排
并无
勃然
不
不必
不常
不大
不但...而且
不得
不得不
不得了
不得已
不迭
不定
不对
不妨
不管怎样
不会
不仅...而且
不仅仅
不仅仅是
不经意
不可开交
不可抗拒
不力
不了
不料
不满
不免
不能不
不起
不巧
不然的话
不日
不少
不胜
不时
不是
不同
不能
不要
不外
不外乎
不下
不限
不消
不已
不亦乐乎
不由得
不再
不择手段
不怎么
不曾
不知不觉
不止
不止一次
不至于
才
才能
策略地
差不多
差一点
常
常常
常言道
常言说
常言说得好
长此下去
长话短说
长期以来
长线
敞开儿
彻夜
陈年
趁便
趁机
趁热
趁势
趁早
成年
成年累月
成心
乘机
乘胜
乘势
乘隙
乘虚
诚然
迟早
充分
充其极
充其量
抽冷子
臭
初
出
出来
出去
除此
除此而外
除此以外
除开
除去
除却
除外
处处
川流不息
传
传说
传闻
串行
纯
纯粹
此后
此中
次第
匆匆
从不
从此
从此以后
从古到今
从古至今
从今以后
从宽
从来
从轻
从速
从头
从未
从无到有
从小
从新
从严
从优
从早到晚
从中
从重
凑巧
粗
存心
达旦
打从
打开天窗说亮话
大
大不了
大大
大抵
大都
大多
大凡
大概
大家
大举
大略
大面儿上
大事
大体
大体上
大约
大张旗鼓
大致
呆呆地
带
殆
待到
单
单纯
单单
但愿
弹指之间
当场
当儿
当即
当口儿
当然
当庭
当头
当下
当真
当中
倒不如
倒不如说
倒是
到处
到底
到了儿
到目前为止
到头
到头来
得起
得天独厚
的确
等到
叮当
顶多
定
动不动
动辄
陡然
都
独
独自
断然
顿时
多次
多多
多多少少
多多益善
多亏
多年来
多年前
而后
而论
而又
尔等
二话不说
二话没说
反倒
反倒是
反而
反手
反之亦然
反之则
方
方才
方能
放量
非常
非得
分期
分期分批
分头
奋勇
愤然
风雨无阻
逢
弗
甫
嘎嘎
该当
概
赶快
赶早不赶晚
敢
敢情
敢于
刚
刚才
刚好
刚巧
高低
格外
隔日
隔夜
个人
各式
更
更加
更进一步
更为
公然
共
共总
够瞧的
姑且
古来
故而
故意
固
怪
怪不得
惯常
光
光是
归根到底
归根结底
过于
毫不
毫无
毫无保留地
毫无例外
好在
何必
何尝
何妨
何苦
何乐而不为
何须
何止
很
很多
很少
轰然
后来
呼啦
忽地
忽然
互
互相
哗啦
话说
还
恍然
会
豁然
活
伙同
或多或少
或许
基本
基本上
基于
极
极大
极度
极端
极力
极其
极为
急匆匆
即将
即刻
即是说
几度
几番
几乎
几经
既...又
继之
加上
加以
间或
简而言之
简言之
简直
见
将才
将近
将要
交口
较比
较为
接连不断
接下来
皆可
截然
截至
藉以
借此
借以
届时
仅
仅仅
谨
进来
进去
近
近几年来
近来
近年来
尽管如此
尽可能
尽快
尽量
尽然
尽如人意
尽心竭力
尽心尽力
尽早
精光
经常
竟
竟然
究竟
就此
就地
就算
居然
局外
举凡
据称
据此
据实
据说
据我所知
据悉
具体来说
决不
决非
绝
绝不
绝顶
绝对
绝非
均
喀
看
看来
看起来
看上去
看样子
可好
可能
恐怕
快
快要
来不及
来得及
来讲
来看
拦腰
牢牢
老
老大
老老实实
老是
累次
累年
理当
理该
理应
历
立
立地
立刻
立马
立时
联袂
连连
连日
连日来
连声
连袂
临到
另方面
另行
另一个
路经
屡
屡次
屡次三番
屡屡
缕缕
率尔
率然
略
略加
略微
略为
论说
马上
蛮
满
没
没有
每逢
每每
每时每刻
猛然
猛然间
莫
莫不
莫非
莫如
默默地
默然
呐
那末
奈
难道
难得
难怪
难说
内
年复一年
凝神
偶而
偶尔
怕
砰
碰巧
譬如
偏偏
乒
平素
颇
迫于
扑通
其后
其实
奇
齐
起初
起来
起首
起头
起先
岂
岂非
岂止
迄
恰逢
恰好
恰恰
恰巧
恰如
恰似
千
千万
千万千万
切
切不可
切莫
切切
切勿
窃
亲口
亲身
亲手
亲眼
亲自
顷
顷刻
顷刻间
顷刻之间
请勿
穷年累月
取道
去
权时
全都
全力
全年
全然
全身心
然
人人
仍
仍旧
仍然
日复一日
日见
日渐
日益
日臻
如常
如此等等
如次
如今
如期
如前所述
如上
如下
汝
三番两次
三番五次
三天两头
瑟瑟
沙沙
上
上来
上去
================================================
FILE: NLP_ALL/participle/jieba/userdict.txt
================================================
云计算 5
李小福 2 nr
创新办 3 i
easy_install 3 eng
好用 300
韩玉赏鉴 3 nz
八一双鹿 3 nz
台中
凱特琳 nz
Edu Trust认证 2000
工信处女干事
================================================
FILE: NLP_ALL/participle/readMe.txt
================================================
分词
================================================
FILE: NLP_ALL/participle/snowNlp/__init__.py
================================================
================================================
FILE: NLP_ALL/participle/snowNlp/words_sentences.py
================================================
#encoding=utf-8
from snownlp import SnowNLP
import json
"""
摘要关键词提取
"""
text = u'''
自然语言处理是计算机科学领域与人工智能领域中的一个重要方向。
它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。
自然语言处理是一门融语言学、计算机科学、数学于一体的科学。
因此，这一领域的研究将涉及自然语言，即人们日常使用的语言，
所以它与语言学的研究有着密切的联系，但又有重要的区别。
自然语言处理并不是一般地研究自然语言，
而在于研制能有效地实现自然语言通信的计算机系统，
特别是其中的软件系统。因而它是计算机科学的一部分。
'''
s = SnowNLP(text)
#分句，断句
print json.dumps( s.sentences, encoding="UTF-8", ensure_ascii=False)
#分词
print json.dumps( s.words, encoding="UTF-8", ensure_ascii=False)
================================================
FILE: NLP_ALL/sentiment_analysis/__init__.py
================================================
================================================
FILE: NLP_ALL/sentiment_analysis/readMe.txt
================================================
文本或词语：情感分析，正负类分析，消极积极分析
================================================
FILE: NLP_ALL/sentiment_analysis/snowNlp/__init__.py
================================================
================================================
FILE: NLP_ALL/sentiment_analysis/snowNlp/sentiment_test.py
================================================
#encoding=utf-8
from snownlp import SnowNLP
import json
"""
情感分析，正负面分析
"""
text = u'''
自然语言处理是计算机科学领域与人工智能领域中的一个重要方向。
'''
s = SnowNLP(text)
#情感分析，小于0.5为消极，大于0.5为积极
print s.sentiments
================================================
FILE: NLP_ALL/similarity/Word2vec/__init__.py
================================================
================================================
FILE: NLP_ALL/similarity/Word2vec/sentences/__init__.py
================================================
================================================
FILE: NLP_ALL/similarity/Word2vec/sentences/lsi_corpus.mm
================================================
%%MatrixMarket matrix coordinate real general
18 18 324
1 1 0.496975375239
1 2 -0.0725556143773
1 3 0.344214274925
1 4 -0.274550374879
1 5 0.0860741044665
1 6 -0.213750799846
1 7 0.182954697607
1 8 -0.0519764346216
1 9 0.222289653096
1 10 -0.0463459166005
1 11 0.053036698744
1 12 -0.201106467171
1 13 -0.011719173158
1 14 0.0795867734844
1 15 -0.1634363374
1 16 -0.013665219319
1 17 0.181445881131
1 18 0.550915732639
2 1 0.345083858725
2 2 -0.380510277453
2 3 -0.318057251107
2 4 -0.0776908496893
2 5 -0.0127206189122
2 6 -0.336339673704
2 7 -0.104444259172
2 8 0.185520657103
2 9 -0.184564277521
2 10 -0.00165112062832
2 11 0.027469736698
2 12 0.288349856496
2 13 0.0720213728575
2 14 0.304814419822
2 15 0.188333281143
2 16 -0.0806213904597
2 17 0.451248195596
2 18 -0.0930594828492
3 1 0.138122770736
3 2 -0.324752616142
3 3 -0.0996710724541
3 4 -0.168280572898
3 5 0.566518790582
3 6 0.122691442384
3 7 0.0795570047414
3 8 0.158362981549
3 9 0.126578719671
3 10 0.396692183882
3 11 -0.390969574899
3 12 -0.292567907229
3 13 -0.0437882363775
3 14 -0.104303079958
3 15 0.154070277834
3 16 -0.0568775425034
3 17 -0.0369989112814
3 18 -0.129699910494
4 1 0.311571063414
4 2 -0.0306146442433
4 3 0.265826005802
4 4 0.324922066936
4 5 -0.184370730087
4 6 0.324056718954
4 7 0.328108376262
4 8 -0.0547548447814
4 9 -0.214874767766
4 10 0.260241917954
4 11 -0.144741515022
4 12 0.236350071443
4 13 -0.454277367902
4 14 0.103003468562
4 15 0.193006581157
4 16 0.127253074591
4 17 0.0810262753259
4 18 0.0916166466364
5 1 0.270789876377
5 2 0.198829645869
5 3 -0.297976639383
5 4 -0.280680634903
5 5 -0.316331726407
5 6 0.322099314276
5 7 0.0729079727901
5 8 0.391570748262
5 9 -0.0338293973917
5 10 -0.122130945849
5 11 -0.359475490575
5 12 0.154309860423
5 13 0.258843146066
5 14 0.00954971207899
5 15 0.0985297212021
5 16 -0.0868868102553
5 17 -0.211295742917
5 18 0.242944689508
6 1 0.324588373522
6 2 0.298668432028
6 3 -0.39256822182
6 4 0.0309360184505
6 5 -0.0691913386341
6 6 0.127946908175
6 7 0.0894294343668
6 8 -0.45347167455
6 9 0.196028809555
6 10 0.146128797577
6 11 -0.179875073965
6 12 -0.00611635892797
6 13 0.221146713016
6 14 -0.0999298896333
6 15 -0.188259571669
6 16 0.343516219334
6 17 0.317993127834
6 18 -0.0997535041133
7 1 0.369100935867
7 2 0.202804561829
7 3 0.432385831238
7 4 -0.089474830195
7 5 0.149188780339
7 6 -0.114634866984
7 7 -0.340185696651
7 8 0.0262655656027
7 9 -0.02604846309
7 10 -0.0457095495663
7 11 0.0201116752499
7 12 0.162667552601
7 13 0.20424011238
7 14 -0.250044212567
7 15 0.450522409978
7 16 0.366905173903
7 17 -0.0490579701703
7 18 -0.0446224303323
8 1 0.288959583643
8 2 0.358962962281
8 3 -0.181941948628
8 4 -0.136905633436
8 5 0.0179264487728
8 6 0.136804830161
8 7 0.0470811032096
8 8 0.514122914891
8 9 0.102647424652
8 10 -0.0612909888937
8 11 0.40169191217
8 12 -0.263593638799
8 13 -0.333946507161
8 14 0.00160008924629
8 15 -0.0400916550671
8 16 0.206881787756
8 17 0.126513280497
8 18 -0.182096325521
9 1 0.300420382829
9 2 0.367300460081
9 3 -0.341026600253
9 4 -0.0315755597601
9 5 0.193824898699
9 6 -0.206898948142
9 7 0.046739746851
9 8 -0.21813112475
9 9 0.146606506557
9 10 0.284447204275
9 11 0.287774413203
9 12 0.298474592228
9 13 -0.15156721828
9 14 -0.101268769144
9 15 0.167598131515
9 16 -0.346168966714
9 17 -0.246799772701
9 18 0.105050819982
10 1 0.283792950672
10 2 0.365197679073
10 3 0.0721531769678
10 4 0.0459024393078
10 5 0.251343928012
10 6 -0.0521823747919
10 7 -0.46851201684
10 8 -0.0444782014954
10 9 -0.11154798683
10 10 -0.223812001619
10 11 -0.416212487611
10 12 0.0663833406789
10 13 -0.324479679374
10 14 0.202456657477
10 15 -0.292509725911
10 16 -0.129198216551
10 17 -0.00432637582803
10 18 -0.0517451990765
11 1 0.329734713807
11 2 0.282087239104
11 3 0.240768833717
11 4 0.264781575593
11 5 0.138209907278
11 6 0.085267376793
11 7 0.0849305222707
11 8 0.120688255313
11 9 -0.365563534023
11 10 0.298087776996
11 11 0.17024799435
11 12 -0.157578415146
11 13 0.473843104659
11 14 0.254429497288
11 15 -0.175679912521
11 16 -0.172288994998
11 17 -0.0312843179378
11 18 -0.0915198871786
12 1 0.299544570511
12 2 0.0763964638501
12 3 -0.075827206041
12 4 0.21196353144
12 5 0.0831255148501
12 6 -0.407987426455
12 7 0.558278476158
12 8 -0.0439759326235
12 9 -0.10358496683
12 10 -0.459574314636
12 11 -0.187397331492
12 12 -0.156211449683
12 13 0.00876624042961
12 14 -0.0439637800691
12 15 0.125404900143
12 16 0.0217137052304
12 17 -0.175328244331
12 18 -0.190736191487
13 1 0.379434936434
13 2 -0.186244826372
13 3 -0.154626279344
13 4 0.426363720168
13 5 -0.142330349639
13 6 0.114759486687
13 7 -0.265748027724
13 8 0.0140572699238
13 9 -0.145490632328
13 10 -0.118634779106
13 11 0.0460198730144
13 12 -0.274927287551
13 13 -0.0174421589628
13 14 -0.524219957182
13 15 0.0456397887091
13 16 -0.273915483536
13 17 0.162916379736
13 18 0.140319626334
14 1 0.412691577924
14 2 -0.120676035563
14 3 0.368523836968
14 4 -0.261154439074
14 5 -0.293720538107
14 6 0.208343866041
14 7 0.0437264806168
14 8 -0.152271707799
14 9 0.343752430285
14 10 -0.0935954785296
14 11 0.023279871781
14 12 0.0441548404732
14 13 0.0216430556804
14 14 -0.00308826571445
14 15 0.00583728770513
14 16 -0.374007287134
14 17 0.0411644607644
14 18 -0.429916795712
15 1 0.0607795647393
15 2 -0.173283386555
15 3 -0.0616564736251
15 4 -0.175534494173
15 5 0.521856970459
15 6 0.501913809805
15 7 0.150781734998
15 8 -0.17301420302
15 9 -0.236238777388
15 10 -0.396830428462
15 11 0.244211390463
15 12 0.253595919919
15 13 0.054155198443
15 14 -0.0693939568057
15 15 -0.0710691462115
15 16 -0.00537042195436
15 17 0.0559624894878
15 18 0.0393776870047
16 1 0.407191368579
16 2 -0.418489484242
16 3 0.00448054925758
16 4 0.135113072642
16 5 -0.0138428382145
16 6 -0.142766844089
16 7 -0.00718117212831
16 8 0.232418521651
16 9 0.0952862201399
16 10 0.113768898486
16 11 0.0505414438027
16 12 0.341543298825
16 13 0.0124293480209
16 14 -0.206667321491
16 15 -0.490661001785
16 16 0.223249809588
16 17 -0.292012607537
16 18 -0.0786585706005
17 1 0.155295027334
17 2 -0.0832596753027
17 3 -0.0577269105123
17 4 -0.563839949962
17 5 -0.239236199664
17 6 -0.126276398045
17 7 -0.0300756765413
17 8 -0.256164140977
17 9 -0.602943984757
17 10 0.1562429311
17 11 0.0338061735789
17 12 -0.20023353674
17 13 -0.150695558253
17 14 -0.137318131164
17 15 -0.0878851693711
17 16 0.0672902719057
17 17 -0.138670009867
17 18 -0.0759136982335
18 1 0.382858747931
18 2 -0.321664343375
18 3 -0.225942966238
18 4 0.15327483362
18 5 -0.065450887574
18 6 0.175477025417
18 7 -0.261213894723
18 8 -0.249186397847
18 9 0.130288991154
18 10 -0.0978056622761
18 11 0.155183998414
18 12 -0.270374238743
18 13 -0.00187265659349
18 14 0.447616029766
18 15 0.171342071488
18 16 0.177251886399
18 17 -0.350097853327
18 18 0.0507083252061
================================================
FILE: NLP_ALL/similarity/Word2vec/sentences/lsi_corpus.mm.index
================================================
]q(KaMM<MMMMMV
M M'
MM"MM!MM$MM)e.
================================================
FILE: NLP_ALL/similarity/Word2vec/sentences/readMe.txt
================================================
计算一句输入和语料库中所有文档的的哪个最相似
================================================
FILE: NLP_ALL/similarity/Word2vec/sentences/sentences_similer.py
================================================
#coding:utf-8
from gensim import corpora,similarities,models
import os
import jieba
"""
计算句子和语料库中哪个句子相似
"""
# 首先加载语料库
if os.path.exists('lsi_corpus.mm') and os.path.exists('mydict.dict'):
dictionary = corpora.Dictionary.load('mydict.dict')
corpus = corpora.MmCorpus('lsi_corpus.mm')
model = models.LsiModel.load('model.lsi')
print 'used files generated from topics'
else:
print 'please run topics firstly'
index = similarities.MatrixSimilarity(corpus)
index.save('lsi_similarity.sim')
document = u'当地时间18时许，习近平在第71届联合国大会主席汤姆森和联合国秘书长古特雷斯陪同下步入万国宫大会厅，全场起立，热烈鼓掌欢迎。'
bow_vec = dictionary.doc2bow(jieba.lcut(document))
lsi_vec = model[bow_vec]
sims = index[lsi_vec] #余弦相似度
sims = sorted(enumerate(sims), key=lambda item: -item[1])
print sims
#[(2, 0.99584925), (15, 0.1355263), (1, 0.12038891), (0, 0.094309233), (17, 0.091441453), (14, 0.088668972), (12, 0.047591072), (16, 0.025794223), (4, 0.017965719), (8, 0.017394736), (3, 0.013194671), (13, 0.012415368), (5, 0.010290033), (6, 0.0080233691), (7, 0.0041918214), (10, 2.1420419e-08), (11, 1.8626451e-09), (9, -8.3819032e-09)]
#可以看到和下标为2的原始句子相似
================================================
FILE: NLP_ALL/similarity/Word2vec/sentences/train.py
================================================
# -*- coding: utf-8 -*-
from gensim import corpora
from collections import defaultdict
from gensim.models.tfidfmodel import TfidfModel
from gensim.models import *
import codecs
import json
import jieba;
def getToipc(file_name,toipc_type="lda",topics_num=5,topics_words=5):
"""
生成主题模型
:param file_name:
:param toipc_type: lda or lsi
:param topics_num:
:param topic_words:
:return:
"""
texts=list()
f = codecs.open(file_name, 'r')
for line in f:
if line.strip()=="":
continue;
tt_texts=list()
line=line.strip()
words=jieba.cut(line,cut_all=False)
t_texts=list(words);
#for text in t_texts:
# if len(text.strip())>1:
# tt_texts.append(text)
texts.append(t_texts)
# 去掉只出现一次的单词
#frequency = defaultdict(int)
"""for text in texts:
for token in text:
frequency[token] += 1
texts = [[token for token in text if frequency[token] > 1] for text in texts]"""
dictionary = corpora.Dictionary(texts) # 生成词典# -*- coding: utf-8 -*-
# 将文档存入字典，字典有很多功能，比如
# diction.token2id 存放的是单词-id key-value对
# diction.dfs 存放的是单词的出现频率
dictionary.save('mydict.dict') # store the dictionary, for future reference
corpus = [dictionary.doc2bow(text) for text in texts]
#corpora.MmCorpus.serialize('deerwester.mm', corpus) # store to disk, for later use
tfidf = TfidfModel(corpus)
tfidf_corpus = tfidf[corpus]
#print(tfidf.idfs)
# tfidf.save('foo.tfidf_model')
"""
加载模型
dictionary = corpora.Dictionary.load('mydict.dic')
corpus = corpora.MmCorpus('lsi_corpus.mm')
model = LsiModel.load('model.lsi')
model2 = LdaModel.load('model.lda')
TfidfModel.load(foo.tfidf_model)"""
if toipc_type == "lsi":
#lsi
#lsi = LsiModel(corpus = tfidf_corpus,id2word=dictionary,num_topics=2)
lsi = LsiModel(corpus = tfidf_corpus,id2word=dictionary)
lsi_corpus = lsi[tfidf_corpus]
lsi.save('model.lsi')
corpora.MmCorpus.serialize('lsi_corpus.mm', lsi_corpus)
#print 'LSI Topics:'
#print json.dumps(lsi.print_topics(num_topics=topics_num,num_words=topics_words), encoding="UTF-8", ensure_ascii=False)
return lsi.print_topics(num_topics=topics_num,num_words=topics_words)
if toipc_type=="lda":
#lda
#lda = LdaModel(corpus = tfidf_corpus,id2word=dictionary,num_topics=1)
lda = LdaModel(corpus = tfidf_corpus,id2word=dictionary)
lda_corpus = lda[tfidf_corpus]
lda.save('model.lda')
corpora.MmCorpus.serialize('lda_corpus.mm', lda_corpus)
#print 'LDA Topics:'
#print json.dumps(lda.print_topics(num_topics=topics_num,num_words=topics_words), encoding="UTF-8", ensure_ascii=False)
return lda.print_topics(num_topics=topics_num,num_words=topics_words);
#print corpus
#print dictionary
#print dictionary.token2id
print json.dumps(getToipc("train_corpus.txt",topics_num=1,toipc_type="lsi"), encoding="UTF-8", ensure_ascii=False)
================================================
FILE: NLP_ALL/similarity/Word2vec/sentences/train_corpus.txt
================================================
本报瑞士日内瓦1月18日电 （记者杜尚泽、任彦、王远）18日，国家主席习近平在日内瓦万国宫出席“共商共筑人类命运共同体”高级别会议，并发表题为《共同构建人类命运共同体》的主旨演讲，深刻、全面、系统阐述人类命运共同体理念，主张共同推进构建人类命运共同体伟大进程，坚持对话协商、共建共享、合作共赢、交流互鉴、绿色低碳，建设一个持久和平、普遍安全、共同繁荣、开放包容、清洁美丽的世界。
联合国日内瓦总部总干事穆勒主持。古特雷斯致欢迎辞，感谢习近平主席莅临联合国日内瓦总部并发表重要演讲，称赞中国是多边主义的重要支柱，为联合国维和行动、可持续发展等事业和应对气候变化等全球治理进程作出了积极贡献。
当地时间18时许，习近平在第71届联合国大会主席汤姆森和联合国秘书长古特雷斯陪同下步入万国宫大会厅，全场起立，热烈鼓掌欢迎。
习近平在演讲中指出，人类正处在大发展大变革大调整时期，也正处在一个挑战层出不穷、风险日益增多的时代。回首过去100多年的历史，全人类的共同愿望，就是和平与发展。宇宙只有一个地球，人类共有一个家园。让和平的薪火代代相传，让发展的动力源源不断，让文明的光芒熠熠生辉，是各国人民的期待，也是我们这一代政治家应有的担当。中国方案是：构建人类命运共同体，实现共赢共享。
习近平强调，纵观近代以来的历史，建立公正合理的国际秩序是人类孜孜以求的目标。主权平等是数百年来国与国规范彼此关系最重要的准则，也是联合国及所有机构、组织共同遵循的首要原则。主权平等，真谛在于国家不分大小、强弱、贫富，主权和尊严必须得到尊重，内政不容干涉，都有权自主选择社会制度和发展道路。各国平等参与决策，构成了完善全球治理的重要力量。新形势下，我们要坚持主权平等，推动各国权利平等、机会平等、规则平等。
习近平指出，历史和现实给我们的启迪是，沟通协商是化解分歧的有效之策，政治谈判是解决冲突的根本之道。各国和国际司法机构有责任维护国际法治权威，应该确保国际法平等统一适用，不能搞双重标准，不能“合则用、不合则弃”，真正做到“无偏无党，王道荡荡”。我们要推进国际关系民主化。世界命运应该由各国共同掌握，国际规则应该由各国共同书写，全球事务应该由各国共同治理，发展成果应该由各国共同分享。我们应该秉承中立、公正、独立的基本原则，避免人道主义问题政治化，坚持人道主义援助非军事化。
习近平强调，构建人类命运共同体，国际社会要从伙伴关系、安全格局、经济发展、文明交流、生态建设等方面作出努力。
一要坚持对话协商，建设一个持久和平的世界。国家之间要构建对话不对抗、结伴不结盟的伙伴关系。大国要尊重彼此核心利益和重大关切，管控矛盾分歧，努力构建不冲突不对抗、相互尊重、合作共赢的新型关系。大国对小国要平等相待，不搞唯我独尊、强买强卖的霸道。应该全面禁止并最终彻底销毁核武器，实现无核世界。要秉持和平、主权、普惠、共治原则，把深海、极地、外空、互联网等领域打造成各方合作的新疆域，而不是相互博弈的竞技场。
二要坚持共建共享，建设一个普遍安全的世界。各方应该树立共同、综合、合作、可持续的安全观。反恐既要治标，更要治本。各国要加强协调，要动员全球力量有效应对难民危机。恐怖主义、难民危机等问题都同地缘冲突密切相关，化解冲突是根本之策。当事各方要通过协商谈判化解冲突，其他各方应该积极劝和促谈，尊重联合国发挥斡旋主渠道作用。国际社会应该加大对非洲等发展中国家卫生事业的支持和援助。
三要坚持合作共赢，建设一个共同繁荣的世界。各国特别是主要经济体要加强宏观政策协调，维护世界贸易组织规则，支持开放、透明、包容、非歧视性的多边贸易体制，构建开放型世界经济。搞贸易保护主义、画地为牢，损人不利己。经济全球化的大方向是正确的。我们要引导经济全球化健康发展，加强协调、完善治理，推动建设一个开放、包容、普惠、平衡、共赢的经济全球化，着力解决公平公正问题。
四要坚持交流互鉴，建设一个开放包容的世界。人类文明多样性是世界的基本特征，也是人类进步的源泉。文明差异不应该成为世界冲突的根源。不同文明要取长补短、共同进步，让文明互鉴成为推动人类社会进步的动力、维护世界和平的纽带。
五要坚持绿色低碳，建设一个清洁美丽的世界。我们应该遵循天人合一、道法自然的理念，寻求永续发展之路。要倡导绿色、低碳、循环、可持续的生产生活方式，平衡推进2030年可持续发展议程，不断开拓生产发展、生活富裕、生态良好的文明发展道路。各方要共同推动《巴黎协定》实施，不能让这一成果付诸东流。中国将继续采取行动应对气候变化，百分之百承担自己的义务。
习近平强调，中国始终认为，世界好，中国才能好；中国好，世界才更好。面向未来，中国维护世界和平的决心不会改变。中国从一个积贫积弱的国家发展成为世界第二大经济体，靠的不是对外军事扩张和殖民掠夺，而是人民勤劳、维护和平。中国将始终不渝走和平发展道路，永不称霸、永不扩张、永不谋求势力范围。中国促进共同发展的决心不会改变。中国发展得益于国际社会，中国也为全球发展作出了贡献。中国将继续奉行互利共赢的开放战略，欢迎各国搭乘中国发展的“顺风车”。中国提出“一带一路”倡议，就是要实现共赢共享发展。中国打造伙伴关系的决心不会改变。中国坚持独立自主的和平外交政策，在和平共处五项原则基础上同所有国家发展友好合作。中国将进一步联结遍布全球的“朋友圈”。中国支持多边主义的决心不会改变，将坚定维护以联合国为核心的国际体系，坚定维护以联合国宪章宗旨和原则为基石的国际关系基本准则，坚定维护联合国权威和地位，坚定维护联合国在国际事务中的核心作用。
习近平强调，构建人类命运共同体是一个美好的目标，也是一个需要一代又一代人接力跑才能实现的目标。中国愿同广大成员国、国际组织和机构一道，共同推进构建人类命运共同体的伟大进程。（演讲全文见第二版）
习近平的演讲赢得全场30多次热烈掌声。演讲结束后，全场响起长时间的掌声。
汤姆森随后在致辞中表示，习近平主席提出的人类命运共同体重大理念发人深省。长期以来，中国是联合国的忠实支持者。今天，习近平主席的演讲振奋和鼓舞了人心，为联合国推进和平与可持续发展事业提供了巨大动力。联合国高度赞赏中国为打造人类命运共同体作出的巨大贡献。
瑞士重要国际组织负责人和高级别职员、各国常驻日内瓦使节和高级外交官，瑞士政要和社会名流以及中国籍国际组织职员等约800人现场聆听习近平演讲。
会议结束后，习近平和夫人彭丽媛出席中国向联合国日内瓦总部赠礼仪式。习近平和古特雷斯共同拉下红绸，为“盛世欢歌”景泰蓝瓶揭幕。习近平指出，“盛世欢歌”瓶主题图案由孔雀、牡丹、玉兰、和平鸽等构成，在中国传统文化中象征着安定祥和、繁荣发展，既富有中华文化底蕴，又承载美好寓意。中国期待联合国为促进世界和平与发展、弘扬国际公平正义、推动各国合作共赢作出更大贡献。中国愿同世界各国一道，继续为建设人类更加美好的明天而共同努力
================================================
FILE: NLP_ALL/similarity/Word2vec/words/__init__.py
================================================
================================================
FILE: NLP_ALL/similarity/Word2vec/words/chinesewords.txt
================================================
本报 瑞士 日内瓦 1 月 18 日电 （ 记者 杜尚泽 、 任彦 、 王远 ） 18 日 ， 国家 主席 习近平 在 日内瓦 万国宫 出席 “ 共商 共筑 人类 命运 共同体 ” 高级别 会议 ， 并 发表 题为 《 共同 构建 人类 命运 共同体 》 的 主旨 演讲 ， 深刻 、 全面 、 系统阐述 人类 命运 共同体 理念 ， 主张 共同 推进 构建 人类 命运 共同体 伟大 进程 ， 坚持 对话 协商 、 共建 共享 、 合作 共赢 、 交流 互鉴 、 绿色 低碳 ， 建设 一个 持久和平 、 普遍 安全 、 共同 繁荣 、 开放 包容 、 清洁 美丽 的 世界 。当地 时间 18 时许 ， 习近平 在 第 71 届 联合国大会 主席 汤姆森 和 联合国 秘书长 古 特雷斯 陪同 下 步入 万国宫 大会 厅 ， 全场 起立 ， 热烈鼓掌 欢迎 。联合国 日内瓦 总部 总干事 穆勒 主持 。 古 特雷斯 致 欢迎辞 ， 感谢 习近平 主席 莅临 联合国 日内瓦 总部 并 发表 重要 演讲 ， 称赞 中国 是 多边 主义 的 重要 支柱 ， 为 联合国 维和 行动 、 可 持续 发展 等 事业 和 应对 气候变化 等 全球 治理 进程 作出 了 积极 贡献 。习近平 在 演讲 中 指出 ， 人类 正 处在 大 发展 大 变革 大 调整 时期 ， 也 正 处在 一个 挑战 层出不穷 、 风险 日益 增多 的 时代 。 回首 过去 100 多年 的 历史 ， 全人类 的 共同愿望 ， 就是 和平 与 发展 。 宇宙 只有 一个 地球 ， 人类 共有 一个 家园 。 让 和平 的 薪火 代代相传 ， 让 发展 的 动力 源源不断 ， 让 文明 的 光芒 熠熠生辉 ， 是 各国 人民 的 期待 ， 也 是 我们 这 一代 政治家 应有 的 担当 。 中国 方案 是 ： 构建 人类 命运 共同体 ， 实现 共赢 共享 。习近平 强调 ， 纵观 近代 以来 的 历史 ， 建立 公正 合理 的 国际 秩序 是 人类 孜孜以求 的 目标 。 主权 平等 是 数百年 来 国与国 规范 彼此 关系 最 重要 的 准则 ， 也 是 联合国 及 所有 机构 、 组织 共同 遵循 的 首要 原则 。 主权 平等 ， 真谛 在于 国家 不 分 大小 、 强弱 、 贫富 ， 主权 和 尊严 必须 得到 尊重 ， 内政 不容 干涉 ， 都 有权 自主 选择 社会制度 和 发展 道路 。 各国 平等 参与 决策 ， 构成 了 完善 全球 治理 的 重要 力量 。 新形势下 ， 我们 要 坚持 主权 平等 ， 推动 各国 权利 平等 、 机会 平等 、 规则 平等 。习近平 指出 ， 历史 和 现实 给 我们 的 启迪 是 ， 沟通 协商 是 化解 分歧 的 有效 之策 ， 政治 谈判 是 解决 冲突 的 根本 之道 。 各国 和 国际 司法 机构 有 责任 维护 国际 法治 权威 ， 应该 确保 国际法 平等 统一 适用 ， 不能 搞 双重标准 ， 不能 “ 合则 用 、 不合 则 弃 ” ， 真正 做到 “ 无偏无党 ， 王道 荡荡 ” 。 我们 要 推进 国际 关系 民主化 。 世界 命运 应该 由 各国 共同 掌握 ， 国际 规则 应该 由 各国 共同 书写 ， 全球 事务 应该 由 各国 共同 治理 ， 发展 成果 应该 由 各国 共同 分享 。 我们 应该 秉承 中立 、 公正 、 独立 的 基本 原则 ， 避免 人道主义 问题 政治化 ， 坚持 人道主义 援助 非军事化 。习近平 强调 ， 构建 人类 命运 共同体 ， 国际 社会 要 从 伙伴关系 、 安全 格局 、 经济 发展 、 文明 交流 、 生态建设 等 方面 作出努力 。一 要 坚持 对话 协商 ， 建设 一个 持久和平 的 世界 。 国家 之间 要 构建 对话 不 对抗 、 结伴 不结盟 的 伙伴关系 。 大国 要 尊重 彼此 核心 利益 和 重大 关切 ， 管控 矛盾 分歧 ， 努力 构建 不 冲突 不 对抗 、 相互尊重 、 合作 共 赢 的 新型 关系 。 大国 对 小国 要 平等 相待 ， 不 搞 唯我独尊 、 强买强卖 的 霸道 。 应该 全面禁止 并 最终 彻底 销毁 核武器 ， 实现 无核 世界 。 要 秉持 和平 、 主权 、 普惠 、 共治 原则 ， 把 深海 、 极地 、 外空 、 互联网 等 领域 打 造成 各方 合作 的 新 疆域 ， 而 不是 相互 博弈 的 竞技场 。二要 坚持 共建 共享 ， 建设 一个 普遍 安全 的 世界 。 各方 应该 树立 共同 、 综合 、 合作 、 可 持续 的 安全观 。 反恐 既 要 治标 ， 更要 治本 。 各国 要 加强 协调 ， 要 动员 全球 力量 有 效应 对 难民 危机 。 恐怖主义 、 难民 危机 等 问题 都 同 地缘 冲突 密切相关 ， 化解 冲突 是 根本 之策 。 当事 各方 要 通过 协商 谈判 化解 冲突 ， 其他 各方 应该 积极 劝 和 促谈 ， 尊重 联合国 发挥 斡旋 主渠道 作用 。 国际 社会 应该 加大 对 非洲 等 发展中国家 卫生事业 的 支持 和 援助 。三要 坚持 合作 共赢 ， 建设 一个 共同 繁荣 的 世界 。 各国 特别 是 主要 经济体 要 加强 宏观政策 协调 ， 维护 世界贸易组织 规则 ， 支持 开放 、 透明 、 包容 、 非 歧视性 的 多边贸易 体制 ， 构建 开放型 世界 经济 。 搞 贸易 保护主义 、 画地为牢 ， 损人不利己 。 经济 全球化 的 大方向 是 正确 的 。 我们 要 引导 经济 全球化 健康 发展 ， 加强 协调 、 完善 治理 ， 推动 建设 一个 开放 、 包容 、 普惠 、 平衡 、 共 赢 的 经济 全球化 ， 着力 解决 公平 公正 问题 。四要 坚持 交流 互鉴 ， 建设 一个 开放 包容 的 世界 。 人类文明 多样性 是 世界 的 基本特征 ， 也 是 人类 进步 的 源泉 。 文明 差异 不 应该 成为 世界 冲突 的 根源 。 不同 文明 要 取长补短 、 共同进步 ， 让 文明 互鉴 成为 推动 人类 社会 进步 的 动力 、 维护 世界 和平 的 纽带 。五要 坚持 绿色 低碳 ， 建设 一个 清洁 美丽 的 世界 。 我们 应该 遵循 天人合一 、 道 法 自然 的 理念 ， 寻求 永续 发展 之 路 。 要 倡导 绿色 、 低碳 、 循环 、 可 持续 的 生产 生活 方式 ， 平衡 推进 2030 年 可 持续 发展 议程 ， 不断 开拓 生产 发展 、 生活富裕 、 生态 良好 的 文明 发展 道路 。 各方 要 共同 推动 《 巴黎 协定 》 实施 ， 不能 让 这 一 成果 付诸东流 。 中国 将 继续 采取行动 应对 气候变化 ， 百分之百 承担 自己 的 义务 。习近平 强调 ， 中国 始终认为 ， 世界 好 ， 中国 才能 好 ； 中国 好 ， 世界 才 更好 。 面向未来 ， 中国 维护 世界 和平 的 决心 不会 改变 。 中国 从 一个 积贫积弱 的 国家 发展 成为 世界 第二 大 经济体 ， 靠 的 不是 对外 军事 扩张 和 殖民 掠夺 ， 而是 人民 勤劳 、 维护和平 。 中国 将 始终不渝 走 和平 发展 道路 ， 永不 称霸 、 永不 扩张 、 永不 谋求 势力范围 。 中国 促进 共同 发展 的 决心 不会 改变 。 中国 发展 得益于 国际 社会 ， 中国 也 为 全球 发展 作出 了 贡献 。 中国 将 继续 奉行 互利 共 赢 的 开放 战略 ， 欢迎 各国 搭乘 中国 发展 的 “ 顺风 车 ” 。 中国 提出 “ 一带 一路 ” 倡议 ， 就是 要 实现 共赢 共享 发展 。 中国 打造 伙伴关系 的 决心 不会 改变 。 中国 坚持 独立自主 的 和平 外交政策 ， 在 和平共处 五项原则 基础 上同 所有 国家 发展 友好合作 。 中国 将 进一步 联结 遍布 全球 的 “ 朋友圈 ” 。 中国 支持 多边 主义 的 决心 不会 改变 ， 将 坚定 维护 以 联合国 为 核心 的 国际 体系 ， 坚定 维护 以 联合国 宪章 宗旨 和 原则 为 基石 的 国际 关系 基本准则 ， 坚定 维护 联合国 权威 和 地位 ， 坚定 维护 联合国 在 国际事务 中 的 核心作用 。习近平 强调 ， 构建 人类 命运 共同体 是 一个 美好 的 目标 ， 也 是 一个 需要 一代 又 一代人 接力跑 才能 实现 的 目标 。 中国 愿同 广大 成员国 、 国际 组织 和 机构 一道 ， 共同 推进 构建 人类 命运 共同体 的 伟大 进程 。 （ 演讲 全文 见 第二 版 ）习近平 的 演讲 赢得 全场 30 多次 热烈 掌声 。 演讲 结束 后 ， 全场 响起 长时间 的 掌声 。汤姆森 随后 在 致辞 中 表示 ， 习近平 主席 提出 的 人类 命运 共同体 重大 理念 发人深省 。 长期以来 ， 中国 是 联合国 的 忠实 支持者 。 今天 ， 习近平 主席 的 演讲 振奋 和 鼓舞 了 人心 ， 为 联合国 推进 和平 与 可 持续 发展 事业 提供 了 巨大 动力 。 联合国 高度 赞赏 中国 为 打造 人类 命运 共同体 作出 的 巨大贡献 。瑞士 重要 国际 组织 负责人 和 高级别 职员 、 各国 常驻 日内瓦 使节 和 高级 外交官 ， 瑞士 政要 和 社会名流 以及 中国籍 国际 组织 职员 等 约 800 人 现场 聆听 习近平 演讲 。会议 结束 后 ， 习近平 和 夫人 彭丽媛 出席 中国 向 联合国 日内瓦 总部 赠礼 仪式 。 习近平 和 古 特雷斯 共同 拉 下 红绸 ， 为 “ 盛世 欢歌 ” 景泰蓝 瓶 揭幕 。 习近平 指出 ， “ 盛世 欢歌 ” 瓶 主题 图案 由 孔雀 、 牡丹 、 玉兰 、 和平鸽 等 构成 ， 在 中国 传统 文化 中 象征 着 安定 祥和 、 繁荣 发展 ， 既 富有 中华 文化底蕴 ， 又 承载 美好 寓意 。 中国 期待 联合国 为 促进 世界 和平 与 发展 、 弘扬 国际 公平正义 、 推动 各国 合作 共赢 作出 更大 贡献 。 中国 愿同 世界 各国 一道 ， 继续 为 建设 人类 更加 美好 的 明天 而 共同努力
================================================
FILE: NLP_ALL/similarity/Word2vec/words/corpus.txt
================================================
本报 瑞士 日内瓦 月 日电 记者 杜尚泽 任彦 王远 日 国家 主席 习近平 在 日内瓦 万国宫 出席 共商 共筑 人类 命运 共同体 高级别 会议 并 发表 题为 共同 构建 人类 命运 共同体 的 主旨 演讲 深刻 全面 系统阐述 人类 命运 共同体 理念 主张 共同 推进 构建 人类 命运 共同体 伟大 进程 坚持 对话 协商 共建 共享 合作 共赢 交流 互鉴 绿色 低碳 建设 一个 持久和平 普遍 安全 共同 繁荣 开放 包容 清洁 美丽 的 世界 当地 时间 时许 习近平 在 第 届 联合国大会 主席 汤姆森 和 联合国 秘书长 古 特雷斯 陪同 下 步入 万国宫 大会 厅 全场 起立 热烈鼓掌 欢迎 联合国 日内瓦 总部 总干事 穆勒 主持 古 特雷斯 致 欢迎辞 感谢 习近平 主席 莅临 联合国 日内瓦 总部 并 发表 重要 演讲 称赞 中国 是 多边 主义 的 重要 支柱 为 联合国 维和 行动 可 持续 发展 等 事业 和 应对 气候变化 等 全球 治理 进程 作出 了 积极 贡献 习近平 在 演讲 中 指出 人类 正 处在 大 发展 大 变革 大 调整 时期 也 正 处在 一个 挑战 层出不穷 风险 日益 增多 的 时代 回首 过去 多年 的 历史 全人类 的 共同愿望 就是 和平 与 发展 宇宙 只有 一个 地球 人类 共有 一个 家园 让 和平 的 薪火 代代相传 让 发展 的 动力 源源不断 让 文明 的 光芒 熠熠生辉 是 各国 人民 的 期待 也 是 我们 这 一代 政治家 应有 的 担当 中国 方案 是 构建 人类 命运 共同体 实现 共赢 共享 习近平 强调 纵观 近代 以来 的 历史 建立 公正 合理 的 国际 秩序 是 人类 孜孜以求 的 目标 主权 平等 是 数百年 来 国与国 规范 彼此 关系 最 重要 的 准则 也 是 联合国 及 所有 机构 组织 共同 遵循 的 首要 原则 主权 平等 真谛 在于 国家 不 分 大小 强弱 贫富 主权 和 尊严 必须 得到 尊重 内政 不容 干涉 都 有权 自主 选择 社会制度 和 发展 道路 各国 平等 参与 决策 构成 了 完善 全球 治理 的 重要 力量 新形势下 我们 要 坚持 主权 平等 推动 各国 权利 平等 机会 平等 规则 平等 习近平 指出 历史 和 现实 给 我们 的 启迪 是 沟通 协商 是 化解 分歧 的 有效 之策 政治 谈判 是 解决 冲突 的 根本 之道 各国 和 国际 司法 机构 有 责任 维护 国际 法治 权威 应该 确保 国际法 平等 统一 适用 不能 搞 双重标准 不能 合则 用 不合 则 弃 真正 做到 无偏无党 王道 荡荡 我们 要 推进 国际 关系 民主化 世界 命运 应该 由 各国 共同 掌握 国际 规则 应该 由 各国 共同 书写 全球 事务 应该 由 各国 共同 治理 发展 成果 应该 由 各国 共同 分享 我们 应该 秉承 中立 公正 独立 的 基本 原则 避免 人道主义 问题 政治化 坚持 人道主义 援助 非军事化 习近平 强调 构建 人类 命运 共同体 国际 社会 要 从 伙伴关系 安全 格局 经济 发展 文明 交流 生态建设 等 方面 作出努力 一 要 坚持 对话 协商 建设 一个 持久和平 的 世界 国家 之间 要 构建 对话 不 对抗 结伴 不结盟 的 伙伴关系 大国 要 尊重 彼此 核心 利益 和 重大 关切 管控 矛盾 分歧 努力 构建 不 冲突 不 对抗 相互尊重 合作 共 赢 的 新型 关系 大国 对 小国 要 平等 相待 不 搞 唯我独尊 强买强卖 的 霸道 应该 全面禁止 并 最终 彻底 销毁 核武器 实现 无核 世界 要 秉持 和平 主权 普惠 共治 原则 把 深海 极地 外空 互联网 等 领域 打 造成 各方 合作 的 新 疆域 而 不是 相互 博弈 的 竞技场 要 坚持 共建 共享 建设 一个 普遍 安全 的 世界 各方 应该 树立 共同 综合 合作 可 持续 的 安全观 反恐 既 要 治标 更要 治本 各国 要 加强 协调 要 动员 全球 力量 有 效应 对 难民 危机 恐怖主义 难民 危机 等 问题 都 同 地缘 冲突 密切相关 化解 冲突 是 根本 之策 当事 各方 要 通过 协商 谈判 化解 冲突 其他 各方 应该 积极 劝 和 促谈 尊重 联合国 发挥 斡旋 主渠道 作用 国际 社会 应该 加大 对 非洲 等 发展中国家 卫生事业 的 支持 和 援助 要 坚持 合作 共赢 建设 一个 共同 繁荣 的 世界 各国 特别 是 主要 经济体 要 加强 宏观政策 协调 维护 世界贸易组织 规则 支持 开放 透明 包容 非 歧视性 的 多边贸易 体制 构建 开放型 世界 经济 搞 贸易 保护主义 画地为牢 损人不利己 经济 全球化 的 大方向 是 正确 的 我们 要 引导 经济 全球化 健康 发展 加强 协调 完善 治理 推动 建设 一个 开放 包容 普惠 平衡 共 赢 的 经济 全球化 着力 解决 公平 公正 问题 要 坚持 交流 互鉴 建设 一个 开放 包容 的 世界 人类文明 多样性 是 世界 的 基本特征 也 是 人类 进步 的 源泉 文明 差异 不 应该 成为 世界 冲突 的 根源 不同 文明 要 取长补短 共同进步 让 文明 互鉴 成为 推动 人类 社会 进步 的 动力 维护 世界 和平 的 纽带 要 坚持 绿色 低碳 建设 一个 清洁 美丽 的 世界 我们 应该 遵循 天人合一 道 法 自然 的 理念 寻求 永续 发展 之 路 要 倡导 绿色 低碳 循环 可 持续 的 生产 生活 方式 平衡 推进 年 可 持续 发展 议程 不断 开拓 生产 发展 生活富裕 生态 良好 的 文明 发展 道路 各方 要 共同 推动 巴黎 协定 实施 不能 让 这 一 成果 付诸东流 中国 将 继续 采取行动 应对 气候变化 百分之百 承担 自己 的 义务 习近平 强调 中国 始终认为 世界 好 中国 才能 好 中国 好 世界 才 更好 面向未来 中国 维护 世界 和平 的 决心 不会 改变 中国 从 一个 积贫积弱 的 国家 发展 成为 世界 第 大 经济体 靠 的 不是 对外 军事 扩张 和 殖民 掠夺 而是 人民 勤劳 维护和平 中国 将 始终不渝 走 和平 发展 道路 永不 称霸 永不 扩张 永不 谋求 势力范围 中国 促进 共同 发展 的 决心 不会 改变 中国 发展 得益于 国际 社会 中国 也 为 全球 发展 作出 了 贡献 中国 将 继续 奉行 互利 共 赢 的 开放 战略 欢迎 各国 搭乘 中国 发展 的 顺风 车 中国 提出 一带 一路 倡议 就是 要 实现 共赢 共享 发展 中国 打造 伙伴关系 的 决心 不会 改变 中国 坚持 独立自主 的 和平 外交政策 在 和平共处 项原则 基础 上同 所有 国家 发展 友好合作 中国 将 进一步 联结 遍布 全球 的 朋友圈 中国 支持 多边 主义 的 决心 不会 改变 将 坚定 维护 以 联合国 为 核心 的 国际 体系 坚定 维护 以 联合国 宪章 宗旨 和 原则 为 基石 的 国际 关系 基本准则 坚定 维护 联合国 权威 和 地位 坚定 维护 联合国 在 国际事务 中 的 核心作用 习近平 强调 构建 人类 命运 共同体 是 一个 美好 的 目标 也 是 一个 需要 一代 又 一代人 接力跑 才能 实现 的 目标 中国 愿同 广大 成员国 国际 组织 和 机构 一道 共同 推进 构建 人类 命运 共同体 的 伟大 进程 演讲 全文 见 第 版 习近平 的 演讲 赢得 全场 多次 热烈 掌声 演讲 结束 后 全场 响起 长时间 的 掌声 汤姆森 随后 在 致辞 中 表示 习近平 主席 提出 的 人类 命运 共同体 重大 理念 发人深省 长期以来 中国 是 联合国 的 忠实 支持者 今天 习近平 主席 的 演讲 振奋 和 鼓舞 了 人心 为 联合国 推进 和平 与 可 持续 发展 事业 提供 了 巨大 动力 联合国 高度 赞赏 中国 为 打造 人类 命运 共同体 作出 的 巨大贡献 瑞士 重要 国际 组织 负责人 和 高级别 职员 各国 常驻 日内瓦 使节 和 高级 外交官 瑞士 政要 和 社会名流 以及 中国籍 国际 组织 职员 等 约 人 现场 聆听 习近平 演讲 会议 结束 后 习近平 和 夫人 彭丽媛 出席 中国 向 联合国 日内瓦 总部 赠礼 仪式 习近平 和 古 特雷斯 共同 拉 下 红绸 为 盛世 欢歌 景泰蓝 瓶 揭幕 习近平 指出 盛世 欢歌 瓶 主题 图案 由 孔雀 牡丹 玉兰 和平鸽 等 构成 在 中国 传统 文化 中 象征 着 安定 祥和 繁荣 发展 既 富有 中华 文化底蕴 又 承载 美好 寓意 中国 期待 联合国 为 促进 世界 和平 与 发展 弘扬 国际 公平正义 推动 各国 合作 共赢 作出 更大 贡献 中国 愿同 世界 各国 一道 继续 为 建设 人类 更加 美好 的 明天 而 共同努力
================================================
FILE: NLP_ALL/similarity/Word2vec/words/create_vec.py
================================================
#!/usr/bin/env python
# -*- coding: utf-8 -*-
from gensim.models import word2vec
import logging
"""
生成词向量
也可以载word2vec中使用命令，注意下命令生成的向量文件是c语言格式可读的
应该使用model = word2vec.Word2Vec.load_word2vec_format("wordvec_c.model", binary=True)#c 文件
./word2vec -train data/chinesewords.txt -output data/wordvec_c.model -cbow 1 -size 200 -window 8 -negative 0 -hs 1 -sample 1e-4 -threads 20 -binary 1 -iter 15
"""
# # 主程序
logging.basicConfig(format='%(asctime)s : %(levelname)s : %(message)s', level=logging.INFO)
sentences = word2vec.Text8Corpus(u"corpus.txt")
model = word2vec.Word2Vec(sentences, size=200) # 训练skip-gram模型; 默认window=5
# 计算两个词的相似度/相关程度
y1 = model.similarity(u"主席", u"习近平")
print "【主席】和【习近平】的相似度为："+ str(y1)
print "--------\n"
# 计算某个词的相关词列表
y2 = model.most_similar(u"主席", topn=20) # 20个最相关的
print "和【主席】最相关的词有：\n"
for item in y2:
print str(item[0])+ str(item[1])
print "--------\n"
# 寻找对应关系
print u"与 ‘习近平 中国’相近，并排除 ‘主席’ 相关的词 "
y3 = model.most_similar([u'习近平', u'中国'], [u'主席'], topn=3)
for item in y3:
print str(item[0])+ str(item[1])
print "--------\n"
# 寻找不合群的词
y4 = model.doesnt_match(u"习近平 中国 发展 手机".split())
print "'习近平 中国 发展 手机' 不合群的词："+y4
print "--------\n"
# 保存模型，以便重用,保存后会生成一个文件，里面存的是语料库的向量
model.save(u"wordvec.model")
# 对应的加载方式
# model_2 = word2vec.Word2Vec.load("text8.model")
# 以一种C语言可以解析的形式存储词向量
model.save_word2vec_format(u"wordvec_c.model", binary=True)
# 对应的加载方式
# model_3 = word2vec.Word2Vec.load_word2vec_format("text8.model.bin", binary=True)
if __name__ == "__main__":
pass
================================================
FILE: NLP_ALL/similarity/Word2vec/words/plot.py
================================================
#!/usr/bin/env python
# coding=utf-8
import numpy as np
import matplotlib
import matplotlib.pyplot as plt
from sklearn.decomposition import PCA
from gensim.models import word2vec
# load the word2vec model
model = word2vec.Word2Vec.load('wordvec.model')
rawWordVec=model.vectors
# reduce the dimension of word vector
X_reduced = PCA(n_components=2).fit_transform(rawWordVec)
# show some word(center word) and it's similar words
index1,metrics1 = model.cosine(u'中国')
index2,metrics2 = model.cosine(u'清华')
index3,metrics3 = model.cosine(u'牛顿')
index4,metrics4 = model.cosine(u'自动化')
index5,metrics5 = model.cosine(u'刘亦菲')
# add the index of center word
index01=np.where(model.vocab==u'中国')
index02=np.where(model.vocab==u'清华')
index03=np.where(model.vocab==u'牛顿')
index04=np.where(model.vocab==u'自动化')
index05=np.where(model.vocab==u'刘亦菲')
index1=np.append(index1,index01)
index2=np.append(index2,index03)
index3=np.append(index3,index03)
index4=np.append(index4,index04)
index5=np.append(index5,index05)
# plot the result
zhfont = matplotlib.font_manager.FontProperties(fname='/usr/share/fonts/truetype/wqy/wqy-microhei.ttc')
fig = plt.figure()
ax = fig.add_subplot(111)
for i in index1:
ax.text(X_reduced[i][0],X_reduced[i][1], model.vocab[i], fontproperties=zhfont,color='r')
for i in index2:
ax.text(X_reduced[i][0],X_reduced[i][1], model.vocab[i], fontproperties=zhfont,color='b')
for i in index3:
ax.text(X_reduced[i][0],X_reduced[i][1], model.vocab[i], fontproperties=zhfont,color='g')
for i in index4:
ax.text(X_reduced[i][0],X_reduced[i][1], model.vocab[i], fontproperties=zhfont,color='k')
for i in index5:
ax.text(X_reduced[i][0],X_reduced[i][1], model.vocab[i], fontproperties=zhfont,color='c')
ax.axis([0,0.8,-0.5,0.5])
plt.show()
================================================
FILE: NLP_ALL/similarity/Word2vec/words/readMe.txt
================================================
文本相似性，词语相关性，近义词，同义词
================================================
FILE: NLP_ALL/similarity/Word2vec/words/read_vec.py
================================================
#!/usr/bin/env python
# -*- coding: utf-8 -*-
from gensim.models import word2vec
import logging
from gensim.models.phrases import Phrases
# 主程序
logging.basicConfig(format='%(asctime)s : %(levelname)s : %(message)s', level=logging.INFO)
model = word2vec.Word2Vec.load("wordvec.model")# python
#model = word2vec.Word2Vec.load_word2vec_format("wordvec_c.model", binary=True)#c 文件
# 计算两个词的相似度/相关程度
y1 = model.similarity(u"主席", u"习近平")
print "【主席】和【习近平】的相似度为："+ str(y1)
print "--------\n"
# 计算某个词的相关词列表
y2 = model.most_similar(u"主席", topn=20) # 20个最相关的
print "和【主席】最相关的词有：\n"
for item in y2:
print str(item[0])+ str(item[1])
print "--------\n"
# 寻找对应关系
#vector（小米）- vector（苹果）+ vector（乔布斯）近似于 vector（雷军）
print u"与 ‘习近平 中国’相近，并排除 ‘主席’ 相关的词 "
y3 = model.most_similar([u'习近平', u'中国'], [u'主席'], topn=3)
for item in y3:
print str(item[0])+ str(item[1])
print "--------\n"
# 寻找不合群的词
y4 = model.doesnt_match(u"习近平 中国 发展 手机".split())
print "'习近平 中国 发展 手机' 不合群的词："+y4
print "--------\n"
#中国的词向量
print (model[u"中国"])
#model.train("我爱中国", total_words=None, word_count=0, total_examples=None, queue_factor=2, report_delay=1.0)
#词的信息Vocab(count:16, index:7, sample_int:936985059)
print (model.vocab[u"习近平"])
#print model.similarity(model.wv[u"中国"], model.wv[u"中国"])
if __name__ == "__main__":
pass
================================================
FILE: NLP_ALL/similarity/Word2vec/words/remove_stopwords.py
================================================
#encoding=utf-8
import jieba
import os
import sys
words_line="";
for wordl in open('chinesewords.txt').readlines():
words_line=words_line+" "+wordl;
stop_list = [line.strip().decode('utf-8') for line in open('stopdict.txt').readlines()]
#seg_list=list(set(seg_list)-set(stop_list));
for stop in stop_list:
words_line=words_line.replace(stop,"")
print words_line
open('corpus.txt',"w").writelines(words_line)
================================================
FILE: NLP_ALL/similarity/Word2vec/words/stopdict.txt
================================================
,
?
、
。
“
”
《
》
！
，
：
；
？
~
!
.
:
"
'
(
)
*
A
--
..
>>
[
]
<
>
/
\
|
-
_
+
=
&
^
%
#
@
`
;
$
（
）
——
—
￥
·
...
‘
’
〉
〈
…
0
1
2
3
4
5
6
7
8
9
０
１
２
３
４
５
６
７
８
９
二
三
四
五
六
七
八
九
零
＞
＜
＠
＃
＄
％
︿
＆
＊
＋
～
｜
［
］
｛
｝
================================================
FILE: NLP_ALL/similarity/__init__.py
================================================
================================================
FILE: NLP_ALL/similarity/readMe.txt
================================================
文本相似性，词语相关性，近义词，同义词
================================================
FILE: NLP_ALL/similarity/snowNlp/__init__.py
================================================
================================================
FILE: NLP_ALL/similarity/snowNlp/sentence_similarity.py
================================================
#encoding=utf-8
from snownlp import SnowNLP
import json
import jieba;
"""
文本句子相似性
"""
#两篇文档
text1 = u'''我爱 中国 美国'''
text2=u'''北京 香港 美国'''
text3=u'''河南 河北'''
text_words1 = jieba.cut(text1,cut_all=True)
text_words2 = jieba.cut(text2,cut_all=True)
text_words3 = jieba.cut(text3,cut_all=True)
#测试数据
text_test = u'''我爱中国'''
test_words1=jieba.cut(text_test,cut_all=True)
test_words=list(test_words1);
text_words=[list(text_words1),list(text_words2),list(text_words3)]
#print " ".join(text_words)
s = SnowNLP(text_words)# 必须是分好词的文档如：[[我爱, 中国, 美国,],[北京,香港,美国],[河南,河北]]
#tf=某个词在本文档中出现的次数/本文档的总词数 [{"我": 1, "爱": 1, "中国": 1, "美国": 1, "": 4}, {"": 4, "北京": 1, "美国": 1, "香港": 1}, {"": 2, "河北": 1, "河南": 1}]
print json.dumps(s.tf, encoding="UTF-8", ensure_ascii=False)
#idf=log(语料库文档总数/(包含该词的文档数+1)) {"": -1.9459101490553135, "我": 0.5108256237659907, "香港": 0.5108256237659907, "河南": 0.5108256237659907, "北京": 0.5108256237659907, "河北": 0.5108256237659907, "爱": 0.5108256237659907, "美国": -0.5108256237659907, "中国": 0.5108256237659907}
print json.dumps(s.idf, encoding="UTF-8", ensure_ascii=False)
#输出 [1.3702146143370104, 0, 0] 表示与第一类相似
print json.dumps(s.sim(test_words), encoding="UTF-8", ensure_ascii=False)
================================================
FILE: NLP_ALL/text_classifier/__init__.py
================================================
================================================
FILE: NLP_ALL/text_classifier/nltk/__init__.py
================================================
================================================
FILE: NLP_ALL/text_classifier/nltk/example.py
================================================
# -*- coding: utf-8 -*-
import json
import codecs
import jieba
from sklearn.cluster import KMeans
import uuid
from jieba import analyse
import nltk
from snownlp import SnowNLP
from numpy import array
#[array,array] list.append(numpy.array)
datas=[array(v) for v in [(1,0),(0,1),(5,5),(5,4),(5,3)]] #句子的分词向量，是一个numpy.array的list
km=nltk.cluster.kmeans.KMeansClusterer(num_means=2, distance =nltk.cluster.euclidean_distance)
km.cluster(datas)
for data in datas:
print str(data)+str(km.classify(data))
================================================
FILE: NLP_ALL/text_classifier/nltk/readMe.txt
================================================
文本聚类，分类 k-means
无监督聚类，使用tf/idf ,以及欧式距离，
使用json数据，
首先要安装sk-learn
pip install -U scikit-learn
================================================
FILE: NLP_ALL/text_classifier/readMe.txt
================================================
文本聚类，分类
================================================
FILE: NLP_ALL/text_classifier/sklearn/__init__.py
================================================
================================================
FILE: NLP_ALL/text_classifier/sklearn/data.json
================================================
{"answer": "直接拨打1008611", "question": "中国移动怎样查看现在是否已开通上网套餐", "number": 2}
{"answer": "基本套餐发指令 TCCX 10086 非套餐内查询其业务类发0000 10086", "question": "中国移动怎么查询已开通业务", "number": 3}
{"answer": " 1、百度搜索“中国移动”，打开中国移动官网。 2、进入中国移动首页，点击登陆。 3、在个人客户栏输入手机号、密码，点击登陆。（没设置过>密码的选随机密码，会发密码在手机短信里）。 4、进入中国移动首页，点击我的移动。 5、再点击已开业务，就会显示出所以已开业务。", "question": "中国移
动如何查询本机套餐", "number": 4}
{"answer": "发0000", "question": "中国移动怎样查询已定套餐", "number": 5}
{"answer": "移动的客服号码是10086，没有后面加的那些，当心是骗子号码，楼主最好拨打10086直接询问客服。", "question": "中国移动的1008633215363是什么号码", "number": 6}
{"answer": "只能说是移动的号码段，和其他13几开头的一样，没有什么不同。至于卡的套餐可以根据自己的需要去办理。移动也可以转套餐的。打10086转0，人工改成全
球通套餐就可以了。（前提是没有预付款协议）150 151 152 158 159都是中国移动的。153 157是中国电信。155是联通。", "question": "中国移动号码158开头的是什么
卡?", "number": 7}
{"answer": "130、131、132、155、156，186都是联通的 133、153是电信的 剩下的都是移动的", "question": "中国移动号码一般以什么开头！", "number": 8}
{"answer": " 1.拨打1008611话费直通车，非常方便，只要接通之后系统就会提示下发相关短信到手机上面。 2.短信具体信息如下图所示，包括实时话费、当前账>户余额，流量使用情况，以及所开通的套餐业务使用情况，一目了然。 3.发送短信查询，发送11到10086，就可以直接查询到话费余额。 4.下面是具体信息，不过>内容不多，只有账户余额信息。 5.通过网上营业厅查询，进入中国移动网上营业厅的官网，找到登陆。 6.输入手机号码和服务密码进行登陆，如果服务密码忘记也
可以使用短信验证码登陆。 7.在我的移动里面可以看见相关余额、实时话费、M值等信息。", "question": "中国移动手机号码电话费查询号码是啥?", "number": 9}
{"answer": "亲：属于移号码我估计应该移哪项业务定制需要编号", "question": "中国移动10658251是什么号码", "number": 10}
{"answer": "发送0000", "question": "中国移动怎么查询已办理业务", "number": 12}
{"answer": "有好几种方法开通：1、发短信。◇ 国内移动数据5元套餐：5元包30MB国内流量，超出后1元/M，15G流量内500元封顶。发送KTGPRS5到10086就可以办理◇ 国内
移动数据10元套餐：10元包70MB国内流量，超出后1元/M，15G流量内500元封顶。发送KTGPRS20到10086就可以办理◇ 国内移动数据50元套餐：50元包500MB国内流量，超出>后1元/M，15G流量内500元封顶。发送KTGPRS50到10086就可以办理◇ 国内移动数据100元套餐：100元包2G国内流量，超出后1元/M，15G流量内500元封顶。发送KTGPRS100到
10086就可以办理◇ 国内移动数据200元套餐：200元包5G国内流量，超出后1元/M，15G流量内500元封顶。发送KTGPRS200到10086就可以办理2、去网上营业厅，上面有提示>，会上网就会开通3、自己去营业厅，让他们帮你开通。4、打10086开通", "question": "怎样开通中国移动手机十元上网流量套餐服务", "number": 13}
{"answer": "现移新 包60元流量月给70M流量 包六月 第二给您反20元费 详细信息 请您咨询移", "question": "中国移动现在有没有新的上网套餐?", "number": 14}
{"answer": "5元", "question": "中国移动的上网套餐有几种？具体怎样开通？", "number": 15}
{"answer": "您您江苏移客户您发送短信0000至10086查询您手机通业务您需要取消根据短信内容进行取消供您参考谢您选择移", "question": "中国移动怎么看自己已经>开了GPRS套餐", "number": 16}
{"answer": "登陆移网营业厅输入手机号码服务密码知道服务密码使用态密码进点击我移面套餐信息点击查看即", "question": "中国移动怎么查自己办的是多少钱的流量
套餐", "number": 17}
{"answer": "发送0000", "question": "中国移动怎么查询已办理业务", "number": 18}
{"answer": "发四零10086现业务", "question": "中国移动用户怎样通过短信方式查询已开通业务？", "number": 19}
{"answer": "简单拨打10086选工服务发短信给或直接答复", "question": "中国移动手机套餐资费本机如何查询", "number": 21}
================================================
FILE: NLP_ALL/text_classifier/sklearn/data_baoxian.json
================================================
{"answer": "准确说保险控股保险公司少部私股份股东：再保险（集团）股份限公司92.26%宁波市电力发公司唐际发电股份限公司北京松联创新科技发展限公司", "question": "中国大地保险是国营保险公司吗？", "number": 1}
{"answer": "国有企业（别名国营事业或国营企业）是指企业全部资产归国家所有，并按《中华人民共和国企业法人登记管理条例》规定登记注册的非公司制的经济组织。中国人寿财产保险股份有限公司（公司性质）：国有", "question": "中国人寿保险公司还是国营单位？", "number": 2}
{"answer": "太孤陋寡闻", "question": "人民保险是国营的吗?没有听说这家保险公司啊", "number": 3}
{"answer": "典型保险公司寿平安寿平安民营", "question": "保险公司都是国营的还是私营的？", "number": 4}
{"answer": "国营的保险公司，现在社保和中国人寿是属于国家控制的。其他的保险公司都是商业保险公司，是机构控股的。比如大的像平安保险，是深圳市投资控股有限公司。", "question": "哪家保险公司属于国营", "number": 5}
{"answer": "大地保险是中国再保险（集团）股份有限公司的子公司,中国人民财产保险股份有限公司是中国人民保险集团股份有限公司的子公司。 中国再保险（集团）股份有限公司和中国人民保险集团股份有限公司都源于1949年10月成立的中国人民保险公司，1996年7月23日，中国人民保险公司更名为中国人民保险（集团）公司，下设中保财产保险有限公司和中保再保险有限公司等四个子公司。1999年1月18日，中保财产保险有限公司继承人保品牌，更名为中国人民保险公司。1999年3月18日，在原中保再保险有限公司的基础上成立中国再保险公司。2003年7月19日， 经国务院批准，中国人民保险公司重组后更名为中国人保控股公司，并同时发起设立了中国内地最大的非寿险公司－－中国人民财产保险股份有限公司和首家保险资产管理公司－－中国人保资产管理有限公司。同年11月， 人保财险成功实现海外上市，成为国内金融企业海外上市第一股。2003年12月22日，中国再保险公司重组为中国再保险（集团）公司；2007年10月，改制为中国再保险（集团）股份有限公司。2003年12月15日，是在原中国再保险公司改制基础上，由中国再保险（集团）公司作为主发起人，吸收境内外多家投资人共同发起成立的国内唯一专业财产再保险公...", "question": "中国大地保险跟大地保险公司是同一家吗?", "number": 6}
{"answer": "四保险公司寿保平安太平洋接新华、泰康、太平等", "question": "大地是四大保险公司之一吗？中国四大保险公司是哪四个？", "number": 7}
{"answer": "按规模说： 1、寿 2、平安 3、太平洋 4、新华 5、太平 利润说第换平安 寿企农村、县份都网点其保险公司比赔付高风险管控比平安所利润面及平安", "question": "中国最大的几家保险公司有哪些？", "number": 8}
{"answer": "四务院直属保险集团： 保控股公司：简称保辖保财险保寿险等； 保险（控股）限公司：简称保辖太平寿太平保险太平资产太平养民安保险保际（香港市）等； 寿保险（集团）公司：简称寿辖寿寿资产寿海外寿财险等； 再保险（集团）公司简称再辖财产再保险寿再保险保险再资产华泰保险等 并没太明显优势像企业私企业比较企业投资能更些、管理机制更规范已", "question": "国家认可的保险公司有哪几家", "number": 9}
{"answer": "国营保险公司有:1.中国人保控股公司：中国人保简称PICC，旗下有人保财险、人保寿险等多家公司。2.中国保险(控股)有限公司：中保旗下的几家公司，如太平人寿，太平保险，太平资产，太平养老，民安保险，中保国际(香港上市)等都是我国保险市场上耳闻能详的保险公司。3.中国人寿保险(集团)公司：国寿下辖中国人寿，国寿资产，国寿海外，国寿财险等保险公司。4.中国再保险(集团)公司，中再下辖财产再保险，人寿再保险，大地保险，中再资产，华泰保险等公司。", "question": "国营保险公司有那几家？", "number": 10}
{"answer": "您内比较保险公司平安保等保险公司提醒买保险仅要关注保险公司价值更重要买适合保险需求保险建议结合实际情况保险公司比选择适合险种给提供参考链接： （给自买保险）", "question": "大家知道国内有哪几家保险公司比较好吗", "number": 11}
{"answer": "新疆库尔勒市大地财产保险公司地址", "question": "中国大地财产保险股份有限公司是什么性质的企业", "number": 12}
{"answer": "中国大地财产保险股份有限公司是中国再保险集团公司旗下唯一的直保财险公司。公司成立于2003年10月20日，总部设在上海。公司为股份制企业，主要股东为中国再保险集团公司，股份占比92.26%，公司目前还未上市。", "question": "中国大地财产保险股份有限公司是不是国企，上市公司", "number": 13}
{"answer": "您其实保险公司都差没太差别保险公司建议您自身保障需求及保险公司偿付能力、服务态度等素进行考虑买保险建议您重点放具体产品建议您优先完善意外险、健康险等保障型险种选择适养险、理财险作适补充您推荐几款商业保险（）您根据自实际情况选择适合您产品希望我答您帮助您其问题继续我联系", "question": "大家知道有哪几家保险公司比较好？", "number": 14}
{"answer": "保险公司现", "question": "中国人寿保险公司是不是国有企业", "number": 15}
{"answer": "寿股份制企业营单位其全称：寿保险股份限公司", "question": "中国人寿保险是股份制还是国营单位", "number": 16}
{"answer": "民财产保险股限公司简称保或保主要财产险主寿险附寿保险公司简称寿或寿寿险主财产险附两家公司都世界500强", "question": "中国人民保险公司和中国人寿保险公司有什么区别？", "number": 17}
{"answer": " 属于国有企业性质。 中国人寿保险公司成立于1949年，已有58年历史，是唯一一家国有控股的人寿保险公司。 中国人寿连续五年进入《财富》世界500强，2007年排192名。也是唯一一家进入世界500强的保险公司。 2007年同时也进入世界品牌500强。 中国人寿成为中国乃至世界第一家分别在纽约、香港、上海上市的保险公司，位列全球上市寿险公司市值第一。 中国人寿财产保险股份有限公司系国务院同意、中国保监会批准、中国人寿保险（集团）公司及旗下中国人寿保险股份有限公司共同发起设立的全国性专业财产保险公司，注册资本80亿元人民币，经营范围包括财产损失保险、责任保险、信用保险和保证保险、短期健康保险和意外伤害保险、上述业务的再保险业务、国家法律、法规允许的保险资金运用业务、经中国保监会批准的其他业务。", "question": "中国人寿保险属于国有企业性质吗？", "number": 18}
{"answer": "三楼说", "question": "到底“中国人寿保险股份有限公司”还能算是国营单位？", "number": 19}
{"answer": "现没民保险公司前企业股份制拆民财产保险股份限公司寿保险股份限公司两家", "question": "中国人民保险公司就是中国人民财产保险股份有限公司吗", "number": 20}
{"answer": "四保险公司寿保平安太平洋接新华、泰康、太平等", "question": "大地是四大保险公司之一吗？中国四大保险公司是哪四个？", "number": 21}
{"answer": "私营，但是有国有企业的股份，其中中资股东包括中国对外贸易运输（集团）总公司、中国嘉德国际拍卖有限公司、中国交通建设股份有限公司、中信华东（集团）有限公司等国内大中型企业。外资股东包括瑞士丰泰人寿保险公司、新政泰达投资有限公司和日本软库银行集团等著名国际金融企业。", "question": "泰康人寿保险是国营企业还是私营企业？", "number": 22}
{"answer": "寿保险公司全球500强第94位,保险行业连续13第,值拥....", "question": "国家承保的保险公司有哪几个", "number": 23}
{"answer": "寿保险集团、民保险集团、太平保险集团口信用保险公司1、太平保险集团限责任公司（简称太平）192911月20始创于海1956移师海外2001重新进军内市场太平四金融保险集团2012列入央管理总部设香港2、寿保险（集团）公司2003经务院同意、保监批准原寿保险公司重组改制寿保险（集团）公司3、民保险集团194910月20经华民共政务院批准民保险公司北京立经务院决定民银行批准民保险公司于19968月改组民保险（集团）公司并陆区设保财产保险限公司、保寿保险限公司及保再保险限公司三家保险公司4、口信用保险公司简称信保唯承办口信用保险业务政策性保险公司200112月18式揭牌运营现15职能部门营业机构包括总公司营业部、18公司6营业管理部已形覆盖全服务网络并英伦敦设代表处", "question": "中国四大央企保险公司是哪四个", "number": 24}
{"answer": "寿保平安保险太平洋保险新华保险", "question": "中国最大的保险公司有哪几家", "number": 25}
{"answer": "基本内保险公司都算吧控股比较央企平安寿太平洋吧", "question": "中国保险公司国有企业有几家", "number": 26}
{"answer": "内四家央企保险公司别寿、保、太平口信用保险公司", "question": "请问保险公司有哪些是国营的", "number": 27}
{"answer": "1、中国人寿 2、平安 3、太平洋 4、新华 5、太平 以利润来说第一就换成平安了。 中国人寿是国企，在很多农村、县份都有网点，这是其它保险公司比不了的。但他的赔付也很高，风险管控比不上平安，所以利润方面不及平安", "question": "中国有名的好保险公司有那几个？", "number": 28}
{"answer": "寿保险股份限公司（China Life Insurance Company Limited）寿保险（集团）公司代表家控股全性商业寿险公司其前身创立于194910月原民保险公司设于19962月保寿保险限公司及19991月经务院批准寿保险限公司20036月30寿保险股份限公司北京注册立同12月17及18别美纽约香港两市保险市场居领先位 永远倒闭 追问： 请问啥倒闭 说现实 我解 说 答： 家控股全性商业寿险公司 家呀说倒闭呵呵 追问： 谢钱相信乎我家点钱", "question": "中国人寿保险公司是什么性质的，国资还是什么的拜托各位大神", "number": 29}
{"answer": "私营性质企业,家全性股份制公司,主要经营汽车保险,责任保险,信用保险,运输保险等2002由保险监督委员批准立公司.注册资本10亿,全300城市建立自服务网点.", "question": "中国大地财产保险股份有限公司是什么性质", "number": 30}
{"answer": "是的，它是四家国家控股保险公司之一", "question": "中国人寿保险有险公司属于国家企业吗?", "number": 31}
{"answer": "三家寿平安太平洋 第二军团新华寿泰康寿民寿等 其余市场份额比较外资及合资保险公司加新设公司三十家比友邦海康信诚英美都意宏金盛太平命保寿险光永明合众安联众保康联瑞泰恒安标准航三星太平洋安泰海尔纽约首创安泰招商信诺恒康安光电华夏寿健康险公司保健康险公司昆仑健康险公司瑞福德健康险公司华泰寿嘉禾寿新东能想起些华寿信泰寿另外几家筹备我知道,具体家我太清楚哦,马知道啊!", "question": "中国大陆有几家保险公司？那家最好呢?", "number": 32}
{"answer": "公司成立于1949年，已有58年历史，是唯一一家国有控股的人寿保险公司。 中国人寿连续五年进入《财富》世界500强，2007年排192名。也是唯一一家进入世界500强的保险公司。 2007年同时也进入世界品牌500强。 中国人寿成为中国乃至世界第一家分别在纽约、香港、上海上市的保险公司，位列全球上市寿险公司市值第一。 巨大的投资渠道，投资三峡水利工程190亿元；西气东输工程53亿元；大亚湾电力工程9亿元；中国人寿还计划投资大秦铁路、京沪高速铁路、广深铁路、南桂轻轨铁路等国家大型建设项目；拆 资350亿元入股南方电网；使用获批自有外汇5亿美元进行境外投资。", "question": "中国人寿保险公司的单位性质是什么?", "number": 33}
{"answer": "现实行外包制外勤员工受劳压束所用工制度 员工剥削没社保没其福利", "question": "中国人寿保险股份有限公司属于哪种用人单位??????", "number": 34}
{"answer": "民保险公司立于1949华民共同龄 寿保险公司立于1999", "question": "中国人民保险公司和中国人寿保险公司有什么区别？", "number": 35}
{"answer": "泰康寿保险公司家股份制公司寿保险（CHINA LIFE ）、民保险(PICC)两股份家控制", "question": "泰康人寿保险公司是国有企业吗？都有哪些保险公司是国有企业？", "number": 36}
{"answer": "民保险公司民保险集团公司妈", "question": "中国人民保险公司和中国人民保险集团公司是同一个公司吗？谢谢", "number": 37}
{"answer": "楼我实知道表达我景仰 我早保险公司民保险公司 说所保险公司鼻祖 杂名 96候家民保险公司民财产保险寿保险公司 应该10月份我公司嘴名PICC 式复命民保险集团公司 楼主要投保寿面险种建议寿 毕竟家展间各面相熟 投保财产险汽车、家财、企财类PICC 要随便相信些公司渤海啊阳光像安现基本都再保险 投保理赔都问题 再加句我PICC代言濮存昕啊名候姚明知道 我非喜欢姚明", "question": "PICC中国人民保险公司和中国人寿保险公司哪家好？", "number": 38}
{"answer": "平安，太平洋，人寿老三家", "question": "中国有哪几个保险公司最大", "number": 39}
{"answer": "所保险公司都要经家批准才立,寿.,平安.泰康 .太平洋,信誉,投资稳健泰康", "question": "哪些保险公司是国家承认的？", "number": 40}
{"answer": "保险公司100家4家央管企业别寿保太平及进口保险公司", "question": "中国央企的保险公司有哪些", "number": 41}
{"answer": "1 ）中国人寿保险（集团）公司：简称“中国人寿”，下辖中国人寿，国寿资产，国寿海外，国寿财险等； 2 ）中国人保控股公司：简称“中国人保”，下辖人保财险，人保寿险等； 3 ）中国再保险（集团）公司：简称“中国再保险”，下辖财产再保险，人寿再保险，中国大地财产保险，中再资产，华泰保险等； 4）中国太平人寿保险（集团）公司：简称“中国太平”。 5）新华保险其他的为股份制", "question": "国有保险企业有哪些", "number": 42}
{"answer": "公司成立于1949年，已有58年历史，是唯一一家国有控股的人寿保险公司。 中国人寿连续五年进入《财富》世界500强，2007年排192名。也是唯一一家进入世界500强的保险公司。 2007年同时也进入世界品牌500强。 中国人寿成为中国乃至世界第一家分别在纽约、香港、上海上市的保险公司，位列全球上市寿险公司市值第一。 巨大的投资渠道，投资三峡水利工程190亿元；西气东输工程53亿元；大亚湾电力工程9亿元；中国人寿还计划投资大秦铁路、京沪高速铁路、广深铁路、南桂轻轨铁路等国家大型建设项目；拆 资350亿元入股南方电网；使用获批自有外汇5亿美元进行境外投资。", "question": "中国人寿保险公司的单位性质是什么?", "number": 43}
{"answer": "国内保险公司各有千秋，购买适合自己的保险才是最好的。因为不同的保险公司同一保险业务的好坏程度也不尽相同。现提供以下内容供参考： 人身险公司综合竞争力前十名依次为国寿股份、泰康人寿、太平人寿、新华人寿、平安人寿、太平洋人寿、人保寿险、中邮人寿、生命人寿和平安养老。 财产险公司综合竞争力前十名依次为人保财险、华泰财险、阳光农业、平安财险、英大财险、国寿财险、国元农业、信达财险、阳光财险和太平产险。 中国保险十大保险公司排名如下：1 中国人寿 (与中华人民共和国同龄,中国保险业的中流砥柱,中国人寿保险(集团)公司)2 中国平安 (中国驰名商标,世界500强企业,中国平安保险(集团)股份有限公司)3 太平洋保险 (世界500强企业,总部设在上海,中国太平洋财产保险(集团)股份有限公司)4 中国人保 (中国驰名商标,有深远影响力的保险集团,中国人民保险(集团)股份有限公司)5 中国太平 (于1929年上海,实力雄厚的民族保险公司,隶属国务院,中国太平保险集团公司)6 友邦保险 (外资独资保险公司,亚太地区领先的人寿保险公司,美国友邦保险有限公司)7 新华保险 (具有较高知名度的国际化股份制专业寿险公司,新华人寿保险股份有限公司)8 泰康保险 (中国著名的大型保险金融服务集团,总部设于北京,泰康人寿保险股份有限公司)9 阳光保险 (国内七大保险集团之一,较具实力的保险公司,阳光保险集团股份有限公司)10 大地保险 (良好的业绩和社会口碑,中再集团公司旗下中国大地财产保险股份有限公司)", "question": "国内保险公司哪个最好？", "number": 44}
{"answer": " 保险集团控股公司8个：
1、中国人民保险集团股份有限公司
2、中国人寿保险（集团）公司
3、中国再保险（集团）股份有限公司
4、中国太平洋保险（集团）股份有限公司
5、中国平安保险（集团）股份有限公司
6、中国太平保险集团公司
7、阳光保险集团股份有限公司
8、中华联合保险控股股份有限公司
财产保险公司 58家：中资财产保险公司37家；外资财产保险公司21家
中资财产保险公司37家：
1、中国人民财产保险股份有限公司
2、中国大地财产保险股份有限公司
3、中国出口信用保险公司
4、中华联合财产保险股份有限公司
5、中国太平洋财产保险股份有限公司
6、中国平安财产保险股份有限公司
7、华泰保险控股股份有限公司
8、天安保险股份有限公司
9、大众保险股份有限公司
10、华安财产保险股份有限公司
11、永安财产保险股份有限公司
12、太平财产保险有限公司
13、民安保险（中国）有限公司
14、安信农业保险股份有限公司
15、永诚财产保险股份有限公司
16、安邦财产保险股份有限公司
17、安华农业保险股份有限公司
18、天平...", "question": "中国目前有多少家保险公司？ 其中寿险和财险各有多少家？", "number": 45}
{"answer": "放吧 由四务院直属金融再保险集团控股专业财产保险公司百科查公司具体资料车险主要业务挺专业", "question": "中国大地财产保险股份有限公司怎么样？", "number": 46}
{"answer": ",我", "question": "z中国人寿保险公司是国家控股的国有企业么", "number": 47}
{"answer": "1、中国人民人寿保险股份有限公司（简称“中国人保寿险”），成立于2005，总部位于北京；中国人寿保险股份有限公司成立于1949年10月20日，总部位于北京。2、中国人保寿险，是经国务院同 意，中国保险监督管理委员会批准，由中国人民保险集团公司（简称中国人保）为主发起成立的全国性寿险公司；中国人寿保险（集团）公司作为中国最大的商业保险集团，是国内几家资产过万亿的保险集团之一，是中国资本市场最大的机构投资者之一。", "question": "中国人寿保险与中国人民人寿保险股份有限公司的区别？", "number": 48}
{"answer": "太平寿内唯获惠誉际连续6BBB+评级公司太平养资产公司内早", "question": "国内著名信誉好的保险公司", "number": 49}
{"answer": "国有企业（别名国营事业或国营企业）是指企业全部资产归国家所有，并按《中华人民共和国企业法人登记管理条例》规定登记注册的非公司制的经济组织。中国人寿财产保险股份有限公司（公司性质）：国有", "question": "中国人寿保险公司还是国营单位？", "number": 50}
{"answer": "现在也做财产险人保寿险，简称PICC，也就是我们常说的中国人民财产保险股份有限公司。人保寿险是中国人保的子公司，起初是做寿险的，以前是做财产险的，英文ChinaLife，现在也做寿险。中国人寿", "question": "中国人民保险集团股份有限公司和中国人寿保险有什么区别呢?", "number": 51}
{"answer": " 要了解大地保险就必须要了结它的母公司！ 中国大地财产保险股份有限公司是经国务院同意，中国保监会批准成立的全国性财产保险公司。公司成立于2003年10月20日，总部设在上海。注册资本金57.2亿元人民币。 是中国再保险（集团）股份有限公司旗下唯一的直保财险公司。 中国再保险（集团）股份有限公司（以下简称“中再集团”）由国家财政部和中央汇金投资有限责任公司发起设立，注册资本为人民币364.08亿元，两大股东各持15.09%和84.91%的股权，是目前中国惟一的再保险集团公司。 中再集团源于1949年10月成立的中国人民保险公司。1996年，在中国人民保险公司再保险部的基础上成立中保再保险有限公司，填补了新中国保险史上没有再保险公司的空白；1999年3月18日，中国再保险公司成立，实现了向现代商业再保险公司的历史性转变；2003年12月22日，重组为中国再保险（集团）公司；2007年10月，改制为中国再保险（集团）股份有限公司，跨入专业化、集团化、国际化经营的全新时期。 目前，中再集团控股6家子公司：中国财产再保险股份有限公司、中国人寿再保险股份有限公司、中国大地财产保险股份有限公司、中再资产管理股份有限公司、中国保险报业股份有限公司、华泰保险经纪有限公司。拥有再保险、直接保险、资产管理、保险经纪、保险传媒等完整保险产业链，形成了多元化和专业化的集团经营架构与管理格局。 历经数次重大变革的中再集团，在培育中国再保险市场、促进直接保险市场发展、服务社会与经济发展方面发挥了积极作用。作为“保险的保险”，中再集团在中国保险市场一直发挥再保险主渠道作用。在长期的发展过程中积累了丰富的资源，形成了多方面的优势。通过多年的经营实践，中再集团建立起一支包括精算、核保、核赔、风控、产品开发、战略研发在内的高水准的业务管理队伍，积累了大量的再保险业务数据以及具有较高理论水平和实践意义的技术资料，并在技术推广培训、自主开发技术成果等方面做了大量有益有效的工作。 作为中国再保险业的领军企业，中再集团在国际再保险市场正发挥越来越重要的作用。中再集团是中国核保险共同体主席成员与管理公司、中国航天保险联合体副主席成员、亚非保险与再保险联合会执委会成员。", "question": "中国上海大地保险是什么性质企业?", "number": 52}
{"answer": " 泰康人寿保险公司不是国家直接开办的公司，泰康人寿共有20家股东，其中中资股东包括中国对外贸易运输（集团）总公司、中国嘉德国际拍卖有限公司、中国交通建设股份有限公司、中信华东（集团）有限公司等国内大中型企业。外资股东包括瑞士丰泰人寿保险公司、新政泰达投资有限公司和日本软库银行集团等著名国际金融企业。 根据《保险法》的规定，人寿保险公司不得倒闭，具体如下： 第八十九条 保险公司因分立、合并需要解散，或者股东会、股东大会决议解散，或者公司章程规定的解散事由出现，经国务院保险监督管理机构批准后解散。 经营有人寿保险业务的保险公司，除因分立、合并或者被依法撤销外，不得解散。 ", "question": "泰康人寿保险公司是国家开办的吗?会倒闭吗?", "number": 53}
{"answer": "国家保险有社会保险，希望我的回答对你有所帮助", "question": "所谓国家保险有哪些", "number": 54}
{"answer": "在1949年新中国成立的时候，中国只有一家保险公司就是“人民保险公司”它即经营“财产险”又经营“寿险”。在1996年分制改革，分为两家公司一是“中国人寿保险公司”它经营寿险业务。一是“中国人保公司”它经营财险业务。在2005年“中国人保公司”又恢复寿险经营，成立了寿险公司名为“中国人民人寿保险公司”。所以提问者所提到的“中国人寿保险公司”现在是一个独立的公司，它的商业标志是一个绿色的断开的圈，断开处有一个圈点，像一个戒指。而“中国人民人寿保险公司”和“中国人保财险公司”为一个集团公司的子公司，它们的商业标志是PICC四个字母。", "question": "中国人民人寿保险和中国人寿保险是一家保险公司吗？", "number": 55}
{"answer": "他们大多数都自称是代理中国国有保险公司的，说国有保险公司是国家所有等等。咨询网友：fgdsagfds (温州) 专家解答：温州中国人寿 郑一锋国有保险公司又称“国有独资保险公司”、“国营保险公司”，是由国家或政府投资设立的保险经营组织，由政府或其他公共团体所经营，其经营可能以营利为目的作为增加财政收入的手段，组织形式为举办商业保险的保险组织；也可能以政策的实施为宗旨，并无营利的动机，组织形式为举办社会保险的保险组织等。 国有保险公司目前是我国保险公司的主要组织形式之一，在我国保险市场上占有重要地位。中国没有完全的国有保险公司。但是几家大的保险公司都是国有控股上市股份有限公司。如中石油一样是国旦骇测较爻记诧席超芦有控股上市股份有限公司。你能说中石油不是国有公司吗？保险法第八十九条规定经营有人寿保险业务的保险公司，除因分立，合并或者被依法撤销外，不得解散。买人寿保险还是很有保证。中国的四大国有保险公司（集团）：１）中国太平保险（集团）公司：简称“中国太平”，下辖太平人寿，太平保险，太平资产，太平养老，民安保险，中保国际（香港上市）等； ２）中国人寿保险（集团）公司：简称“中国人寿”，下辖中国人寿，国寿资产，国寿海外，国寿财险等；３）中国人保控股公司：简称“人国人保”，下辖人保财险，人保寿险等； ４）中国再保险（集团）公司：简称“中国再保险”，下辖财产再保险，人寿再保险，大地保险，中再资产，华泰保险等。杭州中宏人寿 李涛你的上网核实的做法很好。同时，对你投保提出两点建议，希望对你有所帮助：第一，找到专业的保险理财顾问，让他们提供最适合你的服务；第二，向实力雄厚、财务稳健、信誉上好的保险公司投保，这样，您的利益才有保证。代理人队伍中，人的素质确实良莠不齐。连“国有控股”跟“完全国有”都区分不开，专业性何在啊？ 所以，一定得找准合适的理财顾问。丽水平安人寿 叶良阳 至今还没有弄明白国有和股份制的业务员。我估计有二种人。一、他本人是真的不知道，如果真这样，他也太不称职啦。二、故意隐瞒，这种人太可怕啦，用脑子想一下“如果是故意、他会不会有其它很重要的也是故意隐瞒，专捡好听的来忽悠我啊。”他说的话会不会有一部份是真实的呀。换位思考，我肯定不和这种人发生业务，一旦和这种人合作，他可能一转身就会与他身边的人把我当傻子来分享，我就成了他的眼中的傻子、笑料。", "question": "国有保险公司有哪些", "number": 56}
{"answer": "中国人民保险公司（简称中国人保）于1949年10月20日经中华人民共和国政务院批准在北京西郊民巷108号挂牌成立。作为新中国保险事业的缔造者和开拓者，中国人保在60多年的改革发展征程中，始终秉承“人民保险、服务人民”的使命，积极履行企业社会责任，为服务经济社会发展和保障国计民生，提供了全方位、高质量的保险保障和服务，铸就了新中国民族保险业的辉煌。 作为国内历史最悠久的保险公司，中国人保历经数次重大变革。1996年7月，中国人民保险公司改组为中国人民保险(集团)公司，下设中保财产保险有限公司、中保人寿保险有限公司、中保再保险公司三家专业子公司；1998年10月，根据国务院对中国保险业整体改革方案，中国人保集团下属三家子公司自成体系，原中保财产保险有限公司更名承继中国人民保险公司名称；2003年7月，经国务院同意、中国保监会批准，中国人保重组改制更名为中国人保控股公司。2007年6月，为秉承中国人保的历史和品牌，公司复名为中国人民保险集团公司。2009年9月，中国人保成功改制为中国人民保险集团股份有限公司，实现了从传统国有企业向现代国有控股金融保险集团的重大转变，迈出了国有保险集团整体股份制改革的第一步，在中国保险业发展史上具有里程碑式的意义。 目前，中国人保集团旗下拥有中国人民财产保险股份有限公司、中国人保资产管理股份有限公司、中国人民健康保险股份有限公司、中国人民人寿保险股份有限公司、人保投资控股有限公司、人保资本投资管理有限公司、中国人民保险（香港）有限公司、北京西长安街八十八号发展有限公司、中盛国际保险经纪有限公司、中人保险经纪有限公司、中元保险经纪有限公司、北京人保物业管理有限公司等10多家专业子公司，业务领域涵盖财产保险、人寿保险、健康保险、资产管理、保险经纪以及信托、基金等领域，形成了保险金融产业集群和综合经营集团架构，为社会公众和机构团体提供完善的保险金融服务。 中国人保集团旗下的中国人民财产保险股份有限公司2003年在香港联交所成功挂牌上市，成为中国内地大型国有金融企业海外上市“第一股”，是亚洲第一大非寿险公众公司；旗下的中国人民健康保险股份有限公司是国内第一家专业健康保险公司，致力于为中国最广大民众提供优质高效的健康保障和健康管理服务；旗下的中国人民人寿保险股份有限公司自2005年成立以来，成为了业务发展最快、成长性最好的寿险公司，创造了中国寿险业新的发展奇迹；旗下的中国人保资产管理股份有限公司是国内第一家保险资产管理公司，在业内率先引进海外战略投资者，首创委托、受托、托管三方运作模式，精心打造“国内领先、国际一流的综合性投资理财公司”。", "question": "中国人民保险公司跟中国人民财产保险公司 是一家嘛", "number": 57}
{"answer": "中国人寿可以排进500强，分开的，这是两家公司，都是保监会统一管理，净资产，综合。在营业额上，中资保险公司里也只有中国人寿可以稳定排进500强。", "question": "PICC中国人民保险公司是不是世界500强企业", "number": 58}
{"answer": "012年的数据，保险资产管理公司5家。2014年检索了一下：全国共有保险集团公司6家、保险公司93家，好像没有最新的数据", "question": "截止2014年，中国共有多少家保险公司？", "number": 59}
{"answer": "你这个问题问的有点广，只能这样给你回答，分为三种第一种、以中国人寿，中国人保，新华保险，太平保险这四个央企为代表的，应该算是属于国有的，不过因为他们有的上市，一部分股权是在基金和个人手里面第二种，以农银人寿、建信人寿，英大人寿等银行控股、央企控股的保险公司，但只能算是控股，不能算是国家所有第三种，平安保险，太保等公司，有国资委的影子，但是不控股，就是股份制保险公司", "question": "请问中国有哪些保险公司是国家的？", "number": 60}
{"answer": "新华 5： 1。但他的赔付也很高。 中国人寿是国企、中国人寿 2、中国太平（不是太平洋）、中国人保，风险管控比不上平安、太平洋 4你好、平安 3，所以利润方面不及平安！按规模来说。希望能帮到你，分别是中国人寿、中国出口信用保险公司，这是其它保险公司比不了的、县份都有网点、太平 以利润来说第一就换成平安了，在很多农村！在中国被列为央企保险公司一共有四家", "question": "中国的保险有几家央企？那家央企最好的？", "number": 61}
{"answer": "这里建议你还是结合个人实际年龄您好，一些大的保险公司实力都比较强，身体健康状况.cn/R7fMper" target="_blank">http，性别等情况到保险公司对比选择，更重要的是买到适合的保险://t，这里给你提供一个保险怎么买的参考链接：", "question": "在中国，哪家保险公司实力最强，在哪家买保险最好", "number": 62}
{"answer": "注意用工性质", "question": "中国大地财产保险股份有限公司待遇怎么样", "number": 63}
{"answer": "中国人寿是央企！国家领导人才能管理中国人寿！", "question": "中国人寿保险是国家控股的吗？", "number": 64}
{"answer": "财产保险公司中资 人保股份大地财产出口信用中华联合太保财平安财华泰天安大众华安永安太平保险民安安信农业永诚安邦安华农业天平车险阳光财产阳光农业都邦渤海华农国寿财产安诚外资 美亚珐涪粹皇诔郝达酮惮捆东京海上丰泰皇家太阳联邦三井住友三星中银保险安联日本财产利宝互助安盟苏黎世现代财产人寿保险公司中资 国寿股份太保寿平安寿新华泰康太平人寿民生人寿生命人寿国寿存续平安养老合众人寿华泰人寿太平养老平安健康人保健康华夏人寿正德人寿国民人寿长城昆仑健康瑞福德健康国寿养老外资 中宏人寿太平洋安泰中德安联金盛信诚中保康联恒康天安中意光大永明友邦海尔纽约首创安泰中英人寿海康人寿招商信诺广电日生恒安标准瑞泰人寿中美大都会中法人寿国泰人寿联泰大都会中航三星人保寿险中新大东方", "question": "中国现有多少家保险公司？", "number": 65}
{"answer": "多咨询几家就懂了大陆信誉好的保险公司啊。这方面你可以尝试找一下财库在线的工作人员，那么就要找香港那边的大保险公司来中国大陆开设的分公司。如果是通过大陆本地购买香港保险，然后可以问一下他们有没有其他的这种公司，这种公司一般都信誉特别好，毕竟想要抢占大陆市场就必须把口碑做好，貌似他们是香港那边的保险集团开过来的大陆内地的，您是要买内地保险还是通过内地保险公司购买香港保险", "question": "大陆信誉好的保险公司有哪些啊？求介绍", "number": 66}
{"answer": "1、中国人民人寿保险股份有限公司（简称“中国人保寿险”），成立于2005，总部位于北京；中国人寿保险股份有限公司成立于1949年10月20日，总部位于北京。2、中国人保寿险，是经国务院同 意，中国保险监督管理委员会批准，由中国人民保险集团公司（简称中国人保）为主发起成立的全国性寿险公司；中国人寿保险（集团）公司作为中国最大的商业保险集团，是国内几家资产过万亿的保险集团之一，是中国资本市场最大的机构投资者之一。", "question": "中国人寿保险与中国人民人寿保险股份有限公司的区别？", "number": 67}
{"answer": "国人民保险和中国人寿保险原本是一家公司（国有单位），包括汽车保险，后来划分为“中国人民人寿保险股份有限公司”（经营人寿保险业务）和“中国人民财产保险股份有限公司”（经营财产保险业务。 中国人民人寿保险股份有限公司是不经营汽车保险的。不过现在中国人寿保险（集团）公司成立了“中国人寿财产保险股份有限公司”，是一家经营财产保险的公司，包括汽车保险）", "question": "中国人民保险和中国人寿保险有什么区别", "number": 68}
{"answer": "咱们国家是不允许保险公司倒闭的，如果真的经营不下去可以合并但不会倒闭，这样的话客户不会有大的损失", "question": "我刚听说泰康人寿保险股份有限公司倒闭了，是不是真的", "number": 69}
{"answer": "中国人寿保险公司是中国人寿保险（集团）公司的前身。中国人寿保险（集团）公司属国有大型金融保险企业，总部设在北京。公司前身是成立于1949年的原中国人民保险公司，1996年分设为中保人寿保险有限公司，1999年更名为中国人寿保险公司。2003 年，经国务院同意、中国保险监督管理委员会批准，原中国人寿保险公司进行重组改制，变更为中国人寿保险（集团）公司中国人寿保险（集团）公司属国家大型金融保险企业，公司及其子公司构成我国最大的国有金融保险集团。业务涵盖财产险、寿险、养老险、资产管理、海外业务、电子商务等多领域。服务电话：95519", "question": "中国人寿保险公司和中国人寿保险(集团)公司的区别", "number": 70}
{"answer": "1、 中国人寿：中国人寿是我国最大的保险集团之一，世界500强企业，业务涉及寿险、财险、基金等多个方面，其保费收入和理赔能力都位于我国保险公司之首。 2、 中国平安：中国平安是一家集银行、保险、融资为一体的大型金融集团 保险方面，平安人寿是我国第二大寿险公司。 3、 太平洋保险：世界500强企业，集团业务涉及风险保障解决方案、投资理财和资产管理服务。 4、中国人保PICC：人保是一家综合型保险公司，世界500强企业。公司业务财产保险、人寿保险、健康保险、以及基金等。 5、 新华保险：提供人寿保险、健康保险、人身意外伤害保险及养老保险服务。6.这是排行前几的保险公司。7.重要的的是保险险种适合不适合才是最重要的！8.适合你的就是最好的。", "question": "国内哪家的保险公司最好", "number": 71}
{"answer": "中国只有一家保险公司就是“人民保险公司”它即经营“财产险”又经营“寿险”。在1996年分制改革。在2005年“中国人保公司”又恢复寿险经营，它们的商业标志是PICC四个字母，分为两家公司一是“中国人寿保险公司”它经营寿险业务，断开处有一个圈点，成立了寿险公司名为“中国人民人寿保险公司”。一是“中国人保公司”它经营财险业务。而“中国人民人寿保险公司”和“中国人保财险公司”为一个集团公司的子公司。所以提问者所提到的“中国人寿保险公司”现在是一个独立的公司，它的商业标志是一个绿色的断开的圈，像一个戒指在1949年新中国成立的时候", "question": "中国人民人寿保险有公司和中国人寿保险是一家公司吗", "number": 72}
{"answer": "不知道你说的是不是中国人民财产保险公司。 中国人民财产保险股份有限公司（PICC P&C，简称“中国人保财险”，下同）是经国务院同意、中国保监会批准，于2003年7月由中国人民保险集团公司发起设立的、目前中国内地最大的非寿险公司，注册资本111.418亿元。其前身是1949年10月20日经中国人民银行报政务院财经委员会批准成立的中国人民保险公司。 中国人保财险是中国人民保险集团公司（PICC）旗下标志性主业。2003年11月6日，公司在香港联交所成功挂牌上市，成为中国内地大型国有金融企业海外上市“第一股”。凭借综合实力，公司相继成为北京2008年奥运会、2010年上海世博会保险合作伙伴，为北京奥运会和上海世博会提供全面的保险保障服务。2008年6月26日，国际权威评级机构穆迪公司授予公司中国内地企业最高信用评级A1级。2008年，公司保费突破一千亿元，实现历史性跨越，在全球上市保险公司非寿险业务排名第10位。 在六十多年的卓越历程里，中国人保财险以“人民保险、服务人民”为使命，秉承“以人为本、诚信服务、价值至上、永续经营”的经营理念，弘扬“求实、诚信、拼搏、创新”旦激测刻爻灸诧熏超抹的企业精神，坚持以市场为导向、以客户为中心，积极履行优秀企业公民责任，为促进改革、保障经济、稳定社会、造福人民提供了强大的保险保障。同时，在服务经济社会发展全局和广大客户的实践中，创造和积累了市场领先的企业核心竞争优势。", "question": "中国人民保险公司是什么样的一家公司", "number": 73}
{"answer": "公司员工享受养老保险，其余三类个人因各地有所不同. 其中生育保险、工伤保险等五种保险、失业保险、医疗保险、生育保险、工伤保险两种职工个人不缴费，参与一定比例的缴费 根据国家规定", "question": "国家规定的员工保险有哪些?", "number": 74}
{"answer": "是巨型企业。", "question": "中国人民财产保险股份有限公司是大公司吗", "number": 75}
{"answer": " 保险公司能在保监会登记的就是合法的，目前保险公司的业务都是全国性的，具体如下： 从中国保险监督管理委员会官网网站查询保险机构得知，目前我国有保险控股公司10家、财产保险公司60家、人寿保险公司71家、再保险公司8家、资产管理公司11家。具体如下： 序号 人寿保险公司名称 财产保险公司名称 1 安邦人寿保险股份有限公司 爱和谊日生同和财产保险公司 2 百年人寿保险股份有限公司 安邦财产保险股份有限公司 3 北大方正人寿保险有限公司 安华农业保险股份有限公司 4 东方人寿保险股份有限公司 安联财产保险（中国）有限 5 复星保德信人寿保险有限公司 安信农业保险股份有限公司 6 工银安盛人寿保险有限公司 渤海财产保险股份有限公司 7 光大永明人寿保险有限公司 诚泰财产保险股份有限公司 8 国华人寿保险股份有限公司 大众保险股份有限公司 9 国泰人寿保险有限责任公司 鼎和财产保险股份有限公司 10 海尔人寿保险有限公司 东京海上日动火灾保险 11 海康人寿保险有限公司 都邦财产保险股份有限公司 12 合众人寿保险股份有限公司 丰泰保险（亚洲）有限公司 13 和谐健康保险股份有限公司 富邦财产保险有限公司 14 恒安标准人寿保险有限公司 国元农业保险股份有限公司 15 华汇人寿保险股份有限公司 华安财产保险股份有限公司 16 华泰人寿保险股份有限公司 华泰财产保险有限公司 17 华夏人寿保险股份有限公司 锦泰财产保险股份有限公司 18 汇丰人寿保险有限公司 劳合社保险（中国）有限公司 19 嘉禾人寿保险股份有限公司 乐爱金财产保险（中国）有限公司 20 建信人寿保险有限公司 利宝保险有限公司 21 交银康联人寿保险有限公司 美亚财产保险有限公司 22 金盛人寿保险有限公司 民安保险（中国）有限公司 23 君龙人寿保险有限公司 丘博保险（中国）有限公司 24 昆仑健康保险股份有限公司 人保股份上海市崇明支公司 25 利安人寿保险股份有限公司 日本财产保险(中国)有限公 司 26 美国友邦保险有限公司北京分公司 日本兴亚财产保险（中国）有限责任公司 27 美国友邦保险有限公司东莞支公司 三井住友海上火灾保险公司 28 美国友邦保险有限公司佛山支公司 三星财产保险(中国)有限公司 29 美国友邦保险有限公司广东分公司 上海安信农业保险股份有限公司 30 美国友邦保险有限公司江门支公司 苏黎世保险公司北京分公司 31 美国友邦保险有限公司江苏分公司 太保产险上海市宝山支公司 32 美国友邦保险有限公司深圳分公司 太平财产保险有限公司 33 民生人寿保险股份有限公司 太阳联合保险(中国)有限公司 34 平安健康保险股份有限公司 泰山财产保险股份有限公司 35 平安养老保险股份有限公司 天安保险股份有限公司 36 前海人寿保险股份有限公司 天平汽车保险股份有限公司 37 瑞泰人寿保险有限公司 现代财产保险(中国)有限公司 38 生命人寿保险股份有限公司 信达财产保险股份有限公司 39 太平人寿保险有限公司 信利保险（中国）有限公司 40 太平养老保险股份有限公司 阳光农业相互保险公司 41 泰康人寿保险股份有限公司 英大泰和财产保险股份有限公司 42 泰康养老保险股份有限公司 永安财产保险股份有限公司... 43 天安人寿保险股份有限公司 永诚财产保险股份有限公司 44 新光海航人寿保险有限责任公司 长安责任保险股份有限公司 45 新华人寿保险股份有限公司 长江财产保险股份有限公司 46 信诚人寿保险有限公司 浙商财产保险股份有限公司 47 信泰人寿保险股份有限公司 中国出口信用保险公司 48 幸福人寿保险股份有限公司 中国大地财产保险股份有限公司 49 阳光人寿保险股份有限公司 中国平安财产保险股份有限公司 50 英大泰和人寿保险股份有限公司 中国人民财产保险股份有限公司 51 长城人寿保险股份有限公司 中国人寿财产保险股份有限公司 52 长江养老保险股份有限公司 中国太平洋财产保险股份有限公司 53 长生人寿保险有限公司 中航安盟财产保险有限公司 54 招商信诺人寿保险有限公司 中华联合财产保险股份有限公司 55 正德人寿保险股份有限公司 中华联合上海市崇明支公司 56 中德安联人寿保险有限公司 中煤财产保险股份有限公司 57 中法人寿保险有限责任公司 中意财产保险有限公司 58 中国平安人寿保险股份有限公司 中银保险有限公司 59 中国人民健康保险股份有限公司 众诚汽车保险股份有限公司 60 中国人民人寿保险股份有限公司 紫金财产保险股份有限公司 61 中国人寿保险股份有限公司 62 中国人寿养老保险股份有限公司 63 中国太平洋人寿保险股份有限公司 64 中航三星人寿保险有限公司 65 中荷人寿保险有限公司 66 中宏人寿保险有限公司 67 中美联泰大都会人寿保险有限公司 68 中融人寿保险股份有限公司 69 中新大东方人寿保险有限公司 70 中意人寿保险有限公司 71 中邮人寿保险股份有限公司", "question": "中国目前有哪些全国性的合法保险公司？？？", "number": 76}
{"answer": "从中国保险监督管理委员会官网网站查询保险机构得知，目前我国有保险控股公司10家、财产保险公司60家、人寿保险公司71家、再保险公司8家、资产管理公司11家。具体如下：序号 人寿保险公司名称 财产保险公司名称1 安邦人寿保险股份有限公司 爱和谊日生同和财产保险公司2 百年人寿保险股份有限公司 安邦财产保险股份有限公司3 北大方正人寿保险有限公司 安华农业保险股份有限公司4 东方人寿保险股份有限公司 安联财产保险（中国）有限5 复星保德信人寿保险有限公司 安信农业保险股份有限公司6 工银安盛人寿保险有限公司 渤海财产保险股份有限公司7 光大永明人寿保险有限公司 诚泰财产保险股份有限公司8 国华人寿保险股份有限公司 大众保险股份有限公司9 国泰人寿保险有限责任公司 鼎和财产保险股份有限公司10 海尔人寿保险有限公司 东京海上日动火灾保险11 海康人寿保险有限公司 都邦财产保险股份有限公司12 合众人寿保险股份有限公司 丰泰保险（亚洲）有限公司13 和谐健康保险股份有限公司 富邦财产保险有限公司14 恒安标准人寿保险有限公司 国元农业保险股份有限公司15 华汇人寿保险股份有限公司 华安财产保险股份有限公司16 华泰人寿保险股份有限公司 华泰财产保险有限公司17 华夏人寿保险股份有限公司 锦泰财产保险股份有限公司18 汇丰人寿保险有限公司 劳合社保险（中国）有限公司19 嘉禾人寿保险股份有限公司 乐爱金财产保险（中国）有限公司20 建信人寿保险有限公司 利宝保险有限公司21 交银康联人寿保险有限公司 美亚财产保险有限公司22 金盛人寿保险有限公司 民安保险（中国）有限公司23 君龙人寿保险有限公司 丘博保险（中国）有限公司24 昆仑健康保险股份有限公司 人保股份上海市崇明支公司25 利安人寿保险股份有限公司 日本财产保险(中国)有限公 司26 美国友邦保险有限公司北京分公司 日本兴亚财产保险（中国）有限责任公司27 美国友邦保险有限公司东莞支公司 三井住友海上火灾保险公司28 美国友邦保险有限公司佛山支公司 三星财产保险(中国)有限公司29 美国友邦保险有限公司广东分公司 上海安信农业保险股份有限公司30 美国友邦保险有限公司江门支公司 苏黎世保险公司北京分公司31 美国友邦保险有限公司江苏分公司 太保产险上海市宝山支公司32 美国友邦保险有限公司深圳分公司 太平财产保险有限公司33 民生人寿保险股份有限公司 太阳联合保险(中国)有限公司34 平安健康保险股份有限公司 泰山财产保险股份有限公司35 平安养老保险股份有限公司 天安保险股份有限公司36 前海人寿保险股份有限公司 天平汽车保险股份有限公司37 瑞泰人寿保险有限公司 现代财产保险(中国)有限公司38 生命人寿保险股份有限公司 信达财产保险股份有限公司39 太平人寿保险有限公司 信利保险（中国）有限公司40 太平养老保险股份有限公司 阳光农业相互保险公司41 泰康人寿保险股份有限公司 英大泰和财产保险股份有限公司42 泰康养老保险股份有限公司 永安财产保险股份有限公司...43 天安人寿保险股份有限公司 永诚财产保险股份有限公司44 新光海航人寿保险有限责任公司 长安责任保险股份有限公司45 新华人寿保险股份有限公司 长江财产保险股份有限公司46 信诚人寿保险有限公司 浙商财产保险股份有限公司47 信泰人寿保险股份有限公司 中国出口信用保险公司48 幸福人寿保险股份有限公司 中国大地财产保险股份有限公司49 阳光人寿保险股份有限公司 中国平安财产保险股份有限公司50 英大泰和人寿保险股份有限公司 中国人民财产保险股份有限公司51 长城人寿保险股份有限公司 中国人寿财产保险股份有限公司52 长江养老保险股份有限公司 中国太平洋财产保险股份有限公司53 长生人寿保险有限公司 中航安盟财产保险有限公司54 招商信诺人寿保险有限公司 中华联合财产保险股份有限公司55 正德人寿保险股份有限公司 中华联合上海市崇明支公司56 中德安联人寿保险有限公司 中煤财产保险股份有限公司57 中法人寿保险有限责任公司 中意财产保险有限公司58 中国平安人寿保险股份有限公司 中银保险有限公司59 中国人民健康保险股份有限公司 众诚汽车保险股份有限公司60 中国人民人寿保险股份有限公司 紫金财产保险股份有限公司61 中国人寿保险股份有限公司 62 中国人寿养老保险股份有限公司 63 中国太平洋人寿保险股份有限公司 64 中航三星人寿保险有限公司 65 中荷人寿保险有限公司 66 中宏人寿保险有限公司 67 中美联泰大都会人寿保险有限公司 68 中融人寿保险股份有限公司 69 中新大东方人寿保险有限公司 70 中意人寿保险有限公司 71 中邮人寿保险股份有限公司", "question": "国内一共有多少家保险公司?", "number": 77}
{"answer": "中国大地财产保险股份有限公司是国务院同意，中国保险监督管理委员会批准设立的全国性财产保险公司。成立于2003年10月20日的3.813十亿人民币，注册资本，公司总部设在上海。是该公司的唯一再保险的直接保险公司， 国企背景和国际股东结构平台中国再保险（集团）有限责任公司（86.363％）宁波电器电力开发公司（5.770％）大唐国际发电股份有限公司（2.623％）健康元药业集团股份有限公司（1.311％） - 北京联合创新科技发展有限公司有限公司宋（1.311％）的新鸿基地产保险有限公司（0.787％） - 香港亚洲保险有限公司（0.262％，亚洲的合资企业有限公司（1.180％））泰国盘古大众保险股份有限公司（0.262％）印尼中亚保险有限公司（0.131％）", "question": "大地保险待遇怎么样", "number": 78}
{"answer": "中国人民保险集团央企有中国人寿，其他的保险公司也间接的是央企了、中国太平保险集团以及中国再保险，还有就是出口信用保险", "question": "保险公司类央企是哪几家", "number": 79}
{"answer": "93 安邦481839.55 安盟1821.52 阳光农业 161241.21 日本财产 11844.34 国寿财产 534294.84 安华农业 172527.65 国泰财产 392.35 中华联合 1912480.05 太平保险 426080.83 华农14445.67 大地财产 942448.47 美亚84736.15 丘博保险 11152.28 出口信用 350110.11 永诚261392.61 安信农业 41950.29 太保财 2781677.92 国元农业 21749.9 英大财产 1469.88 中煤财产 69；排名数据以2009年4月公开数据为准.93 阳光财产 528893.52 中意财产 2545.具体广东有多少就不知道了、普益财富于2009年6月1日发布的研究报告.97 永安560640.75 天安669774.71 长安责任 36229.29 丰泰10204.18 安诚71526.4 现代财产 5917.75 东京海上 40522.7 大众120478.12 三井住友 29370.68 安联21643.35 中银保险 159671.04 苏黎世 9771.84 都邦389808.39 利宝互助 11450。 公司名称 08年原保险保费收入(万元) 人保股份 10165607.38 渤海146627.87 三星25921.7 鼎和财产 12103.86 爱和谊 1853.53 平安财 2675134.1 华安74949.28 民安94043.76 太阳联合 19239.36 华泰248828.62 天平车险 116006. 2009保险公司排名 2009 年4 月 综合排名 信息透明度 保费收入 万能险业务 投连险业务 保守型账户 稳健型账户 平衡型账户 进取型账户 中国人寿 ★★★★★ 1 10 1 11 1 - 3 1 2 平安人寿 ★★★★★ 2 4 2 2 15 1 13 20 16 泰康人寿 ★★★★★ 3 12 6 6 7 - 18 6 3 华泰人寿 ★★★★★ 4 6 16 21 2 - 14 3 1 生命人寿 ★★★★★ 5 11 10 15 8 - 9 10 7 太平人寿 ★★★★★ 6 22 7 23 5 8 4 21 5 新华人寿 ★★★★★ 7 3 4 7 27 - - - 27 瑞泰人寿 ★★★★★ 8 27 35 4 16 3 15 14 11 中英人寿 ★★★★★ 9 8 11 12 22 7 16 13 21 中意人寿 ★★★★ 10 24 17 3 26 - 17 12 26 合众人寿 ★★★★ 11 25 9 17 10 - 21 2 9 海尔纽约 ★★★★ 12 21 37 25 18 - 6 22 18 国泰人寿 ★★★★ 13 15 38 29 14 - - 8 13 信诚人寿 ★★★★ 14 9 14 26 20 15 8 23 20 友邦保险 ★★★★ 15 16 8 18 23 9 20 19 23 首创安泰 ★★★★ 16 31 34 22 17 12 17 10 广电日生 ★★★★ 17 34 39 30 6 16 - 5 4 海康保险 ★★★★ 18 29 29 - 24 10 - 24 24 中德安联 ★★★ 19 23 23 33 21 4 - 6 22 联泰大都会 ★★★ 20 40 33 28 9 12 7 18 6 太平洋安泰 ★★★ 21 32 30 32 11 11 9 12 中美大都会 ★★★ 22 41 22 - 25 13 5 25 25 金盛保险 ★★★ 23 7 31 - 3 6 1 - 15 恒安标准 ★★★ 24 17 26 - 12 11 10 15 8 光大永明 ★★★ 25 28 28 - 4 5 2 7 14 中宏保险 ★★★ 26 37 24 - 13 14 4 19 人保寿险 ★★★ 27 1 5 5 - - - - - 中航三星 ★★ 28 5 40 1 - - - - - 招商信诺 ★★ 29 45 32 - 19 2 19 11 17 太保寿险 ★★ 30 18 3 9 - - - - - 嘉禾人寿 ★★ 31 13 27 24 - - - - - 华夏人寿 ★★ 32 20 18 27 - - - - - 信泰人寿 ★★ 33 30 36 10 - - - - - 国华人寿 ★★ 34 38 20 14 - - - - - 英大人寿 ★★ 35 43 19 8 - - - - - 正德人寿 ★★ 36 42 21 19 - - - - - 幸福人寿 ★ 37 44 12 13 - - - - - 恒康天安 ★ 38 39 44 - - - - - - 民生人寿 ★ 39 2 15 - - - - - - 阳光人寿 ★ 40 14 13 - - - - - - 中新大东方 ★ 41 19 42 - - - - - - 长城保险 ★ 42 26 25 - - - - - - 中保康联 ★ 43 33 43 - - - - - - 中法人寿 ★ 44 35 41 - - - - - - 君龙人寿 ★ 45 36 45 - - - - - - 数据来源,下面是财产上面是人寿：西南财经大学信托与理财研究所", "question": "中国一共有多少个品牌的保险公司？", "number": 80}
{"answer": "也就是国家拥有它大部分的股份!国寿是国家控股的股份公司国有与股分制并不是对立的啊，所以可以说是国有公司", "question": "中国人寿保险股份有限公司是国有企业还是股份制企业呢?", "number": 81}
{"answer": "适合您个人情况的才是最好的，相对于保险公司的排名、口碑信誉、意外险再根据实际情况选择相应的理财险，具体险种的选择更加重要，一般建议优先投保保障性质的健康险。 国内实力较强进入世界五百强企业的保险公司主要有、中国人民保险集团公司。 希望对您有所帮助以上回答你满意么：中国人寿保险（集团）公司、职业类别、泰康人寿保险股份有限公司 、中国平安保险（集团）股份有限公司、中国太平洋保险（集团）股份有限公司、新华人寿保险股份有限公司。 对于投保商业保险、养老险更加贴合个人的需要。对于成年人来说，明确个人需求，建议在选择商业保险时可以根据具体的年龄、保额和缴费情况进行筛选 你好、资产实力，对于个人投保来说", "question": "中国好的保险公司有哪些？哪家保险公司好？", "number": 82}
{"answer": "按照2010年1－11月保险公司（人身险）原保险保费收入排行榜1 中国人寿保险股份有限公司 31204629.90 2 中国平安人寿保险股份有限公司 14755838.28 3 新华人寿保险股份有限公司 8820785.31 4 中国太平洋人寿保险股份有限公司 8618642.80 5 泰康人寿保险股份有限公司 8172622.66 6 中国人民人寿保险股份有限公司 7731567.47 7 太平人寿保险有限公司 3061078.64 8 阳光人寿保险股份有限公司 1407750.66 9 生命人寿保险股份有限公司 1391630.67 10 中国人民健康保险股份有限公司 882340.98 11 民生人寿保险股份有限公司 755896.16 12 合众人寿保险股份有限公司 692631.60 13 华泰人寿保险股份有限公司 578645.15 14 中意人寿保险有限公司 571400.16 15 幸福人寿保险股份有限公司 528046.44 16 信诚人寿保险有限公司 495435.25 17 正德人寿保险股份有限公司 490337.83 18 平安养老保险股份有限公司 465474.27 19 中英人寿保险有限公司 454636.82 20 光大永明人寿保险有限公司 447325.27 更多信息(含各公司官方网站信息) 请参考: 2010年1－11月保险公司原保险保费收入排行榜: 2010年1－11月保险公司（财产险）原保险保费收入排行榜: ", "question": "中国到底有多少保险公司？排名怎样？", "number": 83}
{"answer": "
现在是独立的保险公司。
中国人民保险公司（中国人民人寿保险公司）
是唯一的国有保险公司。
中国人寿保险公司是独立的商业保险公司。
后来中国人民保险公司发现寿险有着极大的市场，
于是重新设立了寿险子公司——中国人民人寿保险公司中国人寿保险是从中国人民保险公司分离出去的", "question": "中国人寿保险和中国人民人寿保险公司有什么不同？", "number": 84}
{"answer": "你是要卖保险，还是要买保险，得看你所在城市得保险情况", "question": "现在哪家保险公司最好？求推荐", "number": 85}
{"answer": "现在国内大一些的哗功糕嘉蕹黄革萎宫联保险公司，就是国寿、新华、平安这些吧，建议你最好选大公司的产品，肯定是更有保障的。我自己买的是新华的产品，叫祥瑞一生，我觉得保障很全面，包括身价、意外、健康、养老等多重保障呢，大病能保35种，关键是保费低保障高啊。", "question": "求推荐有实力的保险公司？", "number": 86}
{"answer": "1996年，中国人民银行（当时还没有保监会，金融行业由央行统管）要求产险、寿险分业经营，于是中国人民保险公司分割为产险和寿险两个公司，其中寿险公司全称为中国人寿保险股份有限公司，简称中国人寿2002年，中国人民保险公司第二次拆分，拆分为人保集团下属的三家公司，分别为：经营财产险的：中国人民财产保险股份有限公司，简称人保财险；经营短期人身险的：中国人民健康保险股份有限公司，简称人保健康；经营人寿保险的：中国人民人寿保险股份有限公司，简称人保寿险。所以你说的是两家公司，一家是“中国人寿”，一家是“人保寿险”，前身都是1951年成立的中国人民保险公司，都是老牌国有企业，也都比较有实力", "question": "中国人寿保险和中国人民人寿保险是同家公司吗", "number": 87}
{"answer": "给老人买的话,补充社会保险,商业保险方面买一张100元的意外卡即可 满意请采纳", "question": "哪家保险公司信誉好啊?", "number": 88}
{"answer": "com/p/3851919003" target="_blank">http。判断保险公司的实际情况，是需要根据保险公司的保险产品.baidu。这里不知道您的具体情况，建议您还是到保险公司或者保险网络平台进行具体的了解、服务等方面的综合情况进行全面判断的！目前随着交流的进步://tieba://tieba您好，您可以看看最新的十大保险公司排名及根据（", "question": "保险公司排名？中国哪家保险公司 比较好呢？？", "number": 89}
{"answer": "五险：指的是五种保险，包括养老保险、医疗保险、失业保险、工伤保险和生育保险。其中养老保险、医疗保险和失业保险，这三种险是由企业和个人共同缴纳的保费，工伤保险和生育保险完全是由企业承担的。个人不需要缴纳。五险是法定的，是国家强制必须缴纳的，任何企事业单位都不得以任何理由拒绝缴纳。", "question": "目前国家有哪些强制保险是企业必须为员工办的?", "number": 90}
{"answer": "2015年十大保险公司排名：1、中国人寿：中国人寿保险(集团)公司及其子公司构成了我国最大的商业保险集团，是中国资本市场最大的机构投资者之一。2、中国平安：中国平安全称中国平安保险(集团)股份有限公司，是一家在香港交易所上市的金融公司。是于1988年诞生于深圳蛇口，是中国第一家股份制保险企业，至今已发展成为融保险、银行、投资等金融业务为一体的整合、紧密、多元的综合金融服务集团。3、太平洋保险：中国太平洋保险，又称太平洋保险，简称中国太保或太保，前身是中国太平洋保险公司，成立于1991年5月13日，是经中国人民银行批准设立的全国性股份制商业保险公司。4、中国人保PICC：中国人民保险集团股份有限公司(简称中国人保)是一家综合性保险(金融)公司，注册资本为306亿元人民币。5、新华保险：新华人寿保险股份有限公司(简称“新华保险”)成立于1996年9月，总部位于北京市，是一家大型寿险企业。6、泰康保险：泰康人寿保险股份有限公司系1996年8月22日经中国人民银行总行批准成立的全国性、股份制人寿保险公司，公司总部设在北京。7、友邦保险：美国友邦保险有限公司(简称“友邦保险 ”或“AIA”)以香港为总部，是美国国际集团的全资附属公司，于1931年成立，已服务亚洲地区的广大客户70多年之久。8、中国太平：中国太平人寿历史悠久，1929年始创于上海，1956年移师海外专营寿险业务，曾是中国近现代史上实力最强、规模最大、市场份额最多的民族保险企业之一，也是现今中国保险市场上经营时间最长和品牌历史最悠久的中资寿险公司之一。9、阳光保险：阳光保险集团股份有限公司是国内七大保险集团之一、中国500强企业。10、生命人寿：生命人寿保险股份有限公司是一家国际化股份制专业寿险公司，经保监会批准，2001年12月28日在上海成立。", "question": "中国保险公司排名", "number": 91}
{"answer": "在2014年1月份寿险公司保费排名中，排名前十名的保险公司中，呈正增珐钉粹固诔改达爽惮鲸长的公司是有两家的，即平安和太平。2013年1月原保费收入排名按照名次排序为：国寿股份、平安寿、新华、太保寿、泰康、人保寿险、太平人寿、生命人寿、中邮人寿、阳光人寿、民生人寿、合众人寿、人保健康、工银安盛、国寿存续、友邦、农银人寿、建信人寿、百年人寿、平安养老、华夏人寿、幸福人寿、中意、华泰人寿、中融人寿、光大永明、长城、信诚、中美联泰、中英人寿、国华、招商信诺、海康人寿、信泰、利安人寿、中宏人寿、太平养老、中荷人寿、中德安联、天安人寿、恒安标准、安邦人寿、昆仑健康、东吴人寿、英大人寿、新光海航、北大方正人寿、交银康联、国泰人寿、中航三星、前海人寿、中新大东方、长生人寿、君龙人寿、平安健康、汇丰人寿、华汇人寿、瑞泰人寿、正德人寿、吉祥人寿、中韩人寿、和谐健康、中法人寿、珠江人寿、复星保德信、弘康人寿。其中，工银安盛、友邦、中意、华泰人寿、信诚、中美联泰、中英人寿、招商信诺、海康人寿、中宏人寿、中荷人寿、中德安联、恒安标准、新光海航、北大方正人寿、交银康联、国泰人寿、中航三星、中新大东方、长生人寿、君龙人寿、平安健康、汇丰人寿、瑞泰人寿、中韩人寿、中法人寿、复星保德信属于外资公司。根据2013年保险公司的主打产品比较，按照星级排名顺序，依次为：平安人寿、合众人寿、新华人寿、太平洋人寿、太平人寿、阳光人寿、中国人寿、泰康人寿、人保寿险、中邮人寿。~如果你认可我的回答，请及时点击【采纳为满意回答】按钮~~手机提问的朋友在客户端右上角评价点【满意】即可。~你的采纳是我前进的动力~~O(∩_∩)O，互相帮助，祝身体健康，学习/工作顺利，生活愉快！", "question": "中国总共有多少家保险公司啊，能发排名最好，谢谢！", "number": 92}
{"answer": "中国人民财产保险股份有限公司（PICC P&C，简称“中国人保财险”，下同）是经国务院同意、中国保监会批准，于2003年7月由中国人民保险集团公司发起设立的、目前中国内地最大的非寿险公司，注册资本111.418亿元。其前身是1949年10月20日经中国人民银行报政务院财经委员会批准成立的中国人民保险公司。是国营企业.中国太平洋保险（集团）股份有限公司（以下简称“中国太平洋保险”）是在1991年5月13日成立的中国太平洋保险公司的基础上组建而成的保险集团公司，总部设在上海， 2007年12月25日在上海证交所成功上市，2009年12月23日在香港联交所成功上市。 中国太平洋保险以“做一家负责任的保险公司”为使命，以“诚信天下，稳健一生，追求卓越”为企业核心价值观，以“推动和实现可持续的价值增长”为经营理念，不断为客户、股东、员工、社会和利益相关者创造价值，为社会和谐做出贡献。", "question": "中国人民财产保险股份有限公司是什么性质？", "number": 93}
{"answer": "体还真不知道，几年前就40多家了，这几年保险公司成立的非常快，现在更多了", "question": "目前为止我国一共有多少家保险公司（包括集团）", "number": 94}
{"answer": "在实行的外包制，是所有用工制度中最不得人心，，。，对 员工剥削最大的，没有其他的福利。没有社保，外勤员工是不受劳动法压束的，", "question": "中国人寿保险股份有限公司属于哪种用人单位??????", "number": 95}
{"answer": "具体情况你可以拨打保险公司的客服电话确认查询", "question": "截止到2015年底,中国已有财产保险公司多少家", "number": 96}
{"answer": "中国人寿、中国人保、中国太平保险集团和中国出口信用保险公司正式升格为副部级单位", "question": "哪些保险公司是央企", "number": 97}
{"answer": "也就是说经营人寿保险的不得经营财险。 不知道这些是不是您想要的答案，因为法律规定财险是可以破产的，别的当然也有像楼上所说的那样大大小小有100多家，的确这三家保险公司是最值得说的也是我国保险业的前三名、中国平安、新华人寿，它们是独立经营的楼上说得很好。 保险范围可以分为人寿保险和财险，中国人寿，而人寿是除分立合并外不得解散", "question": "在中国有哪些保险机构？", "number": 98}
{"answer": "第一名 中国人寿保险股份有限公司 在国内寿险公司的排名中，中国人寿在市场分额和利润两方面排名第一，赔款准备金充足率上排名第一，流动性和稳定性上分别排名第4和第7。鉴于此，虽然该公司的资本能力方面比其他保险公司略低一筹，但是从综合能力来看仍位居首位。第二名 中国平安人寿保险股份有限公司 平安人寿总体竞争力排名为第二位，主要因为其在市场规模上排名第2位，盈利能力排在第3位，资产流动性也很靠前，排在第5位。其他指标上，其资本能力比较靠近行业平均水平，排名第10位，赔款准备金充足率和经营稳定性则相对靠后，都在第15位。由于其净资产增长率太低，以至于公司稳定性相对较低。 第三名 中国太平洋人寿保险公司 太平洋人寿的市场总体竞争力排名第三。这主要得益于其较强的资产流动性（第1名）、市（第3名）和较高的盈利能力（第5名）。但是该公司在其他指标上的表现则略逊一筹。 其中，资本排在第12名，赔款准备金充足率排在第13名，特别是经营稳定性，在我们所统计的25家寿险公司中排到第24名。同时，由于净资产增长率太低，导致其总体稳定性相对较低。", "question": "中国排名前三的保险公司是那三个", "number": 99}
{"answer": " 主要看理赔的服务态度、速度，特色。中国人保、中国平安、中国人寿和中国太平洋等几家大保险公司都做得不错。 1、中国人民保险公司（简称中国人保）于1949年10月20日经中华人民共和国政务院批准在北京西郊民巷108号挂牌成立。作为新中国保险事业的缔造者和开拓者，中国人保在60多年的改革发展征程中，始终秉承“人民保险、服务人民”的使命，积极履行企业社会责任，为服务经济社会发展和保障国计民生，提供了全方位、高质量的保险保障和服务，铸就了新中国民族保险业的辉煌。 2、中国平安保险（集团）股份有限公司（简称“中国平安”，“公司”，“集团”）于1988年诞生于深圳蛇口，是中国第一家股份制保险企业，至今已发展成为融保险、银行、投资三大主营业务为一体、传统金融与非传统金融并行发展的个人综合金融服务集团之一。公司为香港联合交易所主板及上海证券交易所两地上市公司，股票代码分别为2318和601318。 3、中国人寿保险（集团）公司及其子公司构成了我国最大的商业保险集团，是中国资本市场最大的机构投资者之一。中国人寿保险（集团）公司已连续11年入选《财富》全球500强企业，排名由2003年的290位跃升为2013年的111位；连续7年入选世界品牌500强，2013年位列第237位；所属寿险股份公司继2003年12月在纽约、香港两地同步上市之后，又于2007年1月回归境内A股市场，成为内地资本市场“保险第一股”和全球第一家在纽约、香港和上海三地上市的保险公司，目前已成为全球市值最大的上市寿险公司。 4、中国太平洋保险（集团）股份有限公司（简称“中国太平洋保险”）是在1991年5月13日成立的中国太平洋保险公司的基础上组建而成的保险集团公司，总部设在上海。公司旗下拥有寿险、产险、资产管理、养老保险和在线服务等专业子公司，建立了覆盖全国的营销网络和多元化服务平台，为全国近8000万客户提供全方位风险保障解决方案、投资理财和资产管理服务。", "question": "如何选择保险公司？ 哪家保险公司好一些？", "number": 100}
{"answer": "中国平安，中国人寿，太平洋保险，2015年排名前3名的公司。中国平安保险（集团）股份有限公司（以下简称“中国平安”，“公司”，“集团”）于1988年诞生于深圳蛇口，是中国第一家股份制保险企业，至今已发展成为融保险、银行、投资三大主营业务为一体、核心金融与互联网金融业务并行发展的个人金融生活服务集团之一。公司为香港联合交易所主板及上海证券交易所两地上市公司，股票代码分别为2318和601318。中国平安在2014年《福布斯》“全球上市公司2000强”中名列第62位；美国《财富》杂志“全球领先企业500强”名列第128位，并蝉联中国内地非国有企业第一；除此之外，在英国WPP集团旗下Millward Brown公布的“全球品牌100强”中，名列第77位，在全球保险品牌中排名第一；在全球最大的品牌咨询公司Interbrand发布的最佳中国品牌排行榜”中，名列第六位，成为中国保险业第一品牌。中国人寿保险（集团）公司及其子公司构成了我国最大的商业保险集团，是中国资本市场最大的机构投资者之一。2014年，营业收入5375.83亿元，总保费收入达到4,069.34亿元，境内寿险业务市场份额为27.02%，总资产达到27,467.95亿元。中国太保是国内领先的综合性保险集团，公司通过覆盖全国的营销网络和多元化服务平台，为全国约9,000万客户提供全方位风险保障解决方案、投资理财和资产管理服务。中国太保坚持“专注保险主业，价值持续增长”的发展战略，同时推动“以客户需求为导向”的转型发展，在本报告期，公司价值持续增长，财务结果表现良好。上半年主要受益于投资收益的大幅增加，集团实现净利润（注1）112.95亿元，同比增长64.9%；每股收益（注1）1.25元，同比增长64.9%；加权平均净资产收益率（注1）9.1%，同比提升2.5个百分点。太保寿险上半年实现新业务价值72.27亿元，同比增长38.2%。太保产险承保扭亏为盈，综合成本率为99.5%。集团内含价值1,938.66亿元，较上年末增长13.2%；集团有效业务价值（注2）841.52亿元，较上年末增长13.6%。", "question": "哪家保险公司好？实力雄厚一点？", "number": 101}
{"answer": "如果你要选择的话，要真正成为我们的钱还不知道那是是净赚还是净亏呢，保险公司的分红概念和股票的分红是有着很大区别的！你说呢，都还是虚的，他都按照你的保额来给你计算分红，最主要是需要看看你们的来了利益需求。这样乍听来看，我的承诺，因为保险说白了还是一个保障？您的平安。但是他们在宣导时会向你们提出一个所谓的英式分红和美式分红的概念。你说呢，保障才是最为重要的，这都是保险公司的一个营销手段，来降低您和他人在投保时能够抵御保险资产在通货膨胀时发生贬值的风险！新华的这个产品还真得不错，经营稳健的保险公司，这样更能够实现的目的！”可是不知道你有没有注意听说这些钱是不能现在领取的？也就是说这些钱只不过是账面价值，我也很诧异，“哇塞，就像我们炒股所说的浮亏和浮赢一样。其实我不太建议你们投保过于关注这个分红问题，分红最大的目的是希望通过分红，就选择一家综合实力强，没有想到新华人寿一个多事的公司还能有那么高的收益率，回归本源。并且一再强调他们的分红是英式分红的保额分红无论是你所交的年限是多长？其实无论是那种分红方式他给你办的红双喜C款我有了解过，他们所说的80%看了我也很吃惊", "question": "新华保险公司实力如何", "number": 102}
{"answer": "小公司做起来相对难一点，缴纳5险一金；有固定底薪，15年国家规定保险行业实行员工制，大专以上学历，同时佣金比例也增长10%到15%总的来说前景一片大好，太平洋，选择保险就要选择大公司十八大以后国家提出大力支持商业保险，平安，一线城市已经开始实行，不过国家同时提高了保险行业的门槛，而且淘汰率高达65%，二三线城市15年实行，人寿", "question": "现在做保险怎么样，哪家保险公司好？", "number": 103}
{"answer": "养老险更加贴合个人的需要、职业类别、口碑信誉。 对于投保商业保险、中国平安保险（集团）股份有限公司，一般建议优先投保保障性质的健康险，明确个人需求、中国太平洋保险（集团）股份有限公司、中国人民保险集团公司，具体险种的选择更加重要 你好，适合您个人情况的才是最好的。 国内实力较强进入世界五百强企业的保险公司主要有：中国人寿保险（集团）公司、新华人寿保险股份有限公司、意外险再根据实际情况选择相应的理财险。对于成年人来说，相对于保险公司的排名，建议在选择商业保险时可以根据具体的年龄、保额和缴费情况进行筛选、资产实力、泰康人寿保险股份有限公司 ，对于个人投保来说", "question": "国内有哪些排名比较好的保险公司呢？", "number": 104}
{"answer": "还被评为世界500强企业中利润增长最快的企业，效益最好的保险公司，实力最强。今年的排名为159位。连续五年入选《财富》杂志评选的世界五百强肯定是中国人寿撒全亚洲规模最大", "question": "哪个保险公司实力最强", "number": 105}
{"answer": "保险行业在中国发展的几十年间，从最初的一家保险公司到如今300多家保险公司，取得了突飞猛进的成绩，同时保费也在高速增长。各个保险公司不论是在规模上，还是在保费收入等方面都存在着巨大差异，结合用户最关心的因素，保临会对各大保险公司进行了评估。在进入前十名的中国保险公司中，十大保险公司排名前三名——中国人寿、平安、人保——不仅在中国被列为前三，而且他们也跻身亚洲前150家保险公司的前十名。中国保险公司在亚洲的强大竞争力。另外，中小保险公司的力量也不可忽略，其保费收入取得较快增长，同时在追赶大牌保险公司的过程中，不断推出自己的特色产品，逐步扩大了自己的影响力。十大人寿保险公司：1、中国人寿 2、平安人寿 3、新华人寿 4、太平洋人寿 5、泰康人寿 6、人保寿险 7、太平人寿 8、生命人寿 9、阳光人寿 10、人保健康", "question": "保险公司前十强有哪几家？", "number": 106}
{"answer": "应该是从1999年，当时有社会保险征缴暂行条例之后劳动法和劳动合法俯饥碘渴鄢韭碉血冬摩同法等强化了去年社保法生效再往前就不太清楚了我个人的看法目前五险都强制缴纳", "question": "请问国家是从什么时候开始强制要求企业为员工缴纳保险的？强制缴纳的都有哪几种险？", "number": 107}
{"answer": "您好！前100名太多了，一般排名以前10名比较多。国内的保险公司其实相差不大，大部分的保险公司都是差不多的。一般在选择保险的时候重点可以放在具体的产品上！具体的保险公司排名您可以参考一下保险公司前十强：希望我的回答对您有帮助！如果您还有其他的问题可以继续和我联系！", "question": "保险公司排名榜2015前100名国内", "number": 108}
{"answer": "比上年同期增加125，4月26日在中国保监会召开的一季度新闻发布会上.47亿元，介绍今年一季度我国保险业发展的总体状况时谈到，同比增长8，截至到今年一季度保监会主席助理、新闻发言人袁力、保险公司93家，全国共有保险集团公司6家.48% 。全国共实现保费收入1601.16亿元，保险资产管理公司5家", "question": "中国目前保险公司一共有多少家", "number": 109}
{"answer": "2016福布斯保险榜：中国平安全球第一！中国人寿全球第六！", "question": "2015年保险公司排名", "number": 110}
{"answer": "您好，中国人寿是个大型的国有股份制保险公司，不过不属于公务员编制。", "question": "公务员招聘，中国人寿保险股份有限公司属于国有单位吗？", "number": 111}
{"answer": "中保财险，太平洋财险，中华联合，等", "question": "截止到2015年承保车险业务的保险公司有哪几家?", "number": 112}
{"answer": "保险公司嘛，肯定有人满意有人不满意的", "question": "中国人民财产保险股份有限公司是什么东西", "number": 113}
{"answer": "2016福布斯保险榜：中国平安全球第一！中国人寿全球第六！", "question": "2015年保险公司排名", "number": 114}
{"answer": "安全程度相同，因此特别建议你要遵循“明确需求——>不要在意于怎样选择保险公司，就是为什么要买保险！首先，所谓保险需求。所有关键就是要买对险种，无论是费率还是保险内容上有大同也有小不同，这险种效率也越高，这就是合理的险种选择，进行轻重缓急的取舍，实际你的所有需求不一定都能得到满足，基本会有比较合理的结果，国内保险公司规模上是有大有小，明确需求;初步选择——>，通俗说就是买的合算，这种吻合度越高，或是希望达到什么愿望。前提明确后；都以具体保单条款为合同原则！最简单有效就直接找几家当地不同公司的代理人，看哪个险种或是组合能最有效满足自己的需求。如此过程下来，进行比较和选择，但是大家都是统一的国家监管，实际没有可操作性？也许要求和期望很多，目的就是大方向上遵循保险功能。我们知道一份合适保险的依据在于这款险种的保险利益是否是最有效最直接针对客户的需求（买保险的目的），优秀的保险代理人是要综合考虑，不存在哪个理赔好哪个不好理赔的问题;有效选择”的科学流程，也可以网上通过第三方保险中间网站的保险招标平台，想解决什么问题;洽谈求证——>，不存在险种好坏或是特别优势；然后就是说明自己大概的经济能力或是大致保费预算，根据设定的规范流程，通过合理的险种组合来最有效的实现你的保险需求，实施开放式方案征集和比较操作，那就是你要的，没有关系，直接在线匿名征集不同保险公司为你量身定制的具体保险方案；大家都是统一的险种设计背景参数，方向明确是正确买保险的第一步，如果担心可能的骚扰或纠缠，但是最好心中给其排个次序，小方向上满足不同客户的细节需求", "question": "哪家保险公司比较好？怎样比较呢？", "number": 115}
{"answer": "平安保险3.阳光保险9.太平洋保险6.太平人寿8.人保寿险7.新华保险4中资保险公司1.中国人寿2.生命人寿10.泰康人寿5", "question": "中国保险公司排名前十名是那几个，谢谢？", "number": 116}
{"answer": "太平洋。希望能帮到你、新华！国内较大的保险公司很挺多的。其实买保险的话，这样才能买到适合自己的保险、泰康等，最主要是保险代理人是否专业和不忽悠，比如平安，保险公司是其次、太平、国寿你好", "question": "国内保险公司排名哪家好？", "number": 117}
{"answer": "这里建议你还是结合个人实际年龄您好，一些大的保险公司实力都比较强，身体健康状况.cn/R7fMper" target="_blank">http，性别等情况到保险公司对比选择，更重要的是买到适合的保险://t，这里给你提供一个保险怎么买的参考链接：", "question": "在中国，哪家保险公司实力最强，在哪家买保险最好", "number": 118}
{"answer": "现在人们大多数不认可", "question": "保险行业是以后的趋势吗？现在去做保险怎么样？", "number": 119}
{"answer": "你这个问题问的有点广，只能这样给你回答，分为三种第一种、以中国人寿，中国人保，新华保险，太平保险这四个央企为代表的，应该算是属于国有的，不过因为他们有的上市，一部分股权是在基金和个人手里面第二种，以农银人寿、建信人寿，英大人寿等银行控股、央企控股的保险公司，但只能算是控股，不能算是国家所有第三种，平安保险，太保等公司，有国资委的影子，但是不控股，就是股份制保险公司", "question": "请问中国有哪些保险公司是国家的？", "number": 120}
{"answer": "我本人就买了好几份新华保险，所以业务发展的也很好，因为他们的险种好新华保险公司是一个年轻的保险公司，我想他们会成功的，如果他们继续推出好险种", "question": "新华保险公司的评价如何？", "number": 121}
{"answer": "您只要相信自己，客户最有权评价保险公司，哪一个风险离我们更近，您觉得自己的寿命与保险公司的寿命哪一个可能会更长，您的保障利益都不会因为保险公司的破产而受到损失，我们应该相信谁，保险公司都要比您个人的承受能力强。从客观上讲，所以有再保险公司。对吗。但是。在实际经营中。您看到了保险公司经营中的风险？人生的风险与保险公司经营中的风险相比，并不是讲某一个客户的评价就能够决定的。您相信哪一家公司？那么，您确信您能够活到什么时候？ 2 1，保险公司的实力谁说了算？您的依据是什么。从情感上讲，注册资本金是重要的参考依据，您还有什么更好的方式为自己准备养老金。您担心的也正是这一点。在任何风险的赔付能力上，分出其经营风险？除了保险公司？没有不存在风险的保险公司，就应该相信保险公司。另外； 3，保险公司也会想尽办法降低自己的风险，每一个代理人都会说自己代理的保险公司最好，完全在于您自己的感觉。要听口碑如何。无论您选择哪一家公司，每年的保费收入和经营业绩也是最重要的参考。 4，风险无处不在", "question": "哪家保险公司最可靠？", "number": 122}
{"answer": "社保五险一金是国家法律强制规定，但各个地方实施方面有出入，有的只缴纳养老，有的只缴很旦掸测赶爻非诧石超将少的工伤，有的只缴医疗等。", "question": "我国是什么时候强制企业缴纳社会保险的?", "number": 123}
{"answer": "com/p/3953947875买保险需要结合被保险人的实际情况综合分析：", "question": "进中国二十强的保险公司名单有哪些", "number": 124}
{"answer": "中国平安保险第六名.新华人寿 第四名.中国人保 第五名.中国人寿 第二名.太平人寿 第八名第一名.泰康保险 第九名.华泰人寿 第七名.太平洋保险 第三名.出口保险 第十名", "question": "2015世界保险公司排名榜2014", "number": 125}
{"answer": "人保财险是属于人保集团的一个子公司，而且即便在市场竞争激烈的今天。四大银行都比不上，证券，中国人寿，人保健康险，是国有企业，甚至很多省公司一把手都有政府的背景。是一个涵盖了所有金融产品的以保险为主营业务的大型国有金融集团。然后。中国人保.，第一大老板是中央财政部，中国太平。股权10%左右，人保集团下属第一序列有人保财险.第二大老板是国家社保基金，银行等企业，股权88%，人保寿险，人保资产管理等公司。集团高管及集团相关管理者由中央组织部任命，人保投资首先回答你这个问题，另外第二序列可以找到基金.，中国再保险同属保险业四大副部级央企，人保集团的国有血统还是非常纯正的。她有两个老板（即股东）", "question": "中国人民财产保险股份有限公司是国有企业吗", "number": 126}
{"answer": "93 安邦481839.55 安盟1821.52 阳光农业 161241.21 日本财产 11844.34 国寿财产 534294.84 安华农业 172527.65 国泰财产 392.35 中华联合 1912480.05 太平保险 426080.83 华农14445.67 大地财产 942448.47 美亚84736.15 丘博保险 11152.28 出口信用 350110.11 永诚261392.61 安信农业 41950.29 太保财 2781677.92 国元农业 21749.9 英大财产 1469.88 中煤财产 69；排名数据以2009年4月公开数据为准.93 阳光财产 528893.52 中意财产 2545.具体广东有多少就不知道了、普益财富于2009年6月1日发布的研究报告.97 永安560640.75 天安669774.71 长安责任 36229.29 丰泰10204.18 安诚71526.4 现代财产 5917.75 东京海上 40522.7 大众120478.12 三井住友 29370.68 安联21643.35 中银保险 159671.04 苏黎世 9771.84 都邦389808.39 利宝互助 11450。 公司名称 08年原保险保费收入(万元) 人保股份 10165607.38 渤海146627.87 三星25921.7 鼎和财产 12103.86 爱和谊 1853.53 平安财 2675134.1 华安74949.28 民安94043.76 太阳联合 19239.36 华泰248828.62 天平车险 116006. 2009保险公司排名 2009 年4 月 综合排名 信息透明度 保费收入 万能险业务 投连险业务 保守型账户 稳健型账户 平衡型账户 进取型账户 中国人寿 ★★★★★ 1 10 1 11 1 - 3 1 2 平安人寿 ★★★★★ 2 4 2 2 15 1 13 20 16 泰康人寿 ★★★★★ 3 12 6 6 7 - 18 6 3 华泰人寿 ★★★★★ 4 6 16 21 2 - 14 3 1 生命人寿 ★★★★★ 5 11 10 15 8 - 9 10 7 太平人寿 ★★★★★ 6 22 7 23 5 8 4 21 5 新华人寿 ★★★★★ 7 3 4 7 27 - - - 27 瑞泰人寿 ★★★★★ 8 27 35 4 16 3 15 14 11 中英人寿 ★★★★★ 9 8 11 12 22 7 16 13 21 中意人寿 ★★★★ 10 24 17 3 26 - 17 12 26 合众人寿 ★★★★ 11 25 9 17 10 - 21 2 9 海尔纽约 ★★★★ 12 21 37 25 18 - 6 22 18 国泰人寿 ★★★★ 13 15 38 29 14 - - 8 13 信诚人寿 ★★★★ 14 9 14 26 20 15 8 23 20 友邦保险 ★★★★ 15 16 8 18 23 9 20 19 23 首创安泰 ★★★★ 16 31 34 22 17 12 17 10 广电日生 ★★★★ 17 34 39 30 6 16 - 5 4 海康保险 ★★★★ 18 29 29 - 24 10 - 24 24 中德安联 ★★★ 19 23 23 33 21 4 - 6 22 联泰大都会 ★★★ 20 40 33 28 9 12 7 18 6 太平洋安泰 ★★★ 21 32 30 32 11 11 9 12 中美大都会 ★★★ 22 41 22 - 25 13 5 25 25 金盛保险 ★★★ 23 7 31 - 3 6 1 - 15 恒安标准 ★★★ 24 17 26 - 12 11 10 15 8 光大永明 ★★★ 25 28 28 - 4 5 2 7 14 中宏保险 ★★★ 26 37 24 - 13 14 4 19 人保寿险 ★★★ 27 1 5 5 - - - - - 中航三星 ★★ 28 5 40 1 - - - - - 招商信诺 ★★ 29 45 32 - 19 2 19 11 17 太保寿险 ★★ 30 18 3 9 - - - - - 嘉禾人寿 ★★ 31 13 27 24 - - - - - 华夏人寿 ★★ 32 20 18 27 - - - - - 信泰人寿 ★★ 33 30 36 10 - - - - - 国华人寿 ★★ 34 38 20 14 - - - - - 英大人寿 ★★ 35 43 19 8 - - - - - 正德人寿 ★★ 36 42 21 19 - - - - - 幸福人寿 ★ 37 44 12 13 - - - - - 恒康天安 ★ 38 39 44 - - - - - - 民生人寿 ★ 39 2 15 - - - - - - 阳光人寿 ★ 40 14 13 - - - - - - 中新大东方 ★ 41 19 42 - - - - - - 长城保险 ★ 42 26 25 - - - - - - 中保康联 ★ 43 33 43 - - - - - - 中法人寿 ★ 44 35 41 - - - - - - 君龙人寿 ★ 45 36 45 - - - - - - 数据来源,下面是财产上面是人寿：西南财经大学信托与理财研究所", "question": "中国一共有多少个品牌的保险公司？", "number": 127}
{"answer": "不证明治疗的好坏，只是厂家在出厂销售前，管理机构强制或者厂商自愿购买的责任保险，因产品原因引起的消费者损失，一切都由保险公司承担。只能说质量上比较有保障吧，因为所有保险公司在承保这种责任险时，都是进行一些质量合格的检验，市场销售后质量反馈等一些有力调查。", "question": "“本产品由中国人民财产保险股份有限公司承保”这句话代表什么？", "number": 128}
{"answer": "永安，大众，天安，大地，平安，天平，华泰， 我知道的办理汽车保险业务的不全不过也不少，安邦，都邦，渤海（新公司）华夏（新），太平，太平洋，人保，华安，还听说有一个叫东安保险公司的，阳光，中华联合，美亚（外）中银（不可办理交强险）安诚（新公司），永诚大概有400多家保险公司", "question": "我国一共有多少个保险公司？有哪些是可以办理汽车保险业务的？？", "number": 129}
{"answer": "您好！据OK保险网统计，2015年1-7月寿险业务保费收入排名前十的公司（中资）分别为：", "question": "2015年保险公司排名", "number": 130}
{"answer": "如果您是买保险的话.baidu.baidu。希望我的回答对您有帮助.html）！中国保险公司比较出名的像是平安，对于前十名的保险公司、人寿等等.html" target="_blank">http.com/question/1382151121270056860，建议您最好是把重点放在具体的产品上.com/question/1382151121270056860://zhidao，根据产品来选择适合您的保险://zhidao，比较详细您好，您可以参考2015年保险公司排名（", "question": "中国十大保险公司的排名有谁知道？", "number": 131}
{"answer": "这里建议你还是结合个人实际年龄您好，一些大的保险公司实力都比较强，身体健康状况.cn/R7fMper" target="_blank">http，性别等情况到保险公司对比选择，更重要的是买到适合的保险://t，这里给你提供一个保险怎么买的参考链接：", "question": "在中国，哪家保险公司实力最强，在哪家买保险最好", "number": 132}
{"answer": "那么很快就会发展起来，只要你买了他就高兴，而是做保险的人整体素质不高，但一味追求热销产品,已经发展成多元化选择保险作为理财项目对待。你看这个数据很明显的说明了中国人的保险意识是比较底；其实保险品种很多，一旦保险行业有了规范;这句话代表保险从业人员的工作情形一点都没有夸张,所以讲保险是一个骄阳行业，他可能会一句话不说，现在中国人寿正在发展大学生团队，人人都去买，意思是说莫险种热销，要求高素质的人在从事保险行业,随着社会不断发展，而且因人而异！保险行业是骄阳行业，之所以中国的保险行业让人嗤之以鼻,保险呢行是最考验人的一个行业，因为保险是我们以后的一个准备，日本是百分之700，但是一年比一年增加，并不是保险不好，反而会成为负担，做为保险从业人员可能很少会告诉你你不适合买这样的，不但起不到保障功能!不过,人们买保险己经不象过去那样单一买份保障型,朝气勃勃，更希望你能在这样一个大行业中取得成功，而适合买那样的,人民生活水平不断提高。另外。香港是百分之120!中国买了保险的人只有百分30,在保险行业有句名言，赢得掌声~，并不是每个人都适合买同一种保险:[有信心不一定是成功,无信心肯定是失败];我的见解是。虽说保险是承担风险的产物。所以你如果真的选择了保险行业的话:[一年保险三年人]，希望你能认真对待每一个客户,人民的风险意识已大大提高再说说中国的保险行业", "question": "现在保险行业趋势如何", "number": 133}
{"answer": " 每一个行业的产生和发展都有其特定的社会功能需要，有需求就会有供应，包括保险行业在内的所有社会行业都有社会资源合理分配的功能，360行，行行出状元。从这个意义上讲，任何行业包括保险行业都是有前途的，关键是个人的努力和社会发展的需要时代背景。 1929年11月20日，太平保险有限公司 在上海成立，在国内、香港和东南亚地区设立了多家分机构，成为当时我国保险市场上一家实力雄厚的民族保险公司。 1949年10月20日，中国人民保险公司在北京成立，宣告了新中国第一家全国性大型综合国有保险公司的诞生。1956年，太平停办国内业务，专营境外业务。1958年12月，全国财政会议正式决定全面停办国内保险业务。文革开始后，保险行业全面停顿，1979年11月19日，中国人民银行在北京召开了全国保险工作会议，停办20多年的国内保险业务开始复业。中国保险学会成立。保险行业受社会时代背景的影响是显而易见的。 现阶段，精神文明建设的程度与物质文明建设是脱节的，或者说是没有跟上物质文明的建 设人心浮动，社会诚信受到很大的压抑，人的价值观念也发生了微妙地变化，社会普遍缺乏诚信的正能量，这个为保险提供了一定的社会基础和思想基础，为保险业的开展提供了一定程度的动力，同时，保险行业的部分不合理的行为也给保险行业的名誉造成了恶劣的影响，这是个二元化的题目，对于保险从业者来说，现在的时代环境（政治环境）是对保险业有利的，但是社会环境是不利的，需要保险业的自律，实事求是，提升保险信用，确保保险质量，这样才能在保险行业中脱颖而出。 保险是指投保人根据合同约定，向保险人支付保险费， 保险人对于合同约定的可能发生的事故因其发生所造成的财产损失承担赔偿保险金责任。保险通常被用来集中保险费建立保险基金，用于补偿被保险人因自然灾害或意外事故所造成的损失，或对个人因死亡、伤残、疾病或者达到合同约定的年龄期限时，承担给付保险金责任的商业行为。从形式上看表现为互助保险、合作保险、商业保险和社会保险等。 作为保险必须满足以下几个特征： 1、保险是集合多数单位或个人的行为。 保险是具有社会经济互助性质的活动，体现”人人为我，我为人人“的精神，有相同危险的千家万户的投保人缴纳保险费，集中起来，分担某一户的经济损失。 2、保险对约定的灾害事故和约定的事件负责。 保险是承担各种自然灾害和意外事故所致的损失，但保险所保的不是世界上的一切危险，而是有一定的范围，即保险公司中所列明的保险责任，或者合同双方当事人特别约定的危险或者约定的事件。约定的危险范围广泛，包括自然灾害、意外事故和人身的意外事件；约定的事件，主要是对人身保险而言，是指人的生、老、病、死、残等事件。 3、使用科学的计算方法。 通过大数法则就可以比较精确地预测危险，制定出合理的费率。保险费率的高低与危险发生频率、损毁程度相适应。这样就做到公平合理，符合商品经济经营保险业务的基本要求。 4、建立专用基金。 聚集被保险人缴纳的保险费（或储金）构成的专用基金即保险基金，是保险人得以履行赔偿和给付（或返还）义务的基础。 5、保险组织经济补偿或给付。 保险的目的是为了减少不确定性，保障经济生活的安定，保险人是经济补偿和保险金给付的承担者和组织者。 6、保险是一种经济形式。 保险是国民经济中不可缺少的组成部分，体现国民收入分配中一种特殊的分配再分配关系，通过货币（保险基金）的运行来实现其经济补偿和给付的职能。", "question": "现在做保险真的没有前途吗?", "number": 134}
{"answer": "第一名 中国人寿保险股份有限公司 在国内寿险公司的排名中，中国人寿在市场分额和利润两方面排名第一，赔款准备金充足率上排名第一，流动性和稳定性上分别排名第4和第7。鉴于此，虽然该公司的资本能力方面比其他保险公司略低一筹，但是从综合能力来看仍位居首位。第二名 中国平安人寿保险股份有限公司 平安人寿总体竞争力排名为第二位，主要因为其在市场规模上排名第2位，盈利能力排在第3位，资产流动性也很靠前，排在第5位。其他指标上，其资本能力比较靠近行业平均水平，排名第10位，赔款准备金充足率和经营稳定性则相对靠后，都在第15位。由于其净资产增长率太低，以至于公司稳定性相对较低。 第三名 中国太平洋人寿保险公司 太平洋人寿的市场总体竞争力排名第三。这主要得益于其较强的资产流动性（第1名）、市（第3名）和较高的盈利能力（第5名）。但是该公司在其他指标上的表现则略逊一筹。 其中，资本排在第12名，赔款准备金充足率排在第13名，特别是经营稳定性，在我们所统计的25家寿险公司中排到第24名。同时，由于净资产增长率太低，导致其总体稳定性相对较低。", "question": "中国排名前三的保险公司是那三个", "number": 135}
{"answer": "不是对于所有的保险业务都愿意承保和最有性价比的报价。保险市场中，只有完美的产品组合。", "question": "哪家保险公司的产品好？", "number": 136}
{"answer": " 保险集团控股公司8个：
1、中国人民保险集团股份有限公司
2、中国人寿保险（集团）公司
3、中国再保险（集团）股份有限公司
4、中国太平洋保险（集团）股份有限公司
5、中国平安保险（集团）股份有限公司
6、中国太平保险集团公司
7、阳光保险集团股份有限公司
8、中华联合保险控股股份有限公司
财产保险公司 58家：中资财产保险公司37家；外资财产保险公司21家
中资财产保险公司37家：
1、中国人民财产保险股份有限公司
2、中国大地财产保险股份有限公司
3、中国出口信用保险公司
4、中华联合财产保险股份有限公司
5、中国太平洋财产保险股份有限公司
6、中国平安财产保险股份有限公司
7、华泰保险控股股份有限公司
8、天安保险股份有限公司
9、大众保险股份有限公司
10、华安财产保险股份有限公司
11、永安财产保险股份有限公司
12、太平财产保险有限公司
13、民安保险（中国）有限公司
14、安信农业保险股份有限公司
15、永诚财产保险股份有限公司
16、安邦财产保险股份有限公司
17、安华农业保险股份有限公司
18、天平...", "question": "中国目前有多少家保险公司？ 其中寿险和财险各有多少家？", "number": 137}
{"answer": "好、美国国际集团 5、德国安联集团 3://tieba、荷兰国际集团 4.baidu、日本生命保险公司 10、伯克希尔哈撒韦 7、忠利保险公司 6.com/p/3687138209" target="_blank">http、英杰华集团 8、慕尼黑再保险公司 9：1://tieba.baidu、法国安盛公司 2、苏黎世金融服务集团", "question": "1，全球十大保险公司排名？ 2，中国十大保险公司排名？", "number": 138}
{"answer": "在县一级的机构只设立寿险科，称作“少儿未来幸福”，也还没有引入现今的营销机制。自八十年代到九十年代初，只记得有一个。其它的再没有听说了。那个时候的险种可说单一的很！ 哈哈，还是坐等顾客上门或由银行代理销售，典型的商品经济模式，与现在的人保 寿险二十年前的中国人寿还没有自立门户，保单也只是一个人手可握的比户口本还小的红本本，是一个少儿险 养老险合体的险种，别笑我孤陋寡闻就好，人保 财险同属于中国人民保险公司", "question": "中国人寿保险公司二十年前的寿险有哪些？", "number": 139}
{"answer": "大多数保险公司都属于国企，这家也是", "question": "求教，中国人民财产保险股份有限公司是国有控股企业吗？国有控股多少？", "number": 140}
{"answer": "中国人民财产保险股份有限公司（PICC P&C，简称“中国人保财险”，下同）是经国务院同意、中国保监会批准，于2003年7月由中国人民保险集团公司发起设立的、目前中国内地最大的非寿险公司，注册资本111.418亿元。其前身是1949年10月20日经中国人民银行报政务院财经委员会批准成立的中国人民保险公司。是国营企业.中国太平洋保险（集团）股份有限公司（以下简称“中国太平洋保险”）是在1991年5月13日成立的中国太平洋保险公司的基础上组建而成的保险集团公司，总部设在上海， 2007年12月25日在上海证交所成功上市，2009年12月23日在香港联交所成功上市。 中国太平洋保险以“做一家负责任的保险公司”为使命，以“诚信天下，稳健一生，追求卓越”为企业核心价值观，以“推动和实现可持续的价值增长”为经营理念，不断为客户、股东、员工、社会和利益相关者创造价值，为社会和谐做出贡献。", "question": "中国人民财产保险股份有限公司是什么性质？", "number": 141}
{"answer": " 国家强制企业给员工交纳的社会保险养老保险、医疗保险、失业保险、工伤保险和生育保险。 《社会保险费申报缴纳管理规定》要求,用人单位应当自用工之日起30日内为其职工申请办理社会保险登记并申报缴纳社会保险费。未办理社会保险登记的,由社会保险经办机构核定其应当缴纳的社会保险费。 规定中所称社会保险费,是指由用人单位及其职工依法参加社会保险并缴纳的职工基本养老保险费、职工基本医疗保险费、工伤保险费、失业保险费和生育保险费。 规定提出,用人单位应当按月将缴纳社会保险费的明细情况告知职工本人,每年向本单位职工代表大会通报或者在本单位住所的显著位置公布本单位全年社会保险费缴纳情况,接受职工监督。用人单位代职工申报的缴费明细以及变动情况应当经职工本人签字认可,由用人单位留存备查。 针对一些用人单位未按时足额缴纳社会保险费的情况,规定明确,由社会保险经办机构责令其限期缴纳或者补足,并自欠缴之日起按日加收0.5‰的滞纳金;逾期仍不缴纳的,由社会保险行政部门处欠缴数额1倍以上3倍以下的罚款。 “五险”指的是五种保险，包括养老保险、医疗保险、失业保险、工伤保险和生育保险。其中养老保险、医疗保险和失业保险，这三种险是由企业和个人共同缴纳的保费，工伤保险和生育保险完全是由企业承担的。个人不需要缴纳。这里要注意的是“五险”是法定的。 五险为社会保险中的养老保险、医疗保险、工伤保险、失业保险和生育保险。 “五险”方面，单位和个人的承担比例一般是：养老保险单位承担20%，个人承担8%;医疗保险单位承担6%，个人2%;失业保险单位承担2%，个人1%;生育保险1%全由单位承担;工伤保险0.8%也是全由单位承担，职工个人不承担生育和工伤保险。", "question": "国家强制企业给员工交纳的社会保险有哪些?", "number": 142}
{"answer": "如何选择一家靠谱的保险公司？1、国内有四家上市的保险公司（中国太平洋、中国平安、中国人寿、新华）2、四家里面只有三家是综合类保险公司（中国太平洋、中国平安、中国人寿）（注：新华保险公司不能做车险）3、三家里面只有两家是以集团形势上市的（中国太平洋、中国平安）4、两家里面只有一家是国有控股的保险公司（中国太平洋）中国太平洋保险公司", "question": "新华保险到底怎么样？", "number": 143}
{"answer": "目前是四十多家", "question": "中国一共有多少家保险公司（具体有车险业务的有几家）？", "number": 144}
{"answer": "列举一部分，可能不全：
中国人民财产保险股份有限公司
中国大地财产保险股份有限公司
太平保险有限公司
中国出口信用保险公司
中华联合财产保险公司
中国太平洋财产保险股份有限公司
中国平安财产保险股份有限公司
华泰财产保险股份有限公司
天安保险股份有限公司
大众保险股份有限公司
华安财产保险股份有限公司
永安财产保险股份有限公司这些财产险保险公司都有汽车保险的业务", "question": "中国有多少家保险公司做车险业务?", "number": 145}
{"answer": "因为他们也有提成：肥水不流外人田，打出广告条？反过来，他们自然就会给你卖，主要是万能险这一块，相对全球来讲，中国有句俗话，客户好，公司好。回复二。拉来一单给你一单提成。收益不同，，现在意识高些了，投保容易理赔难。把他们的存款变成自称收益高但不能提前取的保单，当然当超过一定年限，定向的！什么东西都事在人为，我们也好？新华保险公司的产品有没有优势呢，这让新华比较有优势，作为同业来说，属于国有，新华在业内主打分红，小马过河的故事，命是天生的，就是在银行大厅里面卖？大家有没有谁是从事这方面职业的，给没几个钱交不起续期保费的普通人鼓吹什么理财产品，相信公司！保险专家解答，因为他们的收入都很高，遍地都是银行。相信行业。再者！告诉客户10天犹豫期，还送保障，但5年之内比如退保，还记忆犹新吧，就是存钱，不能接受？大家对新华保险的印象怎么样啊，说是比固定存款利率高，所以要慎重：保险真的不好卖，股东结构也刚做调整。当然看怎么理解了，更是为了方便存钱，当然和常规的银行储蓄有差异？告诉你，试问您敢卖吗，这样缓解麻烦还不耽误收益。一个产品，运靠自己把握：说新华好的都是新华的人。如果你有恒心做的话。这样的事情，中国储户第一，打着各种旗号推销保险，一定的年限内，说白了，很多保险业务员都在银行卖保险，没有一分钱底薪：回复一，我们谁都耗不起！所以。再说了，因为新华率先开发出保额分红的险种，除非你脸皮很厚：每天在银行里摆摊设点，但是新华的民气不如传统的三大保险公司，所以一定要慎重！回复三。最后祝好运，抓紧解决，你觉得值得去做，而且我觉的现在基本上谁都有亲戚是卖保险的：我已经去面试了新华的银行业务部，卖谁都是卖，没有贬义，一家银行又同时有几个保险公司的业务员，新华也算一个不错的选择，怕他们赚的多了会骂你，就没有了，干嘛不告诉亲朋好后。其实任何保险退保都损失【摘要】随着银保销售渠道的畅通便捷，相对应的，银行好，大家肯定都和熟人买保险，如果这款产品非常不错，如果您自己都不觉得好，会扣初始费用，也希望获得高利息，存钱也是咱中华民族的美德，一般是5年吧？问题补充，还要你拿钱出来打点银行里的人，而且收益也不低，可以考虑保单贷款，真不知道在银行里面能卖多少。给无知的老人兜售长期寿险，不能随意支取，你还倒贴：嗯，什么东西只有自己亲身经理了才最有发言权，而且也不会太累，说新华不好的都是别的保险公司的人？网友咨询，存钱的100个人，是个人都拉，一般来说能坚持过一年的银管员都不会再离职了。新华保险在业内算是中等水平，刚开始的时候最难，据了解，他们的银代主打产品红双喜和金钱柜算是比较不错的险种，相信自己，据我所知现在保险行业狼多肉少，也给自己牢固客户的机会；卖不出去，给他考虑的权利。跟银行柜员把关系搞好。银行保险，一方面的是为了方便取钱，收费不同，柜员很大一部分收入都是来自提成，哪个公司都一样，如果有疑虑，可就损失大了，最关键是你自己要做好困难的准备，总有一部分是一定期限内不用钱，这不就有机会了，真用急了，大数法则就出来了，销售保险竞争大在银行能不能卖得更好呢", "question": "新华保险工作怎么样？", "number": 146}
{"answer": "中资保险公司1.中国人寿2.平安保险3.新华保险4.泰康人寿5.太平洋保险6.人保寿险7.太平人寿8.阳光保险9.生命人寿10.人保健康11.民生人寿12.合众人寿13.幸福人寿14.国华人寿15.正德人寿16.嘉禾人寿17.华夏人寿18.英大人寿19.信泰人寿20.长城人寿21.百年人寿22.昆仑健康外资保险公司1.中意人寿2.华泰保险3.友邦保险4.光大永明5.中英人寿6.信诚人寿7.中美大都会8.招商信诺人寿9.中宏保险10.中德安联11.海康人寿12.联泰大都会13.恒安标准人寿14.中荷人寿15.金盛保险16.瑞泰人寿17.太平洋安泰18.国泰人寿19.交银康联20.中新大东方21.海尔保险22.恒康天安23.中航三星24.中法人寿25.长生人寿26.君龙人寿27.汇丰保险", "question": "全国的保险公司都有哪些？", "number": 147}
{"answer": "……那个东西……一般只能找被承保一方的公司提供……一般网上不会查到的，而且是商业机密。", "question": "产品质量由PICC中国人民保险公司承保内容", "number": 148}
{"answer": "国元农业、平安财险。 报告显示、人保寿险！ 2013年10月21日 您好、信达财险、太平洋人寿。 财产险公司综合竞争力前十名依次为人保财险，中央财经大学“保险公司竞争力评价研究”课题组发布《2013中国人身险公司竞争力评价研究》报告、华泰财险、太平人寿、泰康人寿、新华人寿、阳光财险和太平产险、平安人寿、中邮人寿、生命人寿和平安养老、国寿财险、阳光农业、英大财险，人身险公司综合竞争力前十名依次为国寿股份", "question": "中国十大人寿保险排名", "number": 149}
{"answer": "我觉得要有坚持的决心才成，要不然的话也就是成不了什么大人物了。前途是有的看你怎么去实现了。", "question": "做保险有前途吗", "number": 150}
{"answer": "自己考虑一下吧，你组建的团队就跟你没有任何关系，问对人才能做对事，不过就是有点小瑕疵，收入也很可观，他们产生的业绩也跟你没有关系了，祝你好运，业绩永远跟你有关系，不运作市场，团队是一辈子跟随你的，同样是组建团队，给你一个更好的行业，那就是直销，照样有收入，就是你如果有一天不做了，你不做，但是它就不同，组建起来团队后保险挺好的", "question": "我刚做保险，保险有前途吗？", "number": 151}
{"answer": "太平洋保险不错，理赔快，产品性价比高", "question": "哪家保险公司的产品比较好", "number": 152}
{"answer": "太平洋保险不错，理赔快，产品性价比高", "question": "哪家保险公司的产品好", "number": 153}
{"answer": "保险行业目前已经属于夕阳行业，现在网上也能买到保险保险人员将会大大事业", "question": "保险行业现在的前景怎么样？？", "number": 154}
{"answer": "等等。但总体来说产险都是消费型险种，现在已经是产线的大头了。别的比如运输险分水险非水险，没什么推销的。。保险公司大同小异，当然也能零售。即使是网络的，分很多，附加的是消费型险种。比如那个什么向日葵网。对个人来说保障主要是指寿险，开车的买点自驾险或者意外险，信用险，产线保险对象是物或者责任等非人事物寿险又分主险和附加险，人寿平安太平洋是最大的三家也是最公开经验状况的三家上市公司，那就买点重疾险。具体选哪家看哪家对您来说方便了，看您需要挑选最适合您的，但是还本的，交通意外。，非车险。我不是业务员，营销员要20到30%的提成。。不过可以建议你去在线多看看资料。车险大家都知道3种，意外医疗，找一些非营销性质的保险网站买，比如住院医疗。，最合算，等等，会贵一点，不还本。。产线分车险，保险起见，比如支付宝里的我要理财，不还本的，对长期寿险赔付能力来说有个保障，责任险，但是给保障，喜欢旅游的卖点旅意险。主要还是要看具体条款。比如您比较关心您的医疗状况，一般作为主险的附加条款出现，只保生死人寿或者干脆没有，主险一般是存储类或者分红类大类可以分为寿险和产线简单说寿险保险对象是人", "question": "保险主要有哪些产品？选择哪个保险公司最好？", "number": 155}
{"answer": "劳动法规定企业应为职工缴纳劳动保险，是养老，医疗，失业（这三样个人也需要交费）及工伤，生育五种保险。 第九章 社会保险和福利 第七十条 国家发展社会保险事业，建立社会保险制度，设立社会保险基金，使劳动者在年老、患病、工伤、失业、生育等情况下获得帮助和补偿。 第七十一条 社会保险水平应当与社会经济发展水平和社会承受能力相适应。 第七十二条 社会保险基金按照保险类型确定资金来源，逐步实行社会统筹。用人单位和劳动者必须依法参加社会保险，缴纳社会保险费。 第七十三条 劳动者在下列情形下，依法享受社会保险待遇： （一）退休； （二）患病、负伤； （三）因工伤残或者患职业病； （四）失业； （五）生育。 劳动者死亡后，其遗属依法享受遗属津贴。 劳动者享受社会保险待遇的条件和标准由法律、法规规定。 劳动者享受的社会保险金必须按时足额支付。", "question": "现在国家规定的公司给员工强制缴纳的保险是三险还是五险？", "number": 156}
{"answer": "中国太平和中国人寿央企寿险保险公司只有两家。央企财险保险公司也只有两家:进出口保险和PICC", "question": "中国的这几大保险公司都属于国有控股企业吗？", "number": 157}
{"answer": "首先对您的保险意识表示非常赞赏！人寿保险按类别分为保障型和储蓄型，具体就看您对自己的保险规划是怎样考虑的。", "question": "人寿保险有哪些险种，一年需要交多少", "number": 158}
{"answer": " 保险集团控股公司8个：
1、中国人民保险集团股份有限公司
2、中国人寿保险（集团）公司
3、中国再保险（集团）股份有限公司
4、中国太平洋保险（集团）股份有限公司
5、中国平安保险（集团）股份有限公司
6、中国太平保险集团公司
7、阳光保险集团股份有限公司
8、中华联合保险控股股份有限公司
财产保险公司 58家：中资财产保险公司37家；外资财产保险公司21家
中资财产保险公司37家：
1、中国人民财产保险股份有限公司
2、中国大地财产保险股份有限公司
3、中国出口信用保险公司
4、中华联合财产保险股份有限公司
5、中国太平洋财产保险股份有限公司
6、中国平安财产保险股份有限公司
7、华泰保险控股股份有限公司
8、天安保险股份有限公司
9、大众保险股份有限公司
10、华安财产保险股份有限公司
11、永安财产保险股份有限公司
12、太平财产保险有限公司
13、民安保险（中国）有限公司
14、安信农业保险股份有限公司
15、永诚财产保险股份有限公司
16、安邦财产保险股份有限公司
17、安华农业保险股份有限公司
18、天平...", "question": "中国目前有多少家保险公司？ 其中寿险和财险各有多少家？", "number": 159}
{"answer": "财产保险公司 中资 人保股份 大地财产 出口信用 中华联合 太保财 平安财 华泰 天安 大众 华安 永安 太平保险 民安 安信农业 永诚 安邦 安华农业 天平车险 阳光财产 阳光农业 都邦 渤海 华农 国寿财产 安诚 外资 美亚 东京海上 丰泰 皇家太阳 联邦 三井住友 三星 中银保险 安联 日本财产 利宝互助 安盟 苏黎世 现代财产 人寿保险公司 中资 国寿股份 太保寿 平安寿 新华 泰康 太平人寿 民生人寿 生命人寿 国寿存续 平安养老 合众人寿 华泰人寿 太平养老 平安健康 人保健康 华夏人寿 正德人寿 国民人寿 长城 昆仑健康 瑞福德健康 国寿养老 外资 中宏人寿 太平洋安泰 中德安联 金盛 信诚 中保康联 恒康天安 中意 光大永明 友邦 海尔纽约 首创安泰 中英人寿 海康人寿 招商信诺 广电日生 恒安标准 瑞泰人寿 中美大都会 中法人寿 国泰人寿 联泰大都会 中航三星 人保寿险 中新大东方 中宏人寿 1 新华人寿保险 30.47% 59210 2 中国平安保险公司 28.13% 54650 3 泰康人寿保险公司 11.92% 23172 4 中国人寿保险公司 9.49% 18453 5 美国友邦保险公司 6.47% 12572 6 民生人寿保险公司 4.95% 9635 7 中国太平洋保险公司 4.45% 8647 8 其他 2.69% 5240 9 生命人寿保险公司 0.56% 1105 10 光大永明人寿保险公司 0.29% 564 11 中英人寿保险公司 0.22% 442 12 安联大众人寿保险公司 0.18% 358 13 美国大都会人寿保险公司 0.10% 212 寿险 中国人寿保险股份有限公司 新华人寿保险股份有限公司 中宏人寿保险有限公司 太平人寿保险有限公司 中保康联人寿保险有限公司 民生人寿保险股份有限公司 海尔纽约人寿保险有限公司 海康人寿保险有限公司 中英人寿保险有限公司 首创安泰人寿保险有限公司 中意人寿保险有限公司 生命人寿保旦工测继爻荒诧维超哩险股份有限公司 广电日生人寿保险有限公司 光大永明人寿保险有限公司 中国人寿保险股份有限公司深圳市分公司 中国人寿保险股份有限公司海南省分公司 中国太平洋保险公司海南分公司 中国太平洋人寿保险股份有限公司北京分公司 中国平安人寿保险股份有限公司北京分公司 美国友邦保险公司上海分公司 恒安标准人寿保险有限公司 太平洋安泰人寿保险公司 金盛人寿保险有限公司 东方人寿保险股份有限公司 中美大都会人寿保险有限公司 华夏人寿保险股份有限公司（筹） 中国人寿保险（集团）公司 华泰人寿保险股份有限公司 信诚人寿保险有限公司 产险公司 中国人民财产保险股份有限公司 中国太平洋财产保险股份有限公司 华泰财产保险股份有限公司 华安财产保险股份有限公司 天安保险股份有限公司 中华联合财产保险公司 太平保险有限公司 中国大地财产保险股份有限公司 中国人民保险公司产品开发中心 中国平安财产险南京分公司 中国太平洋财产保险股份有限公司济南分公司 美亚保险公司上海分公司 日本东京海上日动火灾保险株式会社上海分公司 永安财产保险股份有限公司北京分公司 中银保险有限公司 渤海财产保险股份有限公司（筹） 阳光财产保险股份有限公司 永诚财产保险股份有限公司 都邦财产保险股份有限公司 天平汽车保险股份有限公司 安邦财产保险股份有限公司 健康保险公司 昆仑健康保险股份有限公司 中国人民健康保险股份有限公司北京分公司 再保险公司 中国再保险公司 中国财产再保险股份有限公司 综合性保险公司 中国平安保险(集团)股份有限公司 中国太平洋保险(集团)股份有限公司 港澳台保险机构 国泰人寿保险股份有限公司 富邦人寿保险股份有限公司 台湾新光人寿保险股份有限公", "question": "中国现在到底有多少家保险公司？", "number": 160}
{"answer": "标准的国有企业。", "question": "中国人民财产保险股份有限公司的单位性质和单位经济类型是什么？", "number": 161}
{"answer": "目前是四十多家", "question": "中国一共有多少家保险公司（具体有车险业务的有几家）？", "number": 162}
{"answer": "对的，老总曾经犯过错，但已经是历史了，现在已经步入正轨了。我觉得保险利益，如果说合同上没有明确载明，是没有实际意义的，所以你所说的这10万，只是一张空头支票。对于保险公司的分红,是根据每家保险公司的盈利状况而定,可有可无,具有明显的不确定性.购买保险原则是以社保为基础,再加之适当的商业险作为补充比较好一点. 其保险费用的支出一般为年收入的10---20%左右，最好别超过20%，即用10%的资金保全自己100%的资产。 对于我们每个人，应该重考虑医疗健康方面的保险。直接的讲，随着人的年龄增大，身体抵抗力是成反比的，抵制相关风险的能力就相对很弱。 所以，你首先必须考虑医疗保险，不管是商保和社保的均可以，然后才考虑其它的保险产品，这样才有意义。如果健康没有保证，有再多的养老保险金，也是不切实际的。 建议你先购买国家推出的社保（最好有单位出面购买的情况）包括合作医疗保险，然后再考虑商业保险作为补充。在这里，我知道在这个行业，大家有公认的三句话是这么说的“品牌在人寿”“平安的人才”“新华的产品”最后关于投保原则需要注意的是： （一）买保险先买医疗健康，有健康就能保证客户拥有一切 （二）买保险轻言语重合同，人寿保险一般都是终生合同，买好了就能成为终生幸福，否则影响很大。 （三）保险产品需要具备保值增值的功能，现在的生活水平日增月高，必须能够抑制通货膨胀。 （四）买保险先大人后小孩，如果说大人都没有保障，小孩拥有再多的保险，都是没有任何意义的，毕竟是大人在为小孩支付相关费用。", "question": "新华保险怎么样", "number": 163}
{"answer": "中国平安、太平洋保险：工银安盛据我所知中国正规的保险公司有、阳光保险跟新华保险等、中国人寿", "question": "中国正规的保险公司都有哪些？", "number": 164}
{"answer": "保险公司都有严格的审批程序。主要的有七大集团公司，阳光是其中之一", "question": "中国正规的保险公司都有哪些？", "number": 165}
{"answer": "1、 中国人寿：中国人寿是我国最大的保险集团之一，世界500强企业，业务涉及寿险、财险、基金等多个方面，其保费收入和理赔能力都位于我国保险公司之首。 2、 中国平安：中国平安是一家集银行、保险、融资为一体的大型金融集团 保险方面，平安人寿是我国第二大寿险公司。 3、 太平洋保险：世界500强企业，集团业务涉及风险保障解决方案、投资理财和资产管理服务。 4、中国人保PICC：人保是一家综合型保险公司，世界500强企业。公司业务财产保险、人寿保险、健康保险、以及基金等。 5、 新华保险：提供人寿保险、健康保险、人身意外伤害保险及养老保险服务。6.这是排行前几的保险公司。7.重要的的是保险险种适合不适合才是最重要的！8.适合你的就是最好的。", "question": "国内哪家的保险公司最好", "number": 166}
{"answer": "业务能力重要些，面对客户无非是各种异议处理和讲解，如果你产品熟理念沟通好自然迎刃而解", "question": "刚做保险行业一点也不懂，我是新人", "number": 167}
{"answer": "合同的文字条款是保险公司单方制定？”这种强盗逻辑苟延残喘地已成所有保险公司不成文规定，吃亏的是客户，可能80%是要上法院打官司。 2，从合同的性质上讲保险合同是一种非常不公平的合同。 例如。业务员在保险公司只呆一个月的大有人在，呆两年的不到7%，向该保险公司投诉。 目前。 保险公司的业务员超高淘汰率，此时该业务员已离开了公司，我们都还在学习”来为自己开脱，除非你放弃理赔。保险理赔时就更麻烦了，因为，以后你和这家保险公司打官司机率是80%。因此，保险的业务员保守估计80%是在诈骗客户最近看到了网上很多有关保险的文章，一旦打官司，在这80%中能胜诉大概是15%，这里包括有意和无意的：有人事后发现被某保险业务员骗了。十年前是这句话，我来向大家解释一下保险行业的现状，有的文字条款是有多种解读，能获正常理赔是20%，细读之后您将终生受益非浅，因为保险合同文字条款是有多种解读。 1。我们不妨要问一下，保险公司是不会那样干脆理赔，呆五年不到2%。这时连投诉也是“瞎子点灯白费蜡”，是对客户极不负责任行为，你买了一份保险能的到理赔概率是35%，在中国几乎所有的保险公司在出错时有一句统一的口径“现在中国的保险业还没有规范，客户就该为你们缴学费吗，今天还是一字不改：“你们在学习，也就是讲一旦你和保险公司签定保险合同，所以", "question": "做保险销售好吗", "number": 168}
{"answer": "一、国内人寿保险公司排名前十如下：1中国人寿。2中国平安。3太平洋保险。4友邦保险。5新华保险。6泰康保险。7中宏保险。8阳光保险。9华安保险。10大地保险。二、以下为人寿保险相关内容：含义：人寿保险是众多保险品种中最重要的一种，它以人的寿命为保险标的，以生死为保险事故的保险。人寿保险分类：1、定期人寿保险。2、终身人寿保险。3、生存保险。4、生死两全保险。5、养老保险。6、巨灾保障。7、风险保障型人寿保险。8、投资理财型人寿保险。功能：帮助储蓄、寿险可以帮你赢得创业的时间、寿险可以体现生命尊严和价值意义：老年生活的可靠保障、病残时的有力保障、储蓄美德的养成、更多的发展机会和自由、尽保护家庭的责任", "question": "国内人寿保险公司排名前十的是哪些？", "number": 169}
{"answer": " 随着我国保险市场准入机制的不断完善，新市场主体相继产生。不仅不断有新的保险公司进入市场，而且在保险公司的专业化经营和组织形式创新方面取得了新的突破。从趋势看，各种类型的市场经营主体的数量还将进一步增加。 展望未来，保险行业发展前景诱人，其主要动力包括：庞大的人口规模、较快的老龄化趋势与较高的储蓄率；经济持续发展、居民收入不断提高；政策法规大力支持；风险保障意识得到根本性加强；终身福利系统的瓦解；投资环境大大改善。保险行业的发展有很大前景和发展空间。 如果你已考虑清楚打算加入这个行业做销售，有几项注意： 1、如果你刚毕业或者刚进入所在城市，缺乏一定的社会阅历和人脉基础，劝你莫做； 2、如果你性格比较内向，不善言辞，劝你莫做； 3、如果你做事一向缺乏坚持，劝你莫做； 4、别听拉你的人乱许诺，你自己有眼睛、耳朵、嘴巴和脑子。 5、初期你可能会遇到家人的不理解、朋友的疏远、邻里的鄙视，业绩的压力（保险公司绝对不是温情脉脉的地方，做不好一毛钱都没有，甚至落井下石请你滚蛋），收入也不会太好，甚至不如从前。对此你一定要有心理准备。但是只要你能坚持下来，一切都会改观，甚至会主动有人找你买保险； 6、做之前对你想了解的东西先了解清楚，一旦做了就沉下心好好做，别抱着试试看的态度。 如果下定决心做了，我觉得首先确定适合自己的保险行销模式，这是大的方向，至于具体的方法可以慢慢地边学边做，不用急。最好的保险行销模式是区域式行销，即选择一处有比较适合自己的客户群，离家也比较近的固定区域，专心致志地开发。在经过一段时间的拜访收集到大量客户资料后，为所在区域客户建立客户数据库，按客户的特点（与成交相关的因素）和所属更小的区域做数据库营销。贵在坚持和长期维护。至于准客户数量不宜太多，贪多嚼不烂。", "question": "请问当前保险行业怎么样？做保险出路如何？", "number": 170}
{"answer": "等等。但总体来说产险都是消费型险种，现在已经是产线的大头了。别的比如运输险分水险非水险，没什么推销的。。保险公司大同小异，当然也能零售。即使是网络的，分很多，附加的是消费型险种。比如那个什么向日葵网。对个人来说保障主要是指寿险，开车的买点自驾险或者意外险，信用险，产线保险对象是物或者责任等非人事物寿险又分主险和附加险，人寿平安太平洋是最大的三家也是最公开经验状况的三家上市公司，那就买点重疾险。具体选哪家看哪家对您来说方便了，看您需要挑选最适合您的，但是还本的，交通意外。，非车险。我不是业务员，营销员要20到30%的提成。。不过可以建议你去在线多看看资料。车险大家都知道3种，意外医疗，找一些非营销性质的保险网站买，比如住院医疗。，最合算，等等，会贵一点，不还本。。产线分车险，保险起见，比如支付宝里的我要理财，不还本的，对长期寿险赔付能力来说有个保障，责任险，但是给保障，喜欢旅游的卖点旅意险。主要还是要看具体条款。比如您比较关心您的医疗状况，一般作为主险的附加条款出现，只保生死人寿或者干脆没有，主险一般是存储类或者分红类大类可以分为寿险和产线简单说寿险保险对象是人", "question": "保险主要有哪些产品？选择哪个保险公司最好？", "number": 171}
{"answer": "很多中国人都会存在误区？大学白念了。你说不好做！就我而言，他也有过三到六千的收入，但是一旦说起，我把我。就业我能告诉你，我不是这一类人，保险这个行业是否好做的，不是太好做，知识的浅薄！很难去定义，名声非常搞。说保险就像传销的那些人。1，朋友都说，基本有三种，就是保险行业，大学毕业出来就干保险，可以很自豪的告诉他们，那纯粹是对法律和社会的肤浅、大学毕业以後，才去做的，我就不说了！当别人问起，是没有钱，没有甚麼前景，因为家庭有关系，目前看状况，第三个月【500元】第四个月【900多元】现在是第五个月，第二个月六千多、我现在选择的！自己的收入和状况，没有工作，年轻人。靠自己努力，或者因为自己在学校的成绩很优异，很不错，应该三千多！ 保险的前景无可限量，下岗退休没事干的人？的时候，但是，进入一家非常有前景！我很明白！他第一个月工资三千多，口碑非常好的公司，大学毕业了！2，清楚！我也曾经想说选择这个、毕业以後，现在做甚麼工作啊，他曾一个月拿几百块钱。但是，很有前景的工作，进入一家很出名或者口碑非常好的单位，我在某某某单位上班。举个例子，都不够吃饭！别人一听，很羡慕，就只有自己知道了，本来就没有一步登天，非常好做的职业。努力吧，北京上大学时的同学也介绍进入保险公司了，你都能干得非常出色的，任何行业！你说好做。3", "question": "保险行业怎么样？它会有好的发展前途吗", "number": 172}
{"answer": "PICC中国人民保险集团公司，中国人寿保险（集团）公司，中国保险集团（包括中保国际控股有限公司，太平人寿保险有限公司，太平保险有限公司，太平养老保险股份有限公司，太平资产管理有限公司），中国再保险（集团）公司。", "question": "国有控股保险公司有哪些?", "number": 173}
{"answer": "意外险，都可以做到两千多一年交十年，重疾险等险种你要保的是什么方面", "question": "人寿保险险种2千多一年十年交的是那个险种", "number": 174}
{"answer": "性别等因素有关系，所以单凭你提供的信息是无法判别你所问的是什么险种，中国人寿保险产品是比较多的您好，建议你最好是根据各方面的实际情况到保险公司或者专业的保险平台（慧择保险网）询问，保费跟被保险人的实际年龄，身体健康状况", "question": "中国人寿保险一年交十万是什么险种", "number": 175}
{"answer": "费用可以自己选择的，交的费用越高，保额就越高", "question": "谁知道买人寿保险5年的有哪些每年要交多少钱", "number": 176}
{"answer": "中国人民保险（集团）公司：简称“中国人保”中国人寿保险（集团）公司：简称"中国人寿" 中国再保险（集团）公司：简称"中国再保险"中国太平保险（集团）公司：简称“中国太平”", "question": "中国有几家国有保险公司", "number": 177}
{"answer": "在A股上市的保险公司目前有四家，股份代号601318，我从网上帮你寻找了一下，中国人寿保险股份有限公司回归国内A股上市、新华保险，我国已经上市的保险公司有五家。截止目前.50港元的发行价登陆香港联交所、中国平安，并创造当年全球最大规模的IPO。3：目前只在H股上市。2007年1月9日，H股代码为01336，2011年12月15日。公司股份名称“中国平安”，可以参考。2007年3月1日；16日、中国太保，不能确定是否完全正确、新华保险楼主，股票简称为“中国太保”、中国太保，成功跻身两地资本市场。4，中国太平洋保险（集团）股份有限公司A股股票正式在上海证券交易所挂牌上市。5，股份代号2318，中国人寿保险股份有限公司分别在纽约和香港上市。 1、中国人保，中国平安保险（集团）股份有限公司首次公开发行股票在香港联合交易所主板正式挂牌交易，完成从发行到上市的全过程。所以，新华保险以28：2003年12月17和18日、中国人寿：作为我国首只A＋H同步发行的保险股，自此公司成为国内首家“三地上市”的金融保险企业、中国人保：2004年6月24日，以23。A股代码为601336，中国平安保险（集团）股份有限公司回归A股市场。2.25元的发行价登陆上海证券交易所。公司股份名称“中国平安”，A股股票代码为“601601”：2007年12月25日、中国平安，包括中国人寿", "question": "截至2014年，中国有多少上市保险公司", "number": 178}
{"answer": "我所知中国正规的保险公司有、阳光保险跟新华保险等、中国平安、太平洋保险：工银安盛、中国人寿", "question": "正规保险公司有哪些", "number": 179}
{"answer": " 保险公司能在保监会登记的就是合法的，目前保险公司的业务都是全国性的，具体如下： 从中国保险监督管理委员会官网网站查询保险机构得知，目前我国有保险控股公司10家、财产保险公司60家、人寿保险公司71家、再保险公司8家、资产管理公司11家。具体如下： 序号 人寿保险公司名称 财产保险公司名称 1 安邦人寿保险股份有限公司 爱和谊日生同和财产保险公司 2 百年人寿保险股份有限公司 安邦财产保险股份有限公司 3 北大方正人寿保险有限公司 安华农业保险股份有限公司 4 东方人寿保险股份有限公司 安联财产保险（中国）有限 5 复星保德信人寿保险有限公司 安信农业保险股份有限公司 6 工银安盛人寿保险有限公司 渤海财产保险股份有限公司 7 光大永明人寿保险有限公司 诚泰财产保险股份有限公司 8 国华人寿保险股份有限公司 大众保险股份有限公司 9 国泰人寿保险有限责任公司 鼎和财产保险股份有限公司 10 海尔人寿保险有限公司 东京海上日动火灾保险 11 海康人寿保险有限公司 都邦财产保险股份有限公司 12 合众人寿保险股份有限公司 丰泰保险（亚洲）有限公司 13 和谐健康保险股份有限公司 富邦财产保险有限公司 14 恒安标准人寿保险有限公司 国元农业保险股份有限公司 15 华汇人寿保险股份有限公司 华安财产保险股份有限公司 16 华泰人寿保险股份有限公司 华泰财产保险有限公司 17 华夏人寿保险股份有限公司 锦泰财产保险股份有限公司 18 汇丰人寿保险有限公司 劳合社保险（中国）有限公司 19 嘉禾人寿保险股份有限公司 乐爱金财产保险（中国）有限公司 20 建信人寿保险有限公司 利宝保险有限公司 21 交银康联人寿保险有限公司 美亚财产保险有限公司 22 金盛人寿保险有限公司 民安保险（中国）有限公司 23 君龙人寿保险有限公司 丘博保险（中国）有限公司 24 昆仑健康保险股份有限公司 人保股份上海市崇明支公司 25 利安人寿保险股份有限公司 日本财产保险(中国)有限公 司 26 美国友邦保险有限公司北京分公司 日本兴亚财产保险（中国）有限责任公司 27 美国友邦保险有限公司东莞支公司 三井住友海上火灾保险公司 28 美国友邦保险有限公司佛山支公司 三星财产保险(中国)有限公司 29 美国友邦保险有限公司广东分公司 上海安信农业保险股份有限公司 30 美国友邦保险有限公司江门支公司 苏黎世保险公司北京分公司 31 美国友邦保险有限公司江苏分公司 太保产险上海市宝山支公司 32 美国友邦保险有限公司深圳分公司 太平财产保险有限公司 33 民生人寿保险股份有限公司 太阳联合保险(中国)有限公司 34 平安健康保险股份有限公司 泰山财产保险股份有限公司 35 平安养老保险股份有限公司 天安保险股份有限公司 36 前海人寿保险股份有限公司 天平汽车保险股份有限公司 37 瑞泰人寿保险有限公司 现代财产保险(中国)有限公司 38 生命人寿保险股份有限公司 信达财产保险股份有限公司 39 太平人寿保险有限公司 信利保险（中国）有限公司 40 太平养老保险股份有限公司 阳光农业相互保险公司 41 泰康人寿保险股份有限公司 英大泰和财产保险股份有限公司 42 泰康养老保险股份有限公司 永安财产保险股份有限公司... 43 天安人寿保险股份有限公司 永诚财产保险股份有限公司 44 新光海航人寿保险有限责任公司 长安责任保险股份有限公司 45 新华人寿保险股份有限公司 长江财产保险股份有限公司 46 信诚人寿保险有限公司 浙商财产保险股份有限公司 47 信泰人寿保险股份有限公司 中国出口信用保险公司 48 幸福人寿保险股份有限公司 中国大地财产保险股份有限公司 49 阳光人寿保险股份有限公司 中国平安财产保险股份有限公司 50 英大泰和人寿保险股份有限公司 中国人民财产保险股份有限公司 51 长城人寿保险股份有限公司 中国人寿财产保险股份有限公司 52 长江养老保险股份有限公司 中国太平洋财产保险股份有限公司 53 长生人寿保险有限公司 中航安盟财产保险有限公司 54 招商信诺人寿保险有限公司 中华联合财产保险股份有限公司 55 正德人寿保险股份有限公司 中华联合上海市崇明支公司 56 中德安联人寿保险有限公司 中煤财产保险股份有限公司 57 中法人寿保险有限责任公司 中意财产保险有限公司 58 中国平安人寿保险股份有限公司 中银保险有限公司 59 中国人民健康保险股份有限公司 众诚汽车保险股份有限公司 60 中国人民人寿保险股份有限公司 紫金财产保险股份有限公司 61 中国人寿保险股份有限公司 62 中国人寿养老保险股份有限公司 63 中国太平洋人寿保险股份有限公司 64 中航三星人寿保险有限公司 65 中荷人寿保险有限公司 66 中宏人寿保险有限公司 67 中美联泰大都会人寿保险有限公司 68 中融人寿保险股份有限公司 69 中新大东方人寿保险有限公司 70 中意人寿保险有限公司 71 中邮人寿保险股份有限公司", "question": "中国目前有哪些全国性的合法保险公司？？？", "number": 180}
{"answer": "太平洋保险是个不错的选择，建议您选择大一点的保险公司，理赔会比较快，因为大的保险公司网点多，如果投保中国大大小小的保险公司上百家", "question": "在中国都有哪些保险公司？ 哪些保险公司好呢？", "number": 181}
{"answer": "一般般", "question": "新华保险公司信誉度怎么样", "number": 182}
{"answer": "看你够不够努力，前景将会越来越好，想加入可以咨询我", "question": "请问现在保险业务好做吗？有前景吗？？", "number": 183}
{"answer": "会遇到很多困难、做个有心人
机遇对每个人来说都是平等的，因此、积极投入的方式倾听客户的陈述？一是倾听可以使你弄清对方的性格，自己的公司是多么多么优秀，也不能因一时的顺利而得意忘形，才有可能使销售业绩更快更稳健地增长。
二，以提高自己的写作能力，而这些策略。同时要相信公司，不管是开发客户还是处理客户投诉，针对客户的需求？一，必须抱着一颗真诚的心，应当具备那些心态呢！信心会使你更有活力，销售人员要处理好，要知道，赢得长期的市场份额；四是以适宜的肢体语言回应，有的客户对公司的意图不了解或者了解但不理解，意图不明确，只有销售也是没有希望的。
销售代表的首要任务是销售，要多分析客户、选择什么样的客户，改进工作方法，这样就多了机会，经常会碰到很多问题、对客户提供指导等。
六，有的客户对公司很反感甚至断绝与公司的合作关系，首先，努力把握每一个细节，去开创更精彩的人生，尽可能的多交朋友、“做”1，须知“乐极生悲”；四是当对方对保险有很多抱怨时，败不馁，要有百折不挠的精神，不一定要求每一个保险销售人员都八面玲珑，很多销售人员不管客户愿不愿意听，以便对症下药，善用资源才会成功，公司也没有希望。为什么会出现这种情况呢。销售人员如何提高自己的说服能力，才能够克服困难，绝不是一帆风顺？因为很多销售人员根本不会写报告或者写不好报告。
四。为什么呢。只有这样，发现客户在发展过程中的机会与问题：保险是多么多么好。当你要他写一个书面报告时，销售人员还应该充当客户的顾问与帮手，客户的每一点变化，做个有心人，才能够建立起长期的市场地位，都要去了解，方得人上人”；三是重复听到的信息，使自己能够去面对一切责难、对方的真正意图是什么、客户开发，确保所负责的客户持续健康发展，必须运用一些策略、市场规划，要对自己有信心，大部分都是无功而返，销售人员要么是不能按时将报告传回，要么就是写回来的报告层次不清，提高倾听的记忆效果。
很多销售主管可能都有这样的经历！我是最棒的、坚持不懈的韧性，不断调整自己的心态。为什么会出现这些情况，拥有资源不会成功、销售网络如何布局。
4，诚恳的对待客户，与保险者的枢纽，要做充分的准备、处世方法，包括阶段性销售目标。实际上，牢记在自己心中，通过提问的方式向和客户相关的人或本人了解客户的需求；其次；二是倾听可以使你了解对方到底在想什么，快速记录关键词，作为一个销售人员，上门就叽哩呱啦，朋友多了路才好走，倾听可以使对方发泄，请求支持。每一个客户都有不同的背景，即销售人员应该具备一定的说服能力，只要你是有心人，朋友也是资源。
在开发客户的过程中，企业素质的体现；再次。只有销售人员是一个策划高手。
作为一个优秀的销售人员，才能够面对挫折。
2、采取什么样的方式等，描述执行公司政策后能给他带来的利益，把你当作朋友、良好的心理素质
具有良好的心理素质，每天工作开始的时候，听出对方话语中的感情色彩。
五，祝你成功，而只有不断拓展市场，以这种方式推销保险的销售人员、集中精力，所有销售工作包括市场调研，要知道。要做好这一切。业务代表是企业的形象、不气馁，培养自己的交际能力、“想”，我是最优秀的、“说”。同时，都要鼓励自己、很重视他的想法，拟定说服计划？一是销售员正式说服客户之前。另外，即保险销售人员应该具备倾听的能力，适当提问。
保险销售员是在区域市场开展保险签单工作，即保险销售人员应该具备一定的策划能力？一是排除干扰，如果没有销售；五是倾听可以使你有充分的时间思考如何策略性地回复对方；二是听清全部内容，使他放开包袱与顾虑，才能够胜不骄，对待同事；才能赢得客户的信赖与认可，使谈话进行下去。
三，即销售人员应该具备很强的执行能力，有的客户很快就明白并理解了公司的意图，公司的基本情况。
3，为自己赢得了稳定的业绩，为保险公司的销售渠道建立了重要的无形资产，整理出关键点？原因就在于不同的销售人员说服能力不一样。“吃得苦种苦，以开放式的姿态、真诚态度是决定一个人做事能否成功的基本要求，但一定要多和别人交流，向他解释公司的政策具体操作方法，消除对方的怒气；三是倾听可以使对方感觉到你很尊重他、从哪些关键点去触动他写下来，也有不同的性格，确保销售网络的健康与稳定、销售政策都是通过销售人员向客户传递的，销售人员在开发客户过程中，帮助他分析他的处境，但要有解决的耐心，只有这样；其次。
5、客户管理、想要得到什么，不断的提高自己。保险销售人员如何倾听呢，把怎样说服客户，即他在想什么。销售人员在与客户沟通公司政策时
gitextract_akk84s0m/ ├── NLP_ALL/ │ ├── .idea/ │ │ ├── NLP_ALL.iml │ │ ├── misc.xml │ │ ├── modules.xml │ │ └── workspace.xml │ ├── chatbot/ │ │ ├── __init__.py │ │ └── readMe.txt │ ├── chinese_trans/ │ │ ├── __init__.py │ │ ├── readMe.txt │ │ └── snowNlp/ │ │ ├── __init__.py │ │ ├── chinese_to_fanti.py │ │ ├── chinese_to_pinyin.py │ │ └── readMe.txt │ ├── keywords_summary_topic/ │ │ ├── Word2vec/ │ │ │ ├── __init__.py │ │ │ ├── deerwester.dict │ │ │ ├── deerwester.mm │ │ │ ├── deerwester.mm.index │ │ │ ├── example.py │ │ │ ├── foo.tfidf_model │ │ │ ├── lda_corpus.mm │ │ │ ├── lda_corpus.mm.index │ │ │ ├── lsi_corpus.mm │ │ │ ├── lsi_corpus.mm.index │ │ │ ├── model.lda │ │ │ ├── model.lda.expElogbeta.npy │ │ │ ├── model.lda.id2word │ │ │ ├── model.lda.state │ │ │ ├── model.lsi │ │ │ ├── model.lsi.projection │ │ │ ├── text1.txt │ │ │ ├── text2.txt │ │ │ └── text3.txt │ │ ├── __init__.py │ │ ├── jieba/ │ │ │ ├── __init__.py │ │ │ └── keywords.py │ │ ├── readMe.txt │ │ └── snowNlp/ │ │ ├── __init__.py │ │ └── keyword_summary.py │ ├── named _entity_ recognition/ │ │ ├── __init__.py │ │ ├── crf/ │ │ │ ├── 199801.txt │ │ │ ├── __init__.py │ │ │ ├── create_corpus.py │ │ │ ├── crf_model_1 │ │ │ ├── curpus.txt │ │ │ ├── doc.py │ │ │ ├── readMe.txt │ │ │ └── train_and_test.py │ │ └── readMe.txt │ ├── participle/ │ │ ├── __init__.py │ │ ├── crf/ │ │ │ ├── 199801.txt │ │ │ ├── __init__.py │ │ │ ├── crf_model │ │ │ ├── crf_model_1 │ │ │ ├── readMe.txt │ │ │ ├── setp_1.py │ │ │ ├── setp_2.py │ │ │ ├── test_input.txt │ │ │ ├── test_output.txt │ │ │ └── train.data │ │ ├── jieba/ │ │ │ ├── __init__.py │ │ │ ├── fenci.py │ │ │ ├── stopdict.txt │ │ │ └── userdict.txt │ │ ├── readMe.txt │ │ └── snowNlp/ │ │ ├── __init__.py │ │ └── words_sentences.py │ ├── sentiment_analysis/ │ │ ├── __init__.py │ │ ├── readMe.txt │ │ └── snowNlp/ │ │ ├── __init__.py │ │ └── sentiment_test.py │ ├── similarity/ │ │ ├── Word2vec/ │ │ │ ├── __init__.py │ │ │ ├── sentences/ │ │ │ │ ├── __init__.py │ │ │ │ ├── lsi_corpus.mm │ │ │ │ ├── lsi_corpus.mm.index │ │ │ │ ├── lsi_similarity.sim │ │ │ │ ├── model.lsi │ │ │ │ ├── model.lsi.projection │ │ │ │ ├── mydict.dict │ │ │ │ ├── readMe.txt │ │ │ │ ├── sentences_similer.py │ │ │ │ ├── train.py │ │ │ │ └── train_corpus.txt │ │ │ └── words/ │ │ │ ├── __init__.py │ │ │ ├── chinesewords.txt │ │ │ ├── corpus.txt │ │ │ ├── create_vec.py │ │ │ ├── plot.py │ │ │ ├── readMe.txt │ │ │ ├── read_vec.py │ │ │ ├── remove_stopwords.py │ │ │ ├── stopdict.txt │ │ │ ├── wordvec.model │ │ │ └── wordvec_c.model │ │ ├── __init__.py │ │ ├── readMe.txt │ │ └── snowNlp/ │ │ ├── __init__.py │ │ └── sentence_similarity.py │ ├── text_classifier/ │ │ ├── __init__.py │ │ ├── nltk/ │ │ │ ├── __init__.py │ │ │ ├── example.py │ │ │ └── readMe.txt │ │ ├── readMe.txt │ │ ├── sklearn/ │ │ │ ├── __init__.py │ │ │ ├── data.json │ │ │ ├── data_baoxian.json │ │ │ ├── example_1.py │ │ │ ├── example_2.py │ │ │ ├── readMe.txt │ │ │ ├── stop_baoxian.txt │ │ │ ├── stopword.txt │ │ │ └── test.py │ │ └── textblob/ │ │ ├── __init__.py │ │ ├── female.txt │ │ ├── male.txt │ │ ├── readMe.txt │ │ ├── test2.py │ │ └── test3.py │ ├── word_tagging/ │ │ ├── __init__.py │ │ ├── crf/ │ │ │ ├── 199801.txt │ │ │ ├── __init__.py │ │ │ ├── create_curpus.py │ │ │ ├── crf_model_1 │ │ │ ├── curpus.txt │ │ │ ├── doc.py │ │ │ ├── readMe.txt │ │ │ └── train_and_test.py │ │ ├── jieba/ │ │ │ ├── __init__.py │ │ │ └── word_tagging.py │ │ ├── readMe.txt │ │ └── snowNlp/ │ │ ├── __init__.py │ │ └── test.py │ └── word_vector/ │ ├── Word2vec/ │ │ ├── __init__.py │ │ ├── chinesewords.txt │ │ ├── corpus.txt │ │ ├── create_vec.py │ │ ├── read_vec.py │ │ ├── remove_stopwords.py │ │ ├── stopdict.txt │ │ ├── wordvec.model │ │ └── wordvec_c.model │ ├── __init__.py │ └── readMe.txt └── README.md
SYMBOL INDEX (17 symbols across 11 files) FILE: NLP_ALL/keywords_summary_topic/Word2vec/example.py function getToipc (line 11) | def getToipc(file_name,toipc_type="lda",topics_num=5,topics_words=5): FILE: NLP_ALL/named _entity_ recognition/crf/create_corpus.py function max_word (line 7) | def max_word():#最长匹配 提取[中央/n 人民/n 广播/vn 电台/n]nt 样式的词，最长词，如 :中央人民广播电台/n function min_word (line 35) | def min_word():#最短匹配 提取[中央/n 人民/n 广播/vn 电台/n]nt 样式的词，最短词，如 :中央，人民，... FILE: NLP_ALL/named _entity_ recognition/crf/train_and_test.py function getCx (line 30) | def getCx(content_words): FILE: NLP_ALL/participle/crf/setp_1.py function character_tagging (line 12) | def character_tagging(input_file, output_file): FILE: NLP_ALL/participle/crf/setp_2.py function crf_segmenter (line 13) | def crf_segmenter(input_file, output_file, tagger): function crf_fenci_text (line 50) | def crf_fenci_text(input_text, tagger): FILE: NLP_ALL/similarity/Word2vec/sentences/train.py function getToipc (line 11) | def getToipc(file_name,toipc_type="lda",topics_num=5,topics_words=5): FILE: NLP_ALL/text_classifier/sklearn/example_1.py function loadFile (line 12) | def loadFile(): function getFenCiWords (line 40) | def getFenCiWords(): function getTFIDF (line 74) | def getTFIDF(): function getCU (line 94) | def getCU(leibieNum): FILE: NLP_ALL/text_classifier/sklearn/example_2.py function loadFile (line 13) | def loadFile(): function kmeans (line 44) | def kmeans(class_num): FILE: NLP_ALL/text_classifier/textblob/test2.py function gender_features (line 11) | def gender_features(word): FILE: NLP_ALL/text_classifier/textblob/test3.py function gender_features (line 11) | def gender_features(word): FILE: NLP_ALL/word_tagging/crf/train_and_test.py function getCx (line 30) | def getCx(content_words):
Condensed preview — 142 files, each showing path, character count, and a content snippet. Download the .json file or copy for the full structured content (3,337K chars).
[
{
"path": "NLP_ALL/.idea/NLP_ALL.iml",
"chars": 454,
"preview": "<?xml version=\"1.0\" encoding=\"UTF-8\"?>\n<module type=\"PYTHON_MODULE\" version=\"4\">\n <component name=\"NewModuleRootManager"
},
{
"path": "NLP_ALL/.idea/misc.xml",
"chars": 682,
"preview": "<?xml version=\"1.0\" encoding=\"UTF-8\"?>\n<project version=\"4\">\n <component name=\"ProjectLevelVcsManager\" settingsEditedMa"
},
{
"path": "NLP_ALL/.idea/modules.xml",
"chars": 266,
"preview": "<?xml version=\"1.0\" encoding=\"UTF-8\"?>\n<project version=\"4\">\n <component name=\"ProjectModuleManager\">\n <modules>\n "
},
{
"path": "NLP_ALL/.idea/workspace.xml",
"chars": 45475,
"preview": "<?xml version=\"1.0\" encoding=\"UTF-8\"?>\n<project version=\"4\">\n <component name=\"ChangeListManager\">\n <list default=\"t"
},
{
"path": "NLP_ALL/chatbot/__init__.py",
"chars": 0,
"preview": ""
},
{
"path": "NLP_ALL/chatbot/readMe.txt",
"chars": 5,
"preview": "聊天机器人"
},
{
"path": "NLP_ALL/chinese_trans/__init__.py",
"chars": 0,
"preview": ""
},
{
"path": "NLP_ALL/chinese_trans/readMe.txt",
"chars": 14,
"preview": "拼音汉字互转,简体和繁体转换"
},
{
"path": "NLP_ALL/chinese_trans/snowNlp/__init__.py",
"chars": 0,
"preview": ""
},
{
"path": "NLP_ALL/chinese_trans/snowNlp/chinese_to_fanti.py",
"chars": 110,
"preview": "#encoding=utf-8\nfrom snownlp import SnowNLP\n\n\"\"\"简体繁体互转\"\"\"\ns = SnowNLP(u'「繁體字」「繁體中文」的叫法在臺灣亦很常見。')\nprint s.han\n\n"
},
{
"path": "NLP_ALL/chinese_trans/snowNlp/chinese_to_pinyin.py",
"chars": 191,
"preview": "#encoding=utf-8\nfrom snownlp import SnowNLP\n\n\"\"\"汉字转拼音\"\"\"\ns = SnowNLP(u'这个东西真心很赞')\nprint s.pinyin # [u'zhe', u'ge'"
},
{
"path": "NLP_ALL/chinese_trans/snowNlp/readMe.txt",
"chars": 19,
"preview": "pip install snownlp"
},
{
"path": "NLP_ALL/keywords_summary_topic/Word2vec/__init__.py",
"chars": 0,
"preview": ""
},
{
"path": "NLP_ALL/keywords_summary_topic/Word2vec/deerwester.mm",
"chars": 862,
"preview": "%%MatrixMarket matrix coordinate real general\n4 95 111 \n1 1 3\n1 2 1\n1 3 1\n1 4 1"
},
{
"path": "NLP_ALL/keywords_summary_topic/Word2vec/deerwester.mm.index",
"chars": 15,
"preview": "\u0002]q\u0001(KaM\u0001JMd\u0002e."
},
{
"path": "NLP_ALL/keywords_summary_topic/Word2vec/example.py",
"chars": 2998,
"preview": "# -*- coding: utf-8 -*-\nfrom gensim import corpora\nfrom collections import defaultdict\nfrom gensim.models.tfidfmodel imp"
},
{
"path": "NLP_ALL/keywords_summary_topic/Word2vec/lda_corpus.mm",
"chars": 157,
"preview": "%%MatrixMarket matrix coordinate real general\n4 81 3 \n1 69 0.871551953554\n2 1"
},
{
"path": "NLP_ALL/keywords_summary_topic/Word2vec/lda_corpus.mm.index",
"chars": 13,
"preview": "\u0002]q\u0001(KaKuJKe."
},
{
"path": "NLP_ALL/keywords_summary_topic/Word2vec/lsi_corpus.mm",
"chars": 273,
"preview": "%%MatrixMarket matrix coordinate real general\n3 3 9 \n1 1 0.581222374082\n1 2 "
},
{
"path": "NLP_ALL/keywords_summary_topic/Word2vec/lsi_corpus.mm.index",
"chars": 11,
"preview": "\u0002]q\u0001(KaKKe."
},
{
"path": "NLP_ALL/keywords_summary_topic/Word2vec/text1.txt",
"chars": 382,
"preview": "中超开幕了，外国人也在高度关注这个“金元联赛”。上周末，体坛周报专栏作者、前《法国足球》国际部主任巴雷特先生就为法国电视台解说了中超首轮比赛——广州富力vs天津权健。不仅法国，还有意大利、阿根廷、葡萄牙……中超联赛目前在海外的转播覆盖已达7"
},
{
"path": "NLP_ALL/keywords_summary_topic/Word2vec/text2.txt",
"chars": 1121,
"preview": "早在上个月，一些电商就开启了iPhone 6 32GB版本的预售，定价为3399元。根据相关科技媒体报告，近几日苹果面向台湾市场推出了32GB版iPhone 6，当地运营商台湾大哥大Taiwan Mobile负责这款新机的发售，同样苹果也在"
},
{
"path": "NLP_ALL/keywords_summary_topic/Word2vec/text3.txt",
"chars": 748,
"preview": " 新浪汽车讯 在刚刚开幕的日内瓦车展上，众多全球主流厂家都带来了的自己的首发亮相新车。据不完全统计，日内瓦亮相的新车数量达到50辆以上！今年的日内瓦车展又是一场饕餮盛宴！虽然在这些车型中仍然以SUV居多，但却不乏重磅轿车。下面就让我们一起来"
},
{
"path": "NLP_ALL/keywords_summary_topic/__init__.py",
"chars": 0,
"preview": ""
},
{
"path": "NLP_ALL/keywords_summary_topic/jieba/__init__.py",
"chars": 0,
"preview": ""
},
{
"path": "NLP_ALL/keywords_summary_topic/jieba/keywords.py",
"chars": 660,
"preview": "#encoding=utf-8\nimport jieba.analyse\n\"\"\"jieba.analyse.extract_tags(sentence, topK=20, withWeight=False, allowPOS=())\nsen"
},
{
"path": "NLP_ALL/keywords_summary_topic/readMe.txt",
"chars": 15,
"preview": "关键词提取，摘要提取，主题提取"
},
{
"path": "NLP_ALL/keywords_summary_topic/snowNlp/__init__.py",
"chars": 0,
"preview": ""
},
{
"path": "NLP_ALL/keywords_summary_topic/snowNlp/keyword_summary.py",
"chars": 702,
"preview": "#encoding=utf-8\nfrom snownlp import SnowNLP\nimport json\n\"\"\"\n摘要关键词提取\n\"\"\"\ntext = u'''\n自然语言处理是计算机科学领域与人工智能领域中的一个重要方向。\n它研究能实"
},
{
"path": "NLP_ALL/named _entity_ recognition/__init__.py",
"chars": 0,
"preview": ""
},
{
"path": "NLP_ALL/named _entity_ recognition/crf/199801.txt",
"chars": 3512,
"preview": "19980101-01-001-001/m /v /v ϣ/n /u /a /n /w һžŰ/t /t /n /w /v ͼƬ/n /m /q /w \r\n19980101-01-001-002/m й/"
},
{
"path": "NLP_ALL/named _entity_ recognition/crf/__init__.py",
"chars": 0,
"preview": ""
},
{
"path": "NLP_ALL/named _entity_ recognition/crf/create_corpus.py",
"chars": 1640,
"preview": "# -*- coding: utf-8 -*-\nimport codecs\n\nwordfile=codecs.open(\"199801.txt\",encoding=\"gbk\")\ncurpusfile=codecs.open(\"corpus."
},
{
"path": "NLP_ALL/named _entity_ recognition/crf/curpus.txt",
"chars": 4362,
"preview": "19980101-01-001-001 m\n迈向 v\n充满 v\n希望 n\n的 u\n新 a\n世纪 n\n—— w\n一九九八年 t\n新年 t\n讲话 n\n（ w\n附 v\n图片 n\n１ m\n张 q\n） w\n19980"
},
{
"path": "NLP_ALL/named _entity_ recognition/crf/doc.py",
"chars": 2176,
"preview": "#!/usr/bin/ruby\n# -*- coding: utf-8 -*-\nimport CRFPP\nimport sys\n\"\"\"\n官方测试文件\n\"\"\"\ntry:\n # -v 3: access deep information "
},
{
"path": "NLP_ALL/named _entity_ recognition/crf/readMe.txt",
"chars": 158,
"preview": "\n(1)利用crf++的训练工具crf_learn来训练模型了，切换到CRF++0.58目录下，执行如下命令即可：\n crf_learn -f 3 -c 1.5 ./example/seg/template ../curpus.txt"
},
{
"path": "NLP_ALL/named _entity_ recognition/crf/train_and_test.py",
"chars": 1416,
"preview": "#!/usr/bin/env python\n# -*- coding: utf-8 -*-\nimport codecs\nimport sys\n\nimport CRFPP\n\n\"\"\"\n训练载crf++中使用如下命令\n注意：template是模板"
},
{
"path": "NLP_ALL/named _entity_ recognition/readMe.txt",
"chars": 5,
"preview": "命名体识别"
},
{
"path": "NLP_ALL/participle/__init__.py",
"chars": 0,
"preview": ""
},
{
"path": "NLP_ALL/participle/crf/199801.txt",
"chars": 3512,
"preview": "19980101-01-001-001/m /v /v ϣ/n /u /a /n /w һžŰ/t /t /n /w /v ͼƬ/n /m /q /w \r\n19980101-01-001-002/m й/"
},
{
"path": "NLP_ALL/participle/crf/__init__.py",
"chars": 0,
"preview": ""
},
{
"path": "NLP_ALL/participle/crf/readMe.txt",
"chars": 286,
"preview": "(1)为了得到适合拿来训练的数据集（4-tag标记），\n 词首，常用B表示\n 词中，常用M表示\n 词尾，常用E表示\n 单子词，常用S表示\n\n 需要先把人民日报语料199801.txt，转成4-tag 的trai"
},
{
"path": "NLP_ALL/participle/crf/setp_1.py",
"chars": 1433,
"preview": "#!/usr/bin/env python\n# -*- coding: utf-8 -*-\n# make_crf_train_data.py\n# 得到CRF++要求的格式的训练文件\n# 用法：命令行--python make_crf_tra"
},
{
"path": "NLP_ALL/participle/crf/setp_2.py",
"chars": 2746,
"preview": "#!/usr/bin/env python\n# -*- coding: utf-8 -*-\n# crf_segmenter.py\n# 用法：命令行输入--python crf_segmenter.py crf_model input_fil"
},
{
"path": "NLP_ALL/participle/crf/test_input.txt",
"chars": 13,
"preview": "中华人民共和国正在振兴崛起"
},
{
"path": "NLP_ALL/participle/crf/test_output.txt",
"chars": 32,
"preview": " 中 华 人民 工 和 国正 在 振兴 崛起 \n"
},
{
"path": "NLP_ALL/participle/crf/train.data",
"chars": 8984,
"preview": "1\tm\tB\n9\tm\tM\n9\tm\tM\n8\tm\tM\n0\tm\tM\n1\tm\tM\n0\tm\tM\n1\tm\tM\n-\tm\tM\n0\tm\tM\n1\tm\tM\n-\tm\tM\n0\tm\tM\n0\tm\tM\n1\tm\tM\n-\tm\tM\n0\tm\tM\n0\tm\tM\n1\tm\tE\n迈\tv\tB\n"
},
{
"path": "NLP_ALL/participle/jieba/__init__.py",
"chars": 0,
"preview": ""
},
{
"path": "NLP_ALL/participle/jieba/fenci.py",
"chars": 1266,
"preview": "#encoding=utf-8\nimport jieba\nimport os\nimport sys\ntest_text=\"工信处女干事每月，经过下属科室，都要亲口交代24口交换机等技术性器件的安装工作。\"\n#精确模式\nseg_list = "
},
{
"path": "NLP_ALL/participle/jieba/stopdict.txt",
"chars": 3553,
"preview": ",\n?\n、\n。\n“\n”\n《\n》\n！\n，\n：\n；\n？\n人民\n末##末\n啊\n阿\n哎\n哎呀\n哎哟\n唉\n俺\n俺们\n按\n按照\n吧\n吧哒\n把\n罢了\n被\n本\n本着\n比\n比方\n比如\n鄙人\n彼\n彼此\n边\n别\n别的\n别说\n并\n并且\n不比\n不成\n不单\n不但\n不独"
},
{
"path": "NLP_ALL/participle/jieba/userdict.txt",
"chars": 103,
"preview": "云计算 5\n李小福 2 nr\n创新办 3 i\neasy_install 3 eng\n好用 300\n韩玉赏鉴 3 nz\n八一双鹿 3 nz\n台中\n凱特琳 nz\nEdu Trust认证 2000\n工信处女干事"
},
{
"path": "NLP_ALL/participle/readMe.txt",
"chars": 2,
"preview": "分词"
},
{
"path": "NLP_ALL/participle/snowNlp/__init__.py",
"chars": 0,
"preview": ""
},
{
"path": "NLP_ALL/participle/snowNlp/words_sentences.py",
"chars": 480,
"preview": "#encoding=utf-8\nfrom snownlp import SnowNLP\nimport json\n\"\"\"\n摘要关键词提取\n\"\"\"\ntext = u'''\n自然语言处理是计算机科学领域与人工智能领域中的一个重要方向。\n它研究能实"
},
{
"path": "NLP_ALL/sentiment_analysis/__init__.py",
"chars": 0,
"preview": ""
},
{
"path": "NLP_ALL/sentiment_analysis/readMe.txt",
"chars": 23,
"preview": "文本或词语：情感分析，正负类分析，消极积极分析"
},
{
"path": "NLP_ALL/sentiment_analysis/snowNlp/__init__.py",
"chars": 0,
"preview": ""
},
{
"path": "NLP_ALL/sentiment_analysis/snowNlp/sentiment_test.py",
"chars": 186,
"preview": "#encoding=utf-8\nfrom snownlp import SnowNLP\nimport json\n\"\"\"\n情感分析，正负面分析\n\"\"\"\ntext = u'''\n自然语言处理是计算机科学领域与人工智能领域中的一个重要方向。\n''"
},
{
"path": "NLP_ALL/similarity/Word2vec/__init__.py",
"chars": 0,
"preview": ""
},
{
"path": "NLP_ALL/similarity/Word2vec/sentences/__init__.py",
"chars": 0,
"preview": ""
},
{
"path": "NLP_ALL/similarity/Word2vec/sentences/lsi_corpus.mm",
"chars": 6822,
"preview": "%%MatrixMarket matrix coordinate real general\n18 18 324 \n1 1 0.496975375239\n1 2 "
},
{
"path": "NLP_ALL/similarity/Word2vec/sentences/lsi_corpus.mm.index",
"chars": 51,
"preview": "\u0002]q\u0001(KaM\u0001M<\u0003M\u0004M\u0013\u0006M\u0007M\bMV\nM\u000bM'\rM\u000eM\"\u0010M\u0011M!\u0013M\u0014M$\u0016M\u0017M)\u0019e."
},
{
"path": "NLP_ALL/similarity/Word2vec/sentences/readMe.txt",
"chars": 22,
"preview": "计算一句输入和语料库中所有文档的的哪个最相似"
},
{
"path": "NLP_ALL/similarity/Word2vec/sentences/sentences_similer.py",
"chars": 1116,
"preview": "#coding:utf-8\nfrom gensim import corpora,similarities,models\nimport os\nimport jieba\n\n\"\"\"\n计算句子和语料库中哪个句子相似\n\"\"\"\n# 首先加载语料库\ni"
},
{
"path": "NLP_ALL/similarity/Word2vec/sentences/train.py",
"chars": 3074,
"preview": "# -*- coding: utf-8 -*-\nfrom gensim import corpora\nfrom collections import defaultdict\nfrom gensim.models.tfidfmodel imp"
},
{
"path": "NLP_ALL/similarity/Word2vec/sentences/train_corpus.txt",
"chars": 2852,
"preview": "本报瑞士日内瓦1月18日电 （记者杜尚泽、任彦、王远）18日，国家主席习近平在日内瓦万国宫出席“共商共筑人类命运共同体”高级别会议，并发表题为《共同构建人类命运共同体》的主旨演讲，深刻、全面、系统阐述人类命运共同体理念，主张共同推进构建人"
},
{
"path": "NLP_ALL/similarity/Word2vec/words/__init__.py",
"chars": 0,
"preview": ""
},
{
"path": "NLP_ALL/similarity/Word2vec/words/chinesewords.txt",
"chars": 4366,
"preview": "本报 瑞士 日内瓦 1 月 18 日电 （ 记者 杜尚泽 、 任彦 、 王远 ） 18 日 ， 国家 主席 习近平 在 日内瓦 万国宫 出席 “ 共商 共筑 人类 命运 共同体 ” 高级别 会议 ， 并 发表 题为 《 共同 构建 "
},
{
"path": "NLP_ALL/similarity/Word2vec/words/corpus.txt",
"chars": 4064,
"preview": " 本报 瑞士 日内瓦 月 日电 记者 杜尚泽 任彦 王远 日 国家 主席 习近平 在 日内瓦 万国宫 出席 共商 共筑 人类 命运 共同体 高级别 会议 并 发表 题为 共同 构建 人类 命运 共同体 的 "
},
{
"path": "NLP_ALL/similarity/Word2vec/words/create_vec.py",
"chars": 1524,
"preview": "#!/usr/bin/env python\n# -*- coding: utf-8 -*-\n\n\nfrom gensim.models import word2vec\nimport logging\n\n\"\"\"\n生成词向量\n也可以载word2ve"
},
{
"path": "NLP_ALL/similarity/Word2vec/words/plot.py",
"chars": 1772,
"preview": "#!/usr/bin/env python\n# coding=utf-8\nimport numpy as np\nimport matplotlib\nimport matplotlib.pyplot as plt\n\nfrom sklearn."
},
{
"path": "NLP_ALL/similarity/Word2vec/words/readMe.txt",
"chars": 19,
"preview": "文本相似性，词语相关性，近义词，同义词"
},
{
"path": "NLP_ALL/similarity/Word2vec/words/read_vec.py",
"chars": 1311,
"preview": "#!/usr/bin/env python\n# -*- coding: utf-8 -*-\n\n\nfrom gensim.models import word2vec\nimport logging\nfrom gensim.models.phr"
},
{
"path": "NLP_ALL/similarity/Word2vec/words/remove_stopwords.py",
"chars": 419,
"preview": "#encoding=utf-8\nimport jieba\nimport os\nimport sys\n\nwords_line=\"\";\nfor wordl in open('chinesewords.txt').readlines():\n "
},
{
"path": "NLP_ALL/similarity/Word2vec/words/stopdict.txt",
"chars": 212,
"preview": ",\n?\n、\n。\n“\n”\n《\n》\n！\n，\n：\n；\n？\n~\n!\n.\n:\n\"\n'\n(\n)\n*\nA\n--\n..\n>>\n[\n]\n<\n>\n/\n\\\n|\n-\n_\n+\n=\n&\n^\n%\n#\n@\n`\n;\n$\n（\n）\n——\n—\n￥\n·\n...\n‘\n’\n〉\n〈\n…\n"
},
{
"path": "NLP_ALL/similarity/__init__.py",
"chars": 0,
"preview": ""
},
{
"path": "NLP_ALL/similarity/readMe.txt",
"chars": 19,
"preview": "文本相似性，词语相关性，近义词，同义词"
},
{
"path": "NLP_ALL/similarity/snowNlp/__init__.py",
"chars": 0,
"preview": ""
},
{
"path": "NLP_ALL/similarity/snowNlp/sentence_similarity.py",
"chars": 1204,
"preview": "#encoding=utf-8\nfrom snownlp import SnowNLP\nimport json\nimport jieba;\n\"\"\"\n文本句子相似性\n\"\"\"\n#两篇文档\ntext1 = u'''我爱 中国 美国'''\ntext"
},
{
"path": "NLP_ALL/text_classifier/__init__.py",
"chars": 0,
"preview": ""
},
{
"path": "NLP_ALL/text_classifier/nltk/__init__.py",
"chars": 0,
"preview": ""
},
{
"path": "NLP_ALL/text_classifier/nltk/example.py",
"chars": 504,
"preview": "# -*- coding: utf-8 -*-\nimport json\nimport codecs\nimport jieba\nfrom sklearn.cluster import KMeans\nimport uuid\nfrom jieba"
},
{
"path": "NLP_ALL/text_classifier/nltk/readMe.txt",
"chars": 92,
"preview": "文本聚类，分类 k-means\n无监督聚类，使用tf/idf ,以及欧式距离，\n使用json数据，\n\n首先要安装sk-learn\npip install -U scikit-learn"
},
{
"path": "NLP_ALL/text_classifier/readMe.txt",
"chars": 7,
"preview": "文本聚类，分类"
},
{
"path": "NLP_ALL/text_classifier/sklearn/__init__.py",
"chars": 0,
"preview": ""
},
{
"path": "NLP_ALL/text_classifier/sklearn/data.json",
"chars": 2445,
"preview": "{\"answer\": \"直接拨打1008611\", \"question\": \"中国移动怎样查看现在是否已开通上网套餐\", \"number\": 2}\n{\"answer\": \"基本套餐发指令 TCCX 10086 非套餐内查询其业务类发00"
},
{
"path": "NLP_ALL/text_classifier/sklearn/data_baoxian.json",
"chars": 1175893,
"preview": "{\"answer\": \"准确说保险控股保险公司少部私股份股东：再保险（集团）股份限公司92.26%宁波市电力发公司唐际发电股份限公司北京松联创新科技发展限公司\", \"question\": \"中国大地保险是国营保险公司吗？\", \"number"
},
{
"path": "NLP_ALL/text_classifier/sklearn/example_1.py",
"chars": 4652,
"preview": "# -*- coding: utf-8 -*-\nimport json\nimport codecs\nimport jieba\nfrom sklearn.cluster import KMeans\nimport uuid\nfrom jieba"
},
{
"path": "NLP_ALL/text_classifier/sklearn/example_2.py",
"chars": 2360,
"preview": "# -*- coding: utf-8 -*-\nimport json\nimport codecs\nimport jieba\nfrom sklearn.cluster import KMeans\nimport uuid\nfrom jieba"
},
{
"path": "NLP_ALL/text_classifier/sklearn/readMe.txt",
"chars": 92,
"preview": "文本聚类，分类 k-means\n无监督聚类，使用tf/idf ,以及欧式距离，\n使用json数据，\n\n首先要安装sk-learn\npip install -U scikit-learn"
},
{
"path": "NLP_ALL/text_classifier/sklearn/stop_baoxian.txt",
"chars": 349,
"preview": "保险\n保险公司\n公司\n业务\n集团公司 \n中国人民\n中国太平洋\n中国(控股)\n中国平安\n平安保险\n人寿保险\n中国\n中华联合控股\n中国\n阳光控股\n \n安联大众\n长城 \n东方 \n光大永明人寿\n广电日生\n国泰\n海尔纽约人寿\n海康\n合众 \n恒安标准\n"
},
{
"path": "NLP_ALL/text_classifier/sklearn/stopword.txt",
"chars": 3553,
"preview": ",\n?\n、\n。\n“\n”\n《\n》\n！\n，\n：\n；\n？\n人民\n末##末\n啊\n阿\n哎\n哎呀\n哎哟\n唉\n俺\n俺们\n按\n按照\n吧\n吧哒\n把\n罢了\n被\n本\n本着\n比\n比方\n比如\n鄙人\n彼\n彼此\n边\n别\n别的\n别说\n并\n并且\n不比\n不成\n不单\n不但\n不独"
},
{
"path": "NLP_ALL/text_classifier/sklearn/test.py",
"chars": 0,
"preview": ""
},
{
"path": "NLP_ALL/text_classifier/textblob/__init__.py",
"chars": 0,
"preview": ""
},
{
"path": "NLP_ALL/text_classifier/textblob/female.txt",
"chars": 35576,
"preview": "Abagael\nAbagail\nAbbe\nAbbey\nAbbi\nAbbie\nAbby\nAbigael\nAbigail\nAbigale\nAbra\nAcacia\nAda\nAdah\nAdaline\nAdara\nAddie\nAddis\nAdel\nA"
},
{
"path": "NLP_ALL/text_classifier/textblob/male.txt",
"chars": 20293,
"preview": "Aamir\nAaron\nAbbey\nAbbie\nAbbot\nAbbott\nAbby\nAbdel\nAbdul\nAbdulkarim\nAbdullah\nAbe\nAbel\nAbelard\nAbner\nAbraham\nAbram\nAce\nAdair"
},
{
"path": "NLP_ALL/text_classifier/textblob/readMe.txt",
"chars": 64,
"preview": "有监督的分类，训练男女姓名文件对男女名字进行分类\n需要先安装 textblob\npip install -U textblob\n"
},
{
"path": "NLP_ALL/text_classifier/textblob/test2.py",
"chars": 1089,
"preview": "# coding=utf-8\nimport random, nltk\nfrom nltk.corpus import names\nfrom textblob.classifiers import NLTKClassifier\nfrom te"
},
{
"path": "NLP_ALL/text_classifier/textblob/test3.py",
"chars": 387,
"preview": "# coding=utf-8\nimport random, nltk\nfrom nltk.corpus import names\nfrom textblob.classifiers import NLTKClassifier\nfrom te"
},
{
"path": "NLP_ALL/word_tagging/__init__.py",
"chars": 0,
"preview": ""
},
{
"path": "NLP_ALL/word_tagging/crf/199801.txt",
"chars": 3512,
"preview": "19980101-01-001-001/m /v /v ϣ/n /u /a /n /w һžŰ/t /t /n /w /v ͼƬ/n /m /q /w \r\n19980101-01-001-002/m й/"
},
{
"path": "NLP_ALL/word_tagging/crf/__init__.py",
"chars": 0,
"preview": ""
},
{
"path": "NLP_ALL/word_tagging/crf/create_curpus.py",
"chars": 357,
"preview": "# -*- coding: utf-8 -*-\nimport codecs\n\nwordfile=codecs.open(\"199801.txt\",encoding=\"gbk\")\ncurpusfile=codecs.open(\"curpus."
},
{
"path": "NLP_ALL/word_tagging/crf/curpus.txt",
"chars": 4445,
"preview": "19980101-01-001-001 m\n迈向 v\n充满 v\n希望 n\n的 u\n新 a\n世纪 n\n—— w\n一九九八年 t\n新年 t\n讲话 n\n（ w\n附 v\n图片 n\n１ m\n张 q\n） w\n19980"
},
{
"path": "NLP_ALL/word_tagging/crf/doc.py",
"chars": 2176,
"preview": "#!/usr/bin/ruby\n# -*- coding: utf-8 -*-\nimport CRFPP\nimport sys\n\"\"\"\n官方测试文件\n\"\"\"\ntry:\n # -v 3: access deep information "
},
{
"path": "NLP_ALL/word_tagging/crf/readMe.txt",
"chars": 157,
"preview": "\n(1)利用crf++的训练工具crf_learn来训练模型了，切换到CRF++0.58目录下，执行如下命令即可：\n crf_learn -f 3 -c 1.5 ./example/seg/template ../curpus.txt"
},
{
"path": "NLP_ALL/word_tagging/crf/train_and_test.py",
"chars": 1434,
"preview": "#!/usr/bin/env python\n# -*- coding: utf-8 -*-\nimport codecs\nimport sys\n\nimport CRFPP\n\n\"\"\"\n训练载crf++中使用如下命令\n注意：template是模板"
},
{
"path": "NLP_ALL/word_tagging/jieba/__init__.py",
"chars": 0,
"preview": ""
},
{
"path": "NLP_ALL/word_tagging/jieba/word_tagging.py",
"chars": 131,
"preview": "#encoding=utf-8\nimport jieba.posseg as pseg\nwords = pseg.cut(\"我爱北京天安门\")\nfor word, flag in words:\n print('%s %s' % (wo"
},
{
"path": "NLP_ALL/word_tagging/readMe.txt",
"chars": 4,
"preview": "词性标注"
},
{
"path": "NLP_ALL/word_tagging/snowNlp/__init__.py",
"chars": 0,
"preview": ""
},
{
"path": "NLP_ALL/word_tagging/snowNlp/test.py",
"chars": 409,
"preview": "#encoding=utf-8\nfrom snownlp import SnowNLP\nimport json\n\n\"\"\"\n词性标注\n\"\"\"\ntext = u'''\n自然语言处理是计算机科学领域与人工智能领域中的一个重要方向。\n它研究能实现人"
},
{
"path": "NLP_ALL/word_vector/Word2vec/__init__.py",
"chars": 0,
"preview": ""
},
{
"path": "NLP_ALL/word_vector/Word2vec/chinesewords.txt",
"chars": 4366,
"preview": "本报 瑞士 日内瓦 1 月 18 日电 （ 记者 杜尚泽 、 任彦 、 王远 ） 18 日 ， 国家 主席 习近平 在 日内瓦 万国宫 出席 “ 共商 共筑 人类 命运 共同体 ” 高级别 会议 ， 并 发表 题为 《 共同 构建 "
},
{
"path": "NLP_ALL/word_vector/Word2vec/corpus.txt",
"chars": 4064,
"preview": " 本报 瑞士 日内瓦 月 日电 记者 杜尚泽 任彦 王远 日 国家 主席 习近平 在 日内瓦 万国宫 出席 共商 共筑 人类 命运 共同体 高级别 会议 并 发表 题为 共同 构建 人类 命运 共同体 的 "
},
{
"path": "NLP_ALL/word_vector/Word2vec/create_vec.py",
"chars": 1523,
"preview": "#!/usr/bin/env python\n# -*- coding: utf-8 -*-\n\n\nfrom gensim.models import word2vec\nimport logging\n\n\"\"\"\n生成词向量\n也可以载word2ve"
},
{
"path": "NLP_ALL/word_vector/Word2vec/read_vec.py",
"chars": 939,
"preview": "#!/usr/bin/env python\n# -*- coding: utf-8 -*-\n\n\nfrom gensim.models import word2vec\nimport logging\n\n# 主程序\nlogging.basicCo"
},
{
"path": "NLP_ALL/word_vector/Word2vec/remove_stopwords.py",
"chars": 419,
"preview": "#encoding=utf-8\nimport jieba\nimport os\nimport sys\n\nwords_line=\"\";\nfor wordl in open('chinesewords.txt').readlines():\n "
},
{
"path": "NLP_ALL/word_vector/Word2vec/stopdict.txt",
"chars": 212,
"preview": ",\n?\n、\n。\n“\n”\n《\n》\n！\n，\n：\n；\n？\n~\n!\n.\n:\n\"\n'\n(\n)\n*\nA\n--\n..\n>>\n[\n]\n<\n>\n/\n\\\n|\n-\n_\n+\n=\n&\n^\n%\n#\n@\n`\n;\n$\n（\n）\n——\n—\n￥\n·\n...\n‘\n’\n〉\n〈\n…\n"
},
{
"path": "NLP_ALL/word_vector/__init__.py",
"chars": 0,
"preview": ""
},
{
"path": "NLP_ALL/word_vector/readMe.txt",
"chars": 6,
"preview": "词向量的训练"
},
{
"path": "README.md",
"chars": 6557,
"preview": "# lhy-nlp\n\n集成各种nlp框架\n\n使用包括 word2vec nltk textblob crf++ 等\n<pre name=\"code\" class=\"python\">（1）机器人\n（2）中文翻译，及繁体转简体\n（3）关键词提取"
}
]
// ... and 20 more files (download for full content)
About this extraction
This page contains the full source code of the lhyxcxy/nlp GitHub repository, extracted and formatted as plain text for AI agents and large language models (LLMs). The extraction includes 142 files (1.3 MB), approximately 879.8k tokens, and a symbol index with 17 extracted functions, classes, methods, constants, and types. Use this with OpenClaw, Claude, ChatGPT, Cursor, Windsurf, or any other AI tool that accepts text input. You can copy the full output to your clipboard or download it as a .txt file.
Extracted by GitExtract — free GitHub repo to text converter for AI. Built by Nikandr Surkov.