搜寻结果

小子虽然是专业硕士，但是心思一直在学术上。研一上学期一直在捉摸自然语言处理和机器翻译，发了篇论文；下学期发现自己在数学上是在是没法和工科、理科的比，决定退出更深层次的研究，偶然间在看书的时候发现了“计算风格学”的东西，恰逢当时杨绛书信拍卖事件出来了，我就想弄用计算风格学来研究以下保利要拍卖的这些书信到底是不是杨绛写的。然后看的资料就开始向语料库靠拢，后来彻底沉迷了。:p...

http://pan.baidu.com/share/link?shareid=1120733969&uk=3104117188 我今天晚上正在用Yacsi进行一个历时平行语料库的标注，选项：“计算所一级、UTF-8”批量处理了512个汉语文件，但是发现了很多的乱码文件，但也有一半左右的正常分词文件。 上面的链接是出现问题的源文件和分词标记后的文件示例，大家可是尝试分词一下源文件。 我用notepad2检查，源文件是utf-8，分词标记后的文件是ANSI。 而且我把文件转换成ANSI后标注，依旧是乱码。 为什么会出现这种问题？有点头疼。 应该怎么解决？各位高手来看看呀~~