这个名为“chinese-poetry”、号称“最全中文诗歌古典文集数据库”的项目，今日登顶GitHub热榜第一。
截止发稿，这一项目已得到近2.5万标星，Fork超过4600，受欢迎度可见一斑。
项目发起者名为Jackey，在Teambition从事运维自动化事情。他阐明了为什么要做这个仓库：
从某种意义上来说，这些弘大的文集离我们是有一定间隔的。而电子版方便拷贝，以是此开源数据库出身了。此数据库通过 JSON 格式分发，可以让你很方便的开始你的项目。
全体项目最核心的内容，便是数据集了。
目前，仓库中一共有10个数据集，分别是：全唐诗、全宋诗、全宋词、五代·花间集、五代·南唐二主词、论语、诗经、幽梦影、四书五经、蒙学。
这些数据，都来自互联网。如何采集的？项目发起者也分享了全宋词爬取过程及数据剖析。
为什么没有古诗？他也给出理解释，古诗采集没有记录过程，由于古诗数据弘大，目标网站有限定，采集过程常常中断超过了一个星期。
环绕着数据库，他也进行了一个初步的词频剖析：
但这些数据集的运用，远远不止于此。
8大案例展示在项目中，作者也放上了利用数据集的运用案例。
有基于浏览器的诗词网站，有安卓版的运用“离线全唐诗”，有简体唐诗天生(char-RNN)，也诗词桌面和干系小程序等等。
而且这些项目，也大都在GitHub上开源了。
如果你有兴趣，可以收好传送门：
https://github.com/chinese-poetry/chinese-poetry
— 完 —
量子位 QbitAI · 头条号签约
关注我们，第一韶光获知前沿科技动态
