有人用過結巴分詞嗎？或者我們聊聊 word2vec？

[llhh]

有這樣幾個問題：
1.哪裏能獲得一些大的語料呢？
目前拿sogou實驗室的新聞語料練手，2g大小，差太遠了。
在語料的豐富度上差太多，感覺質量和數量都不夠。

2.分詞的字典，我自己有1.3億詞庫，想直接加進結巴分詞
這樣做會不會結果太亂，用結巴分詞的分詞的“全模式”分詞後放到word2vec跑會不會結果不好？

3.我想把1.3億詞庫自動分類，大家有什麼好的建議嗎？

謝謝大家！
（剛用linux，不知道爲何不能切換簡體了）

[flyaway]

一般的语料都是研究机构标注的，通常都是需要花钱买的

[userlogin]

v2ex也用了结巴分词：t/101091