-
Ugric_Based历史语言学词汇表同源词研究数据
数据集概述 本数据集是论文《Drastic demographic events triggered the Uralic spread》的附录，包含仅在匈牙利语与汉特语、曼西语中出现的Ugric同源词词汇表，为Uralic语系传播相关的历史语言学研究提供基础词汇数据支撑。 文件详解 文件名称：Ugric_vocabulary.xlsx...
-
VeLeRo_Based_罗马尼亚语动词屈折词库数据
数据集概述 本数据集为VeLeRo，即标准罗马尼亚语的屈折动词词库，包含7297个动词的完整语音形式词形变化范式，提供词元级和词形单元级频率数据。数据集共10个文件，涵盖数据文件、文档、代码及元数据等类型，支持罗马尼亚语形态学研究与分析。 文件详解 数据文件（CSV格式，共5个）...
-
Bangla_Based_孟加拉语信息检索测试集数据
数据集概述 本数据集为孟加拉语信息检索测试集，包含1182份文档（182份泰戈尔的短篇故事、小说、散文，1000份2013年《普罗托姆·阿洛》报纸文章）、94条不同复杂度的查询及查询-文档相关性判断，填补了孟加拉语信息检索标准数据集的空白。 文件详解 文件名称：README.txt 文件格式：TXT...
-
GRETIL_Based印度语言电子文本TEI数据集
数据集概述 本数据集为GRETIL（哥廷根印度语言电子文本注册库）的TEI格式数据，包含一百零一份印度语言电子文本文件，均为XML格式，无目录层级划分，未进行训练测试、数据标签或原始处理数据的拆分，可用于印度语言文献的数字化研究与分析。 文件详解 数据文件 文件名称：包含sa_bAdarAyaNa-...
-
Kpelle_Mano_语半自发话语标注论文补充数据
数据集概述 本数据集为待评审论文的补充材料，包含Kpelle语和Mano语的半自发话语标注内容，提供一份结构化的语言数据文件，支持相关语言学研究与分析。 文件详解 文件名称：all_data_submission.xlsx 文件格式：XLSX...
-
加泰罗尼亚语_中文平行句子机器翻译评估数据集_测试版
数据集概述 本数据集包含来自加泰罗尼亚语维基新闻、加泰罗尼亚语维基百科和西班牙语维基导游的平行句子，共一千零二十二条。数据涵盖加泰罗尼亚语、西班牙语及对应的GPT-4生成中文翻译和人工修订中文翻译，覆盖科学技术、文化、经济等十大主题，可用于机器翻译模型评估与强化学习人类偏好数据研究。 文件详解 文件名称：test.json 文件格式：JSON...
-
胡氏儒艮螳螂亚属补充材料_2_两栖动物分类学研究数据
数据集概述 本数据集为ZooKeys发表的Huicundomantis亚属（Pristimantis属）系统学研究的补充材料2，记录该亚属物种的分布等相关信息，包含1个文件，用于支持两栖动物分类学研究。 文件详解 文件名称：oo_322433.xlsx 文件格式：XLSX...
-
ILR_RAS_新约多谓词原因结构语境数据库_1_1版
数据集概述 本数据集为新约文本中含多谓词原因结构的语境数据库，包含1630个原因语境（来自1504个经文），通过俄、英、法三种语言新约译本的原因连词自动提取并人工编辑生成，可用于单语言及类型学研究。另含86个语境的试点标注子样本，标注内容包括语义语用类型与信息结构。 文件详解 主数据库文件...
-
English_Yoruba_英语到约鲁巴语翻译数据集
数据集概述 本数据集为英语到约鲁巴语的翻译数据，适用于Android手机的短消息服务语音和文本翻译场景，包含1个文件，无目录结构，主要文件格式为.xlsx。 文件详解 文件名称：Updated Translation Datasets.xlsx 文件格式：XLSX...
-
enviPath_PFAS_BART_原始实验数据文件
数据集概述 本数据集为enviPath平台下PFAS物质的BART实验原始数据文件集合，包含75个XLSX格式文件，无目录结构。文件命名多含作者、年份及PFAS物质标识，覆盖醚类PFAS、FTMAC、FTUCA等多种物质的实验数据，可用于PFAS相关的环境分析研究。 文件详解 数据文件...
-
黑洞物理_SXS_BBH_0742_双黑洞系统模拟数据
数据集概述 本数据集为SXS:BBH:0742双黑洞系统的数值模拟结果，由SpEC代码演化生成，包含36个文件，涵盖.h5格式科学文件和.json格式数据文件各18个，无目录层级结构。数据记录了双黑洞系统的初始参数、轨道演化及引力波应变等核心信息，是黑洞物理与引力波研究的基础数据。 文件详解 科学文件（.h5格式，18个）...
-
Oupoco_Based_法语十四行诗库_文学创作数据
数据集概述 本数据集是Oupoco项目框架下开发的法语十四行诗库，包含四千八百七十首十四行诗，主要来自十九世纪至二十世纪初。涵盖七百六十七位作者，其中男性作者六百六十位（四千四百一十二首）、女性作者一百零七位（四百三十九首），另有十九首作者性别未明确。数据可免费复用，支持文学研究、语料库分析等多场景应用。 文件详解 文件名称：oupoco.dtd...
-
NICKLE_Based_韩国英语学习者中介语语料库数据
数据集概述 本数据集为NICKLE（Neungyule韩国英语学习者中介语语料库），含约100万词，包含书面和口语内容（比例约9:1），按主题和交际语境分为不同文本类型。语料库未明确标注 proficiency 水平，主要涵盖基础至中级水平，部分含高级文本，可通过来源大学名称或文本长度识别。 文件详解 文件名称：Basic statistical...
-
La_Pola_Siero_西班牙地图第三问方言语料数据
数据集概述 本数据集包含与“西班牙地图：第三问”相关的La Pola Siero方言语料，核心为1个docx格式文件，无目录结构及数据拆分，聚焦方言相关内容的记录与呈现。 文件详解 文件名称：Mapa de España.Pregunta3.docx 文件格式：docx 字段映射介绍：无明确字段划分，为单一文档文件，内容围绕“西班牙地图：第三问”的La...
-
LAGT_Based_多源整合古希腊文本语料库_v4_1
数据集概述 本数据集为LAGT（lemmatized ancient Greek texts）古希腊文本语料库，整合自Perseus数字图书馆、First 1000 Years of...
-
DBNL_Based荷兰数字化图书OCR与校正文本数据集
数据集概述 本数据集包含荷兰DBNL平台数字化的220本图书的OCR相关数据，涵盖原始OCR输出文本、校正后的TEI格式文本及元数据，共3个文件，用于图书数字化文本的存储与处理。 文件详解 文件名称：Metadata_DBNL_OCR_v1.xlsx 文件格式：XLSX 字段映射介绍：包含数据集的元数据信息，具体字段未提供预览 文件名称：TXT.zip...
-
TLS_Based_中国语言学词库_2024_07_23
数据集概述 本数据集为中国语言学词库（Thesaurus Linguae Sericae, TLS）的互联Markdown文件压缩包，包含一份2024年7月23日的词库数据压缩文件，无额外目录结构，主要用于语言学研究与词库应用场景。 文件详解 文件名称：tls-md-2024-07-23.zip 文件格式：ZIP...
-
Pyu_Based骠铭文语料库XML数据20180326
数据集概述 本数据集为骠铭文语料库的XML压缩文件，包含由Arlo Griffiths、Marc Miyake和Julian K. Wheatley完成的骠铭文转写内容，语料库通过指定网址持续更新。每个XML文件对应一份骠铭文，转写中用C表示未知辅音、V表示未知元音，为骠铭文研究提供结构化文本资源。 文件详解 文件名称：Corpus of Pyu...
-
梵蒂冈教皇文件的语料库语言学分析_1967年至2020年
数据集概述 本数据集是对1967至2020年梵蒂冈教宗通谕、宗座劝谕和世界传播日致辞的语料库语言学分析结果。包含两个阶段：先是通过软件识别量化大众媒体与新媒体技术相关术语，后深入研究“媒体”术语的演变，包括相关动词的筛选、分类及伦理特征分析。 文件详解 文件名称：Papal Communication - WCD Messages - Media-...
-
La_Pola_Siero_西班牙地图_问题4_语料数据
数据集概述 本数据集包含与“西班牙地图：问题4”相关的语料数据，源自La Pola Siero地区的语言材料，以单一文档形式呈现，未进行训练/测试、数据/标签或原始/处理等类型的划分。 文件详解 文件名称：Mapa de España.Pregunta4.docx 文件格式：DOCX...
