-
ALT_Based_亚洲语言树库项目缅甸语树库数据
2026年1月31日 30 152 58
数据集概述 本数据集是亚洲语言树库（ALT）项目下的缅甸语树库，包含约2万句从英文维基新闻翻译而来的缅甸语句子，由NICT和UCSY联合开发，遵循CC BY-NC-SA 4.0许可协议，为缅甸语自然语言处理研究提供结构化语料资源。 文件详解 压缩文件 文件名称：my-alt-190530.zip 文件格式：ZIP...
-
dsfsi_Based非洲语言新闻语料库2022
2026年2月1日 30 176 118
数据集概述 本数据集为2022年的isiZulu新闻（含文章及标题）与Siswati新闻（仅标题）语料库，包含相关非洲语言的新闻文本资源，支持非洲语言的自然语言处理研究，数据集以单个压缩文件形式呈现。 文件详解 文件名称：dsfsi/za-isizulu-siswati-news-2022-v0.9.5.zip 文件格式：ZIP...
-
LIM_SOAS_Based藏语动词配价可视化词典数据
2026年1月31日 30 33 24
数据集概述 本数据集包含支撑《藏语动词配价可视化词典》的JSON格式数据及其说明文档，由英国研究与创新署（UKRI）资助、伦敦大学亚非学院（SOAS）开展的“动态词典学：藏语动词史”（LIM）项目产出，总计包含两个文件。 文件详解 数据文件 文件名称：LIM_TibetanVerbValencyDictionary_data.json...
-
TuReV_Corpus_突尼斯革命在线新闻报道语料库
2026年1月30日 30 128 21
数据集概述 本数据集为TuReV语料库，收录了关于突尼斯革命的在线新闻报道文本，是用于自然语言处理（NLP）研究的单文件语料库资源，可支持对突尼斯革命相关新闻内容的文本分析任务。 文件详解 文件名称：corpus TuReV.docx 文件格式：DOCX...
-
Parabank_Based_黎巴嫩亲属称谓范式标注完整数据
2026年1月29日 30 2 1
数据集概述 本数据集为Parabank项目中按亲属称谓范式标注的黎巴嫩亲属称谓数据，记录了符合该范式的黎巴嫩亲属称谓信息，可用于语言学领域中亲属称谓系统的研究，仅包含一个文件。 文件详解 文件名称：Parabank_Lebanese.xlsx 文件格式：XLSX...
-
novel_request_Based_十部小说中文请求句语料数据
2026年1月27日 30 207 174
数据集概述 本数据集包含从十部小说中提取的中文请求句语料，核心内容为小说中的请求类句子集合，可用于中文自然语言处理领域的相关研究，数据集仅包含一个文件。 文件详解 文件名称：corpus novel_request.xlsx 文件格式：XLSX 字段映射介绍：未提供具体字段信息，文件内容为从十部小说中提取的中文请求句语料集合 适用场景...
-
KDPII_Based_韩语对话文本PII去标识化数据集_Revised
2026年1月21日 30 68 20
数据集概述 本数据集为KDPII数据集，是针对韩语对话文本的个人可识别信息（PII）去标识化任务构建的新型数据集。包含丰富的韩语对话文本，整合了大量韩语PII实例，旨在解决韩语隐私保护领域语言模型训练资源不足的问题，为韩语PII去标识化技术研发提供支撑。 文件详解 文件名称：PII_dataset_V3.json 文件格式：JSON...
-
Jack_the_Ripper_Corpus_开膛手杰克信件语料库数据v1_0
2026年1月20日 30 90 72
数据集概述 本数据集为开膛手杰克信件语料库v1.0，包含与开膛手杰克相关的信件文本集合，是用于历史研究和文本分析的语料资源。数据集以压缩包形式存储，未进行训练测试、数据标签或原始处理数据的拆分。 文件详解 文件名称：andreanini/jacktherippercorpus-v1.0.zip 文件格式：ZIP（压缩包）...
-
Multi_CAST_Based_多语言口语文本标注语料库_Mandarin_Version2311
2026年1月4日 30 76 22
数据集概述 本数据集为Multi-CAST多语言口语标注文本语料库的中文部分，由Maria Vollmer于2023年贡献，收录于Geoffrey Haig和Stefan Schnell主编的语料库版本2311中。数据以压缩包形式提供，是研究中文口语标注文本的基础语料资源。 文件详解 文件名称：Multi-...
-
古典藏语标注语料库第二部分_词性标注版
2025年12月22日 30 5 1
数据集概述 本数据集是基于佛教数字资源中心（BDRC）数字化文本集构建的古典藏语词性标注语料库第二部分，使用TiMBL的基于记忆的标注器（Memory-Based Tagger）完成标注，未经过后处理或人工校正。 文件详解 压缩文件集（共12个，均为.zip格式）：...
-
乌兹别克语生态相关文档_Anvarbekov_Islombek
2025年12月21日 30 208 205
数据集概述 该数据集包含一份以乌兹别克语撰写的、主题与生态学相关的文档，文档标题为“O'RMONCHILIKNING EKOLOGIYA UCHUN AHAMIYATI”，可能探讨林业在生态方面的重要性。 文件详解 该数据集包含一个PDF格式的文档文件，具体如下： - 文件名称: Anvarbekov Islombek.pdf - 文件格式: PDF...
-
中文隐喻语料库
2025年12月21日 30 182 97
数据集概述 该数据集为中文隐喻语料库，包含一个压缩文件，未提供训练/测试、数据/标签、原始/处理数据的划分，主要用于隐喻相关的自然语言处理研究与应用。 文件详解 文件名称: ChineseMetaphorCorpus-metaphor.zip 文件格式: ZIP（压缩文件） 内容说明:...
-
意大利语动词情感推理词典
2025年12月14日 30 137 47
数据集概述 本数据集是用于情感推理的意大利语动词词典，包含动词的句法框架、极性、语义效果、关系及示例等信息，部分动词通过同义词框架引用关联，为意大利语文本的情感分析提供结构化动词语义标注支持。 文件详解 文件名称: clicl.pdf 文件格式: PDF 内容说明: 提供数据集理论背景与构建方法的相关论文，解释动词规范的理论基础。 文件名称:...
-
土佐日记现代日语及英语翻译数据集
2025年12月12日 30 175 26
数据集概述 本数据集是《土佐日记》的现代日语及英语翻译文本集合，包含原文及对应翻译内容，以JSON格式存储，涵盖标题、作者、段落文本、假名注音、直译与意译等多维度信息，为古典文学翻译与研究提供结构化资源。 文件详解 该数据集包含一个压缩文件，具体说明如下： - 文件名称: yamagen/tosa-translation-v1.0.0.zip -...
-
汉乌英三种语言中抽象名词的语义解读数据集
2025年12月9日 30 63 15
数据集概述 本数据集聚焦于中文、乌兹别克语和英语三种语言中抽象名词的语义解读研究，以单一PDF文档形式呈现相关研究内容，为跨语言词汇语义对比分析提供资料支持。 文件详解 文件名称: Jabborov Azamat Ashirkul oʽgʽli.pdf 文件格式: PDF (.pdf) 文件内容:...
