数据集 - 海数据

PUMA_GitHub_Based_出版物元数据增强分析完整数据

2025年12月23日 30 32 23

数据集概述本数据集是PUMA（出版物元数据增强）软件管道的输出结果，通过对期刊文章列表补充外部元数据，生成数据文件及可探索的HTML页面截图，包含作者、关键词等多维度统计数据与可视化内容。文件详解该数据集包含数据文件和截图文件两类，具体说明如下： - 截图文件（共7个，PNG格式）： -...

ZIP

BALT_巴比伦行政与法律文本数据集

2025年12月23日 30 198 16

数据集概述该数据集包含开放丰富注释楔形文字语料库（Oracc）上发布的“BALT: 巴比伦行政与法律文本”项目数据，收录新巴比伦、波斯及希腊化时期（约公元前626-93年）的2990份巴比伦行政与法律文本，涉及古代巴比伦宗教中心及私人家庭的行政与日常经济活动。文件详解文件名称: balt.zip 文件格式: ZIP（压缩包）内容说明:...

ZIP

丹麦公主莱奥诺拉_克里斯蒂娜1673年自我陈述数据集

2025年12月23日 30 199 141

数据集概述本数据集围绕丹麦公主莱奥诺拉·克里斯蒂娜于1673年撰写的法语自我陈述展开，包含相关研究论文及手稿信息。数据集以PDF文件形式呈现，涵盖研究分析、文本转录背景及手稿来源说明，为研究该历史人物的自我表达提供资料支持。文件详解文件名称: La princesse danoise Leonora Christina.pdf 文件格式: PDF...

ZIP

马丁_路德语域现象研究语料库0_1

2025年12月21日 30 27 1

数据集概述该数据集为马丁·路德语域现象研究语料库（RegiL v0.1），含7个子语料库、72篇文档及179,996个文本标记，基于人工归一化进行词性和词形标注，转换为ANNIS格式，旨在通过文本类型/体裁近似不同语域，支撑路德作品中语域模式的研究。文件详解文件名称: Documentation RegiL v01.pdf 文件格式: PDF...

ZIP

荷兰维基百科Palmetto位置存储Lucene索引数据集

2025年12月11日 30 11 9

数据集概述本数据集是基于2015年11月2日荷兰维基百科数据生成的位置存储Lucene索引，用于配合Palmetto工具计算主题连贯性。包含索引文件、说明文档及案例研究报告，支持荷兰语资源的主题分析研究。文件详解文件名称: README.md 文件格式: Markdown (.md) 内容说明:...

ZIP

印尼对伊朗外交政策_X社交媒体上的什叶派仇恨言论LSTM与SVM分析数据集

2025年12月11日 30 192 12

数据集概述该数据集围绕印尼对伊朗外交政策背景下，X社交媒体上什叶派仇恨言论展开研究，包含基于SVM和LSTM技术的情感分析结果表、公众评论相关图表及预处理代码文件，为探究印尼身份政治与什叶派仇恨言论的关联提供数据支持。文件详解 Data In Brief-...

ZIP

SemEval_2020任务1拉丁语词汇语义变化检测数据集

2025年12月8日 30 196 180

数据集概述本数据集包含SemEval 2020任务1（无监督词汇语义变化检测）的拉丁语测试数据，涵盖两个时期的拉丁语语料库对、40个标注目标词形及其语义变化评分，还提供语料库的原始词形版本，支持词汇语义变化研究。文件详解文件名称: semeval2020_ulscd_lat.zip 文件格式: ZIP压缩包压缩包内包含内容:...

ZIP

Heliand_Parsed_Based_古撒克逊语Heliand文本解析完整数据

2025年12月7日 30 172 67

数据集概述该数据集包含古撒克逊语福音书《Heliand》C手稿的五千九百六十八行内容，采用Sievers（一八七八年）版本，相比Behaghel标准版更适合语言学研究。数据集以UTF-8纯文本格式设计，遵循Penn历史英语语料库格式，支持CorpusSearch...

ZIP

宾夕法尼亚德语词表_词形还原与词性标注

2025年12月4日 30 197 162

数据集概述该数据集包含ENDE语料库中宾夕法尼亚德语部分的词表，涵盖1761个词元及其对应的2704个词形，已完成词形还原和词性标注，为宾夕法尼亚德语的语言分析提供基础数据。文件详解词表数据文件：文件名称：ENDE-corpus POS-annotated PDC lexicon.tsv 文件格式：TSV（.tsv）...

ZIP

商品标题文本预处理数据集ProductTitleTextPreprocessing-akshatgargbot

2025年5月30日 30 114 4

商品标题文本预处理数据集ProductTitleTextPreprocessing-akshatgargbot 数据来源：互联网公开数据标签：商品标题, 文本预处理, 词干提取, 词形还原, 自然语言处理, 文本挖掘, 数据清洗, 机器学习数据概述：...

ZIP

孟加拉电子产品评论文本情感分析数据集BanglaElectronicsReviewTextSentimentAnalysis-nirajmahi

2025年5月6日 30 209 180

孟加拉电子产品评论文本情感分析数据集BanglaElectronicsReviewTextSentimentAnalysis-nirajmahi 数据来源：互联网公开数据标签：情感分析, 文本挖掘, 孟加拉语, 电子产品, 评论数据, 自然语言处理, 情感分类, 词形还原数据概述：...

ZIP

孟加拉语词形还原数据集BengaliLemmaDataset-jakir57

2025年4月29日 30 191 92

孟加拉语词形还原数据集BengaliLemmaDataset-jakir57 数据来源：互联网公开数据标签：词形还原, 自然语言处理, 孟加拉语, 语言学, 文本分析, 词干提取, 词汇分析, 语料库数据概述：该数据集包含孟加拉语词汇的词形还原数据，记录了孟加拉语单词的词形与其对应的词元（lemma）之间的映射关系。主要特征如下：...

ZIP

孟加拉语词汇词形还原数据集BengaliWordLemmatizationDataset-jakir57

2025年4月29日 30 109 79

孟加拉语词汇词形还原数据集BengaliWordLemmatizationDataset-jakir57 数据来源：互联网公开数据标签：词形还原, 自然语言处理, 孟加拉语, 文本分析, 语言学, 词汇, 语料库, 机器翻译数据概述：该数据集包含孟加拉语词汇的词形还原数据，用于训练和评估孟加拉语词形还原模型。主要特征如下：...

ZIP

孟加拉语文本词形还原数据集BanglaTextLemmatizationDataset-jakir57

2025年4月29日 30 76 59

孟加拉语文本词形还原数据集BanglaTextLemmatizationDataset-jakir57 数据来源：互联网公开数据标签：词形还原, 孟加拉语, 自然语言处理, 文本分析, 语言学, 文本预处理, 机器翻译, 词干提取数据概述：该数据集包含孟加拉语文本的词形还原数据，旨在为孟加拉语文本处理任务提供支持。主要特征如下：...

ZIP

形态学分析数据集-faizankhan6356

2025年4月26日 30 105 23

形态学分析数据集-faizankhan6356 数据来源：互联网公开数据标签：形态学，语言学，自然语言处理，数据集，词性标注，词干提取，词形还原，文本分析数据概述：该数据集包含了用于形态学分析的文本数据，记录了不同语言的词汇及其形态变化信息。主要特征如下：时间跨度：数据记录的时间范围不固定，取决于具体数据集，可能涵盖多个历史时期和现代语言。...

ZIP

孟加拉语书籍词形还原数据集BanglaBookLemmatizedCSV-nirajmahi

2025年4月26日 30 23 11

孟加拉语书籍词形还原数据集BanglaBookLemmatizedCSV-nirajmahi 数据来源：互联网公开数据标签：孟加拉语，词形还原，数据集，自然语言处理，文本分析，机器学习，语言学，学术资源数据概述：该数据集包含来自孟加拉语书籍的词形还原数据，记录了孟加拉语文本中单词的词形还原结果。主要特征如下：...

ZIP

预处理与词形还原测试数据数据集-marouanesidali

2025年4月24日 30 131 74

预处理与词形还原测试数据数据集-marouanesidali 数据来源：互联网公开数据标签：文本预处理，词形还原，自然语言处理，数据集，文本分析，机器学习，NLP，测试数据数据概述：该数据集包含了经过预处理和词形还原处理的文本数据，主要用于测试和评估文本处理算法的性能。主要特征如下：...

ZIP

文本预处理与词形还原训练数据集-marouanesidali

2025年4月23日 30 18 10

文本预处理与词形还原训练数据集-marouanesidali 数据来源：互联网公开数据标签：文本预处理，词形还原，自然语言处理，机器学习，文本分析，数据集，NLP，训练数据数据概述：该数据集包含了经过预处理和词形还原的文本数据，主要用于训练和评估自然语言处理模型。主要特征如下：时间跨度：数据记录的时间范围不限，取决于原始文本数据集的构成。...