数据集 - 海数据

藏文古典语料库词性标注数据集

2025年12月22日 30 10 4

数据集概述该数据集是对藏文古典文本进行词性标注的语料库，包含9世纪藏文经典文献、13世纪佛教史文献及15世纪传记类文本，为藏文自然语言处理研究提供基础标注数据。文件详解文件名称: Texts.zip 文件格式: ZIP压缩包文件内容: 包含Mdzaṅs blun（9世纪，经典文献）、Bu ston chos ḥbyuṅ（13世纪，佛教史）、Mi...

ZIP

古典藏语标注语料库第二部分_词性标注版

2025年12月22日 30 199 77

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）：...

ZIP

奥克语标注语料库

2025年12月21日 30 82 66

数据集概述该数据集为奥克语标注语料库，包含经人工标注词性和词元的奥克语文本，共28篇文档、12425个词元，标注流程详见指定学术文章，为奥克语自然语言处理研究提供基础数据。文件详解文件名称: CorpusRestaureOccitan.zip 文件格式: ZIP压缩包内容说明: 压缩包内包含采用TSV CoNLL-...

ZIP

马丁_路德语域现象研究语料库0_1

2025年12月21日 30 118 31

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

皮卡德语标注语料库

2025年12月20日 30 25 3

数据集概述该数据集包含25篇皮卡德语文本，经人工标注词性、词元、法语翻译及地点实体，由法国ANR资助的RESTAURE项目产出，标注流程详见指定学术文章。文件详解文件名称: corpus_picard_restaure.zip（压缩包）文件格式: ZIP 包含内容: "extraits_reference_bruts"文件夹（若有）:...

ZIP

古典藏文标注语料库第一部分_基于BDRC数字化文本的分词版本

2025年12月14日 30 28 9

数据集概述本数据集是基于佛教数字资源中心（BDRC）数字化文本集的古典藏文分词版本语料库，采用TiMBL的基于记忆的标注器进行词性标注，未经过后处理或人工校正，包含12个压缩文件。文件详解该数据集包含12个压缩文件，具体说明如下： -...

ZIP

西班牙手语RADIS语料库标注数据集

2025年12月13日 30 22 0

数据集概述该数据集包含西班牙手语（LSE）RADIS语料库的标注资源，由30个ELAN .eaf文件组成，涵盖手语视频的主要（词汇）和次要（语法）标注，用于描述事件表达的语法模式。文件详解核心标注文件： 29个.eaf格式文件（如CV-01_z.eaf、PS-CBB_z.eaf等）：ELAN标注文件，包含id-...

ZIP

心理学词汇计算机化汇编100词表

2025年12月13日 30 11 8

数据集概述该数据集为心理学领域的词汇汇编，包含一百个常用心理学术语，覆盖基础概念、理论及与日常生活相关的心理现象，提供术语的定义、词性及派生词信息，帮助使用者提升对心理学常用术语的理解。文件详解文件名称: 221301115 - Az Zahra Rakhim Ahmadi.pdf 文件格式: PDF 文件内容:...

ZIP

斯洛文尼亚语形容词形态标注数据库2024

2025年12月13日 30 194 158

数据集概述本数据集包含斯洛文尼亚语中六千个最常用形容词的形态标注，基于Gigafida 2.0语料库2024年3月的抽样数据提取。标注涵盖词缀、复合结构、非派生性等核心形态特征，为斯洛文尼亚语形态学研究提供结构化数据支持。文件详解文件名称: Annotated database of Slovenian adjectives.xlsx 文件格式:...

ZIP

西班牙临床病例语料库词性标注数据集

2025年12月10日 30 112 40

数据集概述该数据集是西班牙临床病例语料库（SPACCC）的首个词性标注版本，由基于FreeLing3.1的SPACCC_POS-TAGGER工具完成标注，为临床文本的词性分析提供结构化数据支持。文件详解文件名称: SPACCC_POS.zip 文件格式: ZIP压缩包（.zip）内容说明:...

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 30 116 101

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

匈牙利经典诗歌押韵词典数据集

2025年12月8日 30 124 60

数据集概述本数据集是基于ELTE诗歌语料库自动生成的匈牙利经典诗歌押韵词典，包含53位匈牙利经典诗人作品中的650,561组押韵对及其语法、语音和位置特征，为研究匈牙利诗歌押韵规律提供结构化数据支持。文件详解核心数据文件： rhyming_dictionary.xml：XML格式的押韵词典...

ZIP

古典藏文标注语料库2020_Version2_带分词与词性标注

2025年12月7日 30 144 130

数据集概述该数据集为古典藏文标注语料库（ACTib）第二版，包含超一亿八千五百万个词元，基于XML文件构建，提供分词与词性标注的压缩文件，采用自动后处理方法，未涉及人工校正。文件详解数据集包含11个压缩文件，具体说明如下： - 压缩文件组（共11个.zip格式文件）： - SegPOS-...

ZIP

藏语古典词性标注词汇表

2025年12月4日 30 61 32

数据集概述该数据集是为自然语言处理（NLP）任务构建的藏语古典词性标注词汇表。数据来源于动词词干数字化版本及人工标注的训练数据，部分词汇通过手动添加以优化基于规则的词性标注，适用于藏语古典文本的词性分析与处理。文件详解文件名称: Lexicons.zip 文件格式: ZIP压缩包内容说明:...

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 8 7

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

孟加拉语新闻语料库数据集

2025年5月31日 30 162 63

孟加拉语新闻语料库数据集数据来源：互联网公开数据标签：新闻,孟加拉语,文本分类,语言模型,文本生成,关系抽取,命名实体识别,词性标注数据概述：...

ZIP

俄语文本情感分析与语义理解数据集RussianTextSentimentAnalysisandSemanticUnderstandingDataset-yaustal

2025年5月30日 30 149 62

俄语文本情感分析与语义理解数据集RussianTextSentimentAnalysisandSemanticUnderstandingDataset-yaustal 数据来源：互联网公开数据标签：俄语, 文本情感分析, 语义分析, 自然语言处理, 文本语料库, 情感标注, 词性标注, 文本挖掘数据概述：...

ZIP

中文情感分析与命名实体识别数据集ChineseSentimentAnalysisandNamedEntityRecognitionDataset-wjdekn

2025年5月28日 30 28 22

中文情感分析与命名实体识别数据集ChineseSentimentAnalysisandNamedEntityRecognitionDataset-wjdekn 数据来源：互联网公开数据标签：情感分析, 命名实体识别, 中文文本, 自然语言处理, 机器学习, 文本分类, 词性标注, 深度学习数据概述：...

ZIP

文本分类特征工程数据集TextClassificationFeatureEngineeringDataset-a0049228b

2025年5月28日 30 47 11

文本分类特征工程数据集TextClassificationFeatureEngineeringDataset-a0049228b 数据来源：互联网公开数据标签：文本分类, 特征工程, 自然语言处理, 文本特征, 机器学习, 情感分析, 词性标注, 数据预处理数据概述：该数据集包含经过特征工程处理的文本数据，用于文本分类任务。主要特征如下：...