-
ArguAna_Based_酒店评论情感分析标注语料库_V2
2026年2月8日 30 49 12
数据集概述 本数据集为ArguAna TripAdvisor酒店评论情感分析语料库，包含2100条情感得分均衡的酒店评论，均被手动标注为事实或正负观点，同时标注了评论中的酒店相关方面。此外还提供近20万条未标注的酒店评论，适用于科学研究用途。 文件详解 标注语料包（含软件） 文件名称：arguana-tripadvisor-annotated-...
-
加泰罗尼亚语_中文平行句子机器翻译评估数据集_测试版
2026年1月31日 30 141 80
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...
-
XML_corpus_Based_文学文本XML语料库数据
2026年1月30日 30 134 49
数据集概述 本数据集为XML格式的文学文本语料库，包含席勒、莱辛、克莱斯特、歌德、蒂克等作家的作品，共56个XML文件，无目录层级结构，未划分训练/测试、数据/标签或原始/处理集，所有文件均为XML格式，其中5个含XML元数据。 文件详解 核心文件：...
-
ACORNS_Based_Caregiver数据集HAC特征及元数据
2026年1月25日 30 70 69
数据集概述 本数据集包含ACORNS Caregiver数据集的共现特征直方图，以及对应的元数据文件。数据来源于ACORNS项目，其中.mat文件为特征数据，部分文件通过Python代码提取并带有"_python"后缀；.json文件为数据集元数据。数据集总计30个文件，主要用于多模态特征分析。 文件详解 .mat文件（共28个）...
-
Variations_Based_斯洛伐克语附着词位置变异研究数据集
2026年1月23日 30 151 8
数据集概述 本数据集为论文“Variations on positioning of clitics in Slovak (on the basis of corpus and experimental data)”配套数据，核心内容围绕斯洛伐克语中附着词的位置变异展开，基于语料库和实验数据构建，包含一个文件，用于支撑相关语言学研究分析。 文件详解...
-
CONTRAST_IT_Based意大利语新闻语料库数据集2011_2012
2026年1月20日 30 157 25
数据集概述 本数据集为CONTRAST-IT多语言语料库的意大利语部分，包含2011-2012年从意大利三家电子日报（repubblica.it、lastampa.it、corriere.it）采集的531篇真实新闻文章，总计约三十万字，覆盖政治、体育、科技等多个主题，用于多语言对比语言学研究。 文件详解 意大利语新闻文章文件...
-
Archi_Text_Corpus_Based_阿奇语2006_2007年语料库完整数据
2025年12月23日 30 26 8
数据集概述 本数据集为阿奇语语料库，包含2006-2007年在阿奇村收集的50余篇多体裁文本，涵盖故事、对话、传说、歌曲等，多数配有音视频记录。内容包含重新录制的1977年已发表文本及新采集文本，本版本文本均源自1977年出版的《阿奇语：文本与词典》。 文件详解 文档文件（共66个，包含两种格式）：...
-
乌兹别克语停用词列表数据集
2025年12月23日 30 118 26
数据集概述 本数据集包含通过三种自动方法从乌兹别克语"学校语料库"生成的停用词列表，涵盖单字词、双字词及带搭配的双字词停用词，为乌兹别克语自然语言处理任务提供基础资源。 文件详解 压缩包文件: uzbek_stopwords.zip: ZIP格式压缩包，包含以下核心文件： stopwords_unigrams.txt:...
-
基于Sonar_1训练的e2e_Dutch模型数据集
2025年12月23日 30 13 2
数据集概述 本数据集包含一个基于Sonar语料库训练的e2e-Dutch模型，需配合e2e-Dutch代码使用。数据集包含模型配置、说明文档及模型压缩包三类文件，为相关任务提供模型支持。 文件详解 文件名称: README.pdf：PDF格式，为模型说明文档，可能包含模型使用方法、训练背景等信息。 文件名称:...
-
AntConc聚类工具生成文件集合
2025年12月22日 30 46 26
数据集概述 本数据集为使用AntConc聚类工具生成的文件集合，包含文本、表格、图片及配置等多种格式文件，围绕不同主题词（如rights、german、ceremony等）的聚类结果展开，为文本聚类分析提供直接数据支持。 文件详解 文件总数：25个，均为根目录下的独立文件 文件类型分布：...
-
荷兰文化期刊_De_Gids_主题建模数据集
2025年12月22日 30 62 39
数据集概述 本数据集是论文《Topic Modelling “De Gids”：An Explorative Study into the Use of Topic Modelling on a Cultural Periodical》的配套数据，包含论文原文及实验相关文件，用于支持对荷兰文化期刊《De Gids》的主题建模研究。 文件详解...
-
塞尔维亚语动词派生名词注释数据库
2025年12月20日 30 29 24
数据集概述 本数据集包含塞尔维亚语中动词派生名词的注释数据，通过对CLASSLA-web.sr语料库中动词“očekivati（期待）”后接名词的例句进行人工标注，分析其形态、词缀、基动词及补语等特征，为研究动词派生名词的语言特性提供支持。 文件详解 文件名称: Annotated database of deverbal...
-
金融新闻文本挖掘平行语料库数据集2007_2020
2025年12月15日 30 210 122
数据集概述 本数据集为金融领域的英汉平行新闻语料库，包含2007至2020年的60,473篇双语文档，涵盖新闻的标题、正文等核心内容，可用于金融领域的平行双语文本挖掘研究。 文件详解 文件名称：FT-en-zh.rar 文件格式：RAR压缩包...
-
英文公证语篇中情态动词使用研究数据集
2025年12月13日 30 202 107
数据集概述 本数据集围绕英文公证语篇中的情态动词使用展开研究，包含一份相关的PDF文档，为分析公证语篇中情态动词的功能、分布及语用特征提供资料支持。 文件详解 文件名称: Ezozkhon Ortikova.pdf 文件格式: PDF (.pdf) 内容:...
-
巴西葡萄牙语中含度量单位的强化结构数据集
2025年12月12日 30 1 0
数据集概述 本数据集包含巴西葡萄牙语中“动词+度量单位”强化结构的真实语料，如“correr quilômetros（跑数公里）”“chorar rios（哭成河）”，数据来源于数字媒体文本，未对原始版本进行修改，同时包含动词分类、主语生命性等分析维度。 文件详解 文件名称: intensificadores unidades de medida -...
-
Open_Linguistics待发表文章补充材料与原始数据
2025年12月5日 30 15 13
数据集概述 本数据集包含发表于《Open Linguistics》的论文《COVID-19的语言影响：四种语言的语料库研究》的补充材料（A、B、C）及原始数据，涵盖病毒名称及相关词汇的多语言原始数据，为研究提供支撑。 文件详解 补充材料文件： Supplement A.pdf、Covid discourse Supplement...
-
JAAH音频对齐爵士和声数据集
2025年12月4日 30 168 100
数据集概述 该数据集包含113首爵士曲目标注，选自《史密森尼经典爵士合集》和《爵士：史密森尼选集》，覆盖不同表演者、子流派及历史时期。标注由爵士音乐家完成，涵盖全曲的节拍、结构及和弦信息。 文件详解 文件名称: MTG/JAAH-v0.1.zip 文件格式: ZIP压缩包 内容说明:...
-
宾夕法尼亚德语词表_词形还原与词性标注
2025年12月4日 30 109 9
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）...
-
GPT_4生成传记中的性别偏见研究补充材料_意大利语与法语人名语料库
2025年12月4日 30 199 23
数据集概述 本数据集是关于GPT-4生成传记中性别偏见的语料库研究补充材料，聚焦意大利语和法语人名的分析。数据集包含一份PDF格式的补充文档，为理解模型生成内容中的性别偏见现象提供支持。 文件详解 文件名称: Decesare_Weidensdorfer_Burchardt_2025_supplementary material_LaGenda.pdf...
