数据集 - 海数据

swadesh_Source_库尔曼吉语斯瓦迪士核心词表数据

2026年2月8日 30 129 17

数据集概述本数据集为库尔曼吉语（Kurmanji）的斯瓦迪士核心词表数据，包含一个压缩文件，无目录结构，未划分训练/测试集、数据/标签集或原始/处理数据集，主要用于语言学领域的词汇研究与分析。文件详解压缩文件文件名称：swadesh-V1.1.zip 文件格式：ZIP...

ZIP

Lexibank_Based_嘉绒语族语言历史比较词汇数据集2023

2026年2月6日 0 87 1

数据集概述本数据集是基于Lai和List 2023年《嘉绒语族语言比较》的CLDF格式词汇数据，包含嘉绒语族语言的历史比较词汇信息，由莱比锡马克斯·普朗克进化人类学研究所发布，版本为1.0，仅含一个压缩文件。文件详解文件名称：lexibank/lairgyalrong-v0.4.zip 文件格式：ZIP...

La_Pola_Siero_感知问卷问题1数据

2026年2月1日 30 86 31

数据集概述本数据集属于La Pola Siero方言语料库的一部分，包含感知问卷的第一个问题内容。数据集仅含一个文件，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，主要用于语言学领域对该方言的感知研究。文件详解文件名称：Pregunta 1 del cuestionario perceptivo.docx 文件格式：DOCX...

ZIP

dsfsi_Based非洲语言新闻语料库2022

2026年2月1日 30 68 5

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...

ZIP

人类语言资源库_基于博罗罗语的词汇数据库存档文件

2026年2月1日 30 199 40

数据集概述本数据集为Bororoan词汇数据库，包含一个压缩文件，属于tupian-language-resources目录下的语言资源，未提供具体描述，文件类型单一为压缩包。文件详解文件名称：bororo-v0.9.5.zip 文件格式：ZIP 字段映射介绍：压缩包文件，包含Bororoan词汇数据库相关内容，具体内部结构及字段信息未提供预览。...

ZIP

VeLeSpa_Spanish_西班牙语动词词库数据

2026年1月31日 30 118 86

数据集概述本数据集为VeLeSpa，是半岛西班牙语的动词词库，包含六百五十五三个动词的全部六十三个音系形式词形变化范式，以及对应的词目级和词形级频率数据。数据集共包含十个文件，涵盖数据表格、说明文档、代码文件等类型。文件详解数据文件（CSV格式）文件名称：VeLeSpa_cells.csv、VeLeSpa_features-...

ZIP

Kpelle_Mano_语半自发话语标注论文补充数据

2026年1月31日 30 43 26

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...

ZIP

CFL_Based汉字构形特征与手写汉字易读性研究数据

2026年1月31日 30 104 22

数据集概述本数据集围绕汉字构形特征与CFL（中文作为外语）初学者手写汉字易读性的关系展开，包含一份研究数据文件，可用于分析汉字结构特征对初学者手写汉字辨识度的影响。文件详解文件名称：Research Data.xlsx 文件格式：XLSX...

ZIP

English_Yoruba_英语到约鲁巴语翻译数据集

2026年1月31日 30 181 67

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...

ZIP

LIM_SOAS_Based藏语动词配价可视化词典数据

2026年1月31日 30 86 21

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...

ZIP

Kam_kdx_Lesage非洲语言词汇表数据2019

2026年1月31日 30 116 3

数据集概述本数据集包含Kam语言（ISO 639-3: kdx；Glottocode: kamm1249）的词汇表，该语言属于尼日尔-刚果语系，主要分布在尼日利亚中东部，分类较困难。数据可作为RefLex资源的引用来源，当前仅提供词形、释义和词类信息，未来将发布包含音系和语法介绍的完整版词典。文件详解...

ZIP

TLS_Based_中国语言学词库_2024_07_23

2026年1月30日 30 133 91

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...

ZIP

CLDF_Ivani_Suansu基础词汇数据集2019

2026年1月30日 30 146 40

数据集概述本数据集是基于Ivani 2019年关于印度东北部藏缅语族语言Suansu的基础词汇研究形成的CLDF格式数据集，核心内容为Suansu语言的基础词汇信息，为语言研究提供结构化资源。文件详解文件名称：lexibank/ivanisuansu-v2.0.zip 文件格式：ZIP...

ZIP

Pere_Based科特迪瓦濒危语言动植物词汇表完整数据

2026年1月30日 30 71 24

数据集概述本数据集为科特迪瓦Pere（又称Bere、Mbre）语言的动植物词汇表。Pere是科特迪瓦中部的严重濒危语言，在Glottolog中以代码mbre1244、ISO 639-3中以代码mka收录。数据集包含一份Excel文件，记录该语言中动植物相关术语，为濒危语言保护和词汇研究提供基础资源。文件详解文件名称：Pɛrɛ flora...

ZIP

Ihanzu_ELAR_词汇诱导会话修改版音频处理教程数据

2026年1月30日 30 59 2

数据集概述本数据集为Andrew Harvey开展的3次Ihanzu词汇诱导会话的修改版本，原始数据来自濒危语言档案库（ELAR）。数据已重采样为16 kHz单声道16位PCM格式，适用于音频处理教程，包含3个文件，可通过Zenodo获取。文件详解文件名称：ihanzu-harvey-0596_20180518opq.zip 文件格式：ZIP...

ZIP

AI4D_Based法语至丰贝埃维神经机器翻译平行文本数据集

2026年1月29日 30 181 125

数据集概述本数据集是面向神经机器翻译任务的多语言平行文本集合，包含从法语到丰贝语（多哥语言）、法语到埃维语（贝宁语言）的平行句子对，总计七万余条标注数据，适用于机器翻译和句子分类任务，由AI4D倡议贡献。文件详解文件名称：French_to_fongbe.csv 文件格式：CSV...

ZIP

CLDF_NorthPeruLex_秘鲁北部小语种词汇数据集

2026年1月29日 30 206 20

数据集概述本数据集为基于CLDF格式的词汇数据集，源自Ugarte等人即将发布的"NorthPeruLex"项目，收录秘鲁北部小语种家族及孤立语言的词汇信息，为该区域语言研究提供结构化数据支持。文件详解主文件包文件名称：lexibank/northperulex-v0.2.zip 文件格式：ZIP...

ZIP

Caucalex_Based_高加索52语言词汇数据集1_0

2026年1月29日 30 24 1

数据集概述本数据集为Caucalex 1.0，包含高加索地区52种语言的词汇数据，覆盖卡尔特维利语系、纳赫-达吉斯坦语系、西北高加索语系、印欧语系和突厥语系五大语言家族，是研究高加索语言词汇特征的基础资料。文件详解文件名称：Caucalex 1.0.xlsx 文件格式：XLSX...

ZIP

ParaKasem_Paralex兼容_Kasem名词数据集

2026年1月29日 30 186 13

数据集概述本数据集为符合Paralex标准的Kasem名词数据集，基于Niggli and Niggli (2007)的研究并经Guzmán Naranjo (2019)人工修正，以关系型CSV表格结构呈现，包含发音、词素、形态等结构化信息，共10个文件，支持语言学范式词典研究。文件详解文档类文件...