奥克语标注语料库

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-U格式存储的奥克语标注文本，标注内容涵盖词性、词元等语言学信息，无训练/测试、数据/标签、原始/处理数据的拆分结构。

数据来源

RESTAURE项目（法国ANR资助）

适用场景

• 奥克语自然语言处理研究: 用于词性标注、词元分析等基础语言学任务模型训练与验证
• 濒危语言资源建设: 支持奥克语语言资源的数字化保存与开发
• 语言学研究: 为奥克语语法特征、词汇使用规律分析提供实证数据
• 语料库语言学方法应用: 可作为小语种语料库标注与处理的案例参考