CONTRAST_IT_Corpus_French_News_Articles_2011_2012

数据集概述

本数据集是CONTRAST-IT多语言语料库的法语部分，包含2011-2012年来自法国《世界报》和《费加罗报》的520篇真实新闻文章，总计约30万字。文章覆盖经济、体育、国际新闻等多个主题，是构建对比语言学研究语料库的基础数据。

文件详解

• 文件概况：共11个文档文件，包含.doc和.docx两种格式，其中.docx格式8个（占比约72.73%），.doc格式3个（占比约27.27%）
• 示例文件：
• 文件名：Corpus_Le Monde_Economie.doc、Corpus_Le Figaro_Economie_1.docx等
• 内容主题：涵盖经济、体育、国际新闻、政治、文化等新闻类别
• 来源报纸：法国《世界报》（lemonde.fr）和《费加罗报》（lefigaro.fr）

数据来源

CONTRAST-IT项目（瑞士国家科学基金会项目支持）

适用场景

• 对比语言学研究：用于意大利语与法语等多语言的句法、词汇对比分析
• 新闻语料库构建：支持构建当代法语新闻语言的代表性语料库
• 自然语言处理训练：作为法语文本分类、主题建模等NLP任务的训练数据
• 新闻语言特征分析：研究2011-2012年法国主流报纸的语言风格和主题分布