数据集概述
该数据集旨在解决计算语言学和自然语言处理（NLP）中少数民族语言严重代表性不足的问题。包含查克马语、加罗语、马尔马语的音译文本样本，以及标准孟加拉语和英语翻译，共3046条标注句子，适用于语言识别、机器翻译和情感分析等任务。
文件详解
- 数据文件：
- Language Dataset- Chakma, Garo, Marma, Standard Bangla & English.xlsx：Excel格式，包含查克马语、加罗语、马尔马语、标准孟加拉语和英语的多语言文本数据，支持NLP任务。
- Language Dataset- Chakma, Garo, Marma, Standard Bangla & English - Language Dataset- Chakma, Garo, Marma & Standard Bangla-1.csv：CSV格式，提供结构化数据，便于数据分析工具读取。
- 文档文件：
- Acknowledgements & Information, about Volunteers.pdf：PDF格式，包含志愿者致谢和相关信息。
适用场景
- 语言识别模型构建
- 机器翻译系统开发
- 情感分析研究
- 低资源语言计算研究
- 少数民族语言文化保护
- 社交媒体文本分析
