数据集概述
本数据集是基于2015年11月2日荷兰维基百科数据生成的位置存储Lucene索引，用于配合Palmetto工具计算主题连贯性。包含索引文件、说明文档及案例研究报告，支持荷兰语资源的主题分析研究。
文件详解
- 文件名称: README.md
- 文件格式: Markdown (.md)
- 内容说明: 数据集使用说明文档，包含索引生成背景、预处理步骤（如词形还原、停用词处理）及Palmetto工具的使用指引。
- 文件名称: nlwiki-palmetto.tar.gz
- 文件格式: 压缩包 (.tar.gz)
- 内容说明: 荷兰维基百科的位置存储Lucene索引文件，用于主题连贯性计算的核心数据资源。
- 文件名称: case_study.pdf
- 文件格式: PDF (.pdf)
- 内容说明: 案例研究报告，结果显示NPMI是荷兰名词主题的最佳主题连贯性度量方法。
数据来源
Netherlands eScience Center Dilipad project
适用场景
- 自然语言处理研究: 用于荷兰语文本的主题连贯性评估方法验证与优化。
- 信息检索实验: 支持基于维基百科语料的主题模型性能分析。
- 计算语言学应用: 为荷兰语资源的主题提取与质量评估提供基础数据。
- 学术研究复现: 可复现关于主题连贯性度量的相关研究结果。
