Hindawi_Based_19_20世纪阿拉伯文学计量风格测试语料库_数据集

数据集概述

本数据集包含19世纪至20世纪初的三类阿拉伯文学文本语料库，用于计量风格测试。涵盖Jurji Zaydan的22部编年历史小说、8位作者的65部作品、28位作者的300部作品。文本经标准化处理，适配R stylo工具，原始来源为Hindawi平台，压缩包内为UTF8编码的清洁文本文件。

文件详解

• 主文件
• 文件名称：Hindawi_Corpus_Rstylo-v.1.0.0.zip
• 文件格式：ZIP
• 字段映射介绍：压缩包内含三类子语料库的清洁文本文件，命名遵循OpenITI项目规范（适配R stylo使用下划线连接）：Jurji Zaydan语料库为“YEAR_TITLE”格式，其他语料库为“AUTHOR_TITLE”格式；文本已完成阿拉伯语正字法标准化（移除短元音、简化alif写法、转换alif maqṣūraŧ为yāʾs）。

数据来源

https://www.hindawi.org/

适用场景

• 作家风格时序分析：利用Jurji Zaydan编年语料库测试单个作家写作风格的时间变化趋势。
• 作者归属研究：通过多作者语料库（corpus065、corpus300）开展文学作品的作者身份识别与归属验证。
• 阿拉伯文学风格特征提取：分析19-20世纪阿拉伯文学的语言风格共性与差异。
• 计量文体学工具适配研究：基于标准化语料库测试R stylo等工具在阿拉伯语文本分析中的应用效果。