数据集概述
本数据集为匈牙利名词数据集，基于Unimorph数据清理而来，采用Paralex标准格式构建，包含10个文件，涵盖结构化CSV表格、说明文档、元数据等。数据以关系模型组织，提供匈牙利名词的词形、词素、特征值等信息，适用于语言学研究与自然语言处理任务。
文件详解
- 数据文件（CSV格式，共5个）
- parahungarian_cells.csv：包含cell_id、pos等字段，记录名词的形态句法单元格信息
- parahungarian_lexemes.csv：包含lexeme_id、label、pos字段，记录匈牙利名词词元信息
- parahungarian_sounds.csv：音频相关字段的名词数据文件（具体字段未完全展示）
- parahungarian_forms.csv：名词词形相关数据文件（具体字段未完全展示）
- parahungarian_features-values.csv：名词特征值映射数据文件（具体字段未完全展示）
- 说明文档（MD格式，共2个）
- README.md：数据集说明文档，介绍数据来源、格式标准及使用方法
- data_sheet.md：数据工作表，提供数据集详细描述
- 元数据文件（JSON格式）
- parahungarian.package.json：采用Frictionless标准的元数据文件，记录数据集元信息
- 配置文件（YML格式）
- paralex-infos.yml：Paralex标准相关配置信息
- 许可文件（无扩展名）
- LICENSE：数据集许可协议文件
数据来源
Unimorph Beniamine and Guzmán Naranjo (2022)
适用场景
- 语言学研究：分析匈牙利名词的形态句法特征、词形变化规律
- 自然语言处理：用于匈牙利语词形还原、词性标注等任务的模型训练与测试
- 语言资源建设：构建匈牙利语词汇知识库与范式词典
- 计算语言学：研究名词形态学的计算建模与分析方法
