数据集概述
本数据集为VeLeRo，即标准罗马尼亚语的屈折动词词库，包含7297个动词的完整语音形式词形变化范式，提供词元级和词形单元级频率数据。数据集共10个文件，涵盖数据文件、文档、代码及元数据等类型，支持罗马尼亚语形态学研究与分析。
文件详解
- 数据文件（CSV格式，共5个）
- VeLeRo_forms.csv：记录动词词形信息，包含form_id（词形ID）、lexeme（词元）、cell（词形单元）、phon_form（语音形式）字段
- VeLeRo_cells.csv：记录词形单元信息，包含cell_id（词形单元ID）、unimorph（形态标记）、frequency（频率）字段
- VeLeRo_lexemes.csv：词元相关数据文件
- VeLeRo_sounds.csv：语音相关数据文件
- VeLeRo_features-values.csv：特征值映射数据文件
- 文档文件（MD格式，共2个）
- README.md：数据集说明文档，包含引用文献等信息
- data_sheet.md：数据说明文档
- 代码文件（PY格式，共1个）
- gen-metadata.py：元数据生成脚本
- 其他文件
- LICENSE：许可文件
- VeLeRo_package.json：包元数据文件
数据来源
论文“VeLeRo: an inflected verbal lexicon of standard Romanian and a quantitative analysis of morphological predictability”
适用场景
- 罗马尼亚语形态学研究：分析动词屈折变化范式与形态标记规则
- 语言资源开发：为罗马尼亚语自然语言处理工具提供动词词形变化数据支持
- 频率语言学分析：基于词元级和词形单元级频率数据，研究罗马尼亚语动词使用规律
- 语音学研究：利用语音形式数据开展罗马尼亚语动词语音特征分析
