数据集概述
本数据集是早期英语书信语料库（CEEC-400）18世纪部分的第三个公开版本，是未出版的《早期英语书信扩展标注语料库》（TCEECE）的抽样提取内容，包含书信元数据、编码说明文档及语料库文件，为早期英语语言研究提供标注语料资源。
文件详解
- 文件名称：CEECES1-metadata.txt
- 文件格式：TXT
- 字段映射：包含LetterID（书信ID）、Collection（语料库）、Period（时期）、SenderID（发信人ID）、SenderFirstName（发信人名字）、SenderLastName（发信人姓氏）、SenderGender（发信人性别）、SenderCurrentRank（发信人当前身份）、SenderHighestRank（发信人最高身份）、SenderStatus（发信人状态）、SenderAge（发信人年龄）、SenderYearOfBirth（发信人出生年份）、SenderAgeGroup（发信人年龄组）、SenderRegion（发信人地区）、SenderSocialMob（发信人社会流动性）等元数据字段
- 文件名称：CEECES2-metadata.txt
- 文件格式：TXT
- 内容说明：CEECES2语料库的元数据文件，格式与CEECES1-metadata.txt一致
- 文件名称：Key to metadata codes in CEECES.pdf
- 文件格式：PDF
- 内容说明：CEECES元数据编码说明文档，解释元数据字段的编码规则
- 文件名称：CEECES-metadata.xlsx
- 文件格式：XLSX
- 内容说明：CEECES语料库的元数据表格文件
- 文件名称：TCEECES manual.pdf
- 文件格式：PDF
- 内容说明：TCEECES数据集使用手册，包含语料库编译、标准化、标注等详细信息
- 文件名称：TCEECES.zip
- 文件格式：ZIP
- 内容说明：TCEECES语料库的压缩包文件
数据来源
赫尔辛基大学语言系
适用场景
- 历史语言学研究：分析18世纪早期英语书信的语言特征与演变规律
- 社会语言学研究：探究不同社会身份（性别、身份、地区）发信人的语言使用差异
- 语料库语言学方法验证：用于测试早期英语语料库的标注技术与分析模型
- 数字人文研究：支撑早期英语书信文本的数字化分析与历史语境还原
