找到4个数据集

分类: 公开数据 标签: 分词

过滤结果

  • 西班牙临床过敏笔记语料库

    2025年12月23日 30 51 0

    数据集概述 该数据集是首个西班牙语临床过敏笔记语料库，包含西班牙阿尔科尔孔基金会大学医院过敏科及急诊科197名患者的828篇临床文本，涉及病历模板多样，含拼写错误、缩写等非正式临床书写特征，为西班牙语过敏领域NLP研究提供数据支持。 文件详解 文件名称: HUFA corpus annotation guidelines.pdf 文件格式: PDF...
    packageimg

  • 突尼斯阿拉伯语拉丁转写语料库2017_2021

    2025年12月21日 30 56 52

    数据集概述 该数据集是2017-2021年构建的突尼斯阿拉伯语（ISO 693-3: aeb）拉丁转写（Arabizi）文本资源，通过网络爬取Facebook公开页面消息，经人工筛选保留纯突尼斯阿拉伯语拉丁转写内容，无标注或调整，用于解决突尼斯阿拉伯语拉丁转写NLP数据库缺失问题。 文件详解 文本文件（.txt格式，共13个）：...
    packageimg

  • 提格利尼亚语语言建模数据集TLMD_v1_0_0

    2025年12月13日 30 114 106

    数据集概述 该数据集是为提格利尼亚语语言建模构建的单语种数据集，是同类数据中规模最大的提格利尼亚语数据集。数据经轻量清理，包含训练集（百分之九十八）和验证集（百分之二），支持自然语言处理研究。 文件详解 文件名称: tlmd_v1.0.0.zip 文件格式: ZIP压缩包 数据结构:...
    packageimg

  • 古典藏文标注语料库2020_Version2_带分词与词性标注

    2025年12月7日 30 94 28

    数据集概述 该数据集为古典藏文标注语料库（ACTib）第二版，包含超一亿八千五百万个词元，基于XML文件构建，提供分词与词性标注的压缩文件，采用自动后处理方法，未涉及人工校正。 文件详解 数据集包含11个压缩文件，具体说明如下： - 压缩文件组（共11个.zip格式文件）： - SegPOS-...
    packageimg