-
突尼斯阿拉伯语拉丁转写语料库2017_2021
2025年12月21日 30 117 50
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）：...
-
提格利尼亚语语言建模数据集TLMD_v1_0_0
2025年12月13日 30 56 3
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:...
-
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 30 153 68
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-...
-
越南新闻文章内容分词与处理数据集
2025年10月5日 30 158 151
越南新闻文章内容分词与处理数据集_Vietnamese_News_Articles_Content_Segmentation_and_Processing 数据来源：互联网公开数据 标签：自然语言处理, 文本分析, 越南语, 分词, 新闻文章, 文本摘要, 信息抽取, 语言模型 数据概述：...
-
法律文本分词数据集BKAILegalCorpusSegmentedDataset-lamtruong1594
2025年5月29日 30 164 124
法律文本分词数据集BKAILegalCorpusSegmentedDataset-lamtruong1594 数据来源：互联网公开数据 标签：法律文本，数据集，分词，自然语言处理，文本分析，机器学习，法律研究，语义理解 数据概述： 该数据集包含来自BKAI机构提供的法律文本数据，记录了已分词的法律文本内容。主要特征如下：...
-
推特情感分析处理数据集-2011-halemogpa
2025年5月4日 30 90 13
推特情感分析处理数据集-2011-halemogpa 数据来源：互联网公开数据 标签：推特,情感分析,NLP,机器学习,数据集,预处理,分词 数据概述：...
-
孟加拉电子产品分词数据集BanglaElectronicsLemmatizedFinalDataset-nirajmahi
2025年4月24日 30 165 1
孟加拉电子产品分词数据集BanglaElectronicsLemmatizedFinalDataset-nirajmahi 数据来源：互联网公开数据 标签：电子产品，数据集，分词，自然语言处理，机器学习，文本分析，语言学，数据挖掘 数据概述： 该数据集包含来自孟加拉国电子产品领域的分词数据，记录了电子产品相关的文本信息。主要特征如下：...
-
文章数据集文本预处理-大小写转换过滤分词去停用词词干提取-muhammadalwi
2025年4月21日 30 43 4
文章数据集文本预处理-大小写转换过滤分词去停用词词干提取-muhammadalwi 数据来源：互联网公开数据 标签：文本预处理,自然语言处理,NLP,大小写转换,过滤,分词,停用词,词干提取,文章数据集 数据概述：...
-
印度马拉地语新闻标题清理数据集
2025年4月15日 30 96 17
印度马拉地语新闻标题清理数据集 数据来源：互联网公开数据 标签：马拉地语,新闻标题,文本清理,数据处理,自然语言处理,SKlearn,分词,文本分析 数据概述： 本数据集包含约12000条经过清理的马拉地语新闻文章标题，源自iNLTK原始数据集。清理步骤包括罗马化、规范化、去除重复项及使用Indic-NLP-...
