找到21个数据集

标签: 文本资源

过滤结果

  • dsfsi_Based非洲语言新闻语料库2022

    2026年2月1日 30 180 157

    数据集概述 本数据集为2022年的isiZulu新闻（含文章及标题）与Siswati新闻（仅标题）语料库，包含相关非洲语言的新闻文本资源，支持非洲语言的自然语言处理研究，数据集以单个压缩文件形式呈现。 文件详解 文件名称：dsfsi/za-isizulu-siswati-news-2022-v0.9.5.zip 文件格式：ZIP...
    packageimg

  • ELTeC_gsw_Based_瑞士德语小说集_公开数据集

    2026年1月30日 30 106 30

    数据集概述 本数据集是欧洲文学文本集合（ELTeC）的瑞士德语小说子集，由COST Action "Distant Reading for European Literary History"项目生成，包含100部符合语料库构成标准的瑞士德语小说，采用TEI编码，支持欧洲文学远程阅读研究，总计102个文件。 文件详解 核心数据文件...
    packageimg

  • NCOMMS_25_07426_Based_文档数据_无时间

    2026年1月29日 30 111 70

    数据集概述 本数据集包含一个与NCOMMS-25-07426相关的Word文档，无额外描述信息。数据集结构简单，仅含单个文档文件，未检测到命名模式、训练测试/数据标签/原始处理等数据划分。 文件详解 文件名称：Word 文档.docx 文件格式：.docx 字段映射介绍：未提供文件内容预览，无法获取具体字段信息，仅可确认文件类型为Word文档。...
    packageimg

  • ELTeC_ukr_Based_乌克兰小说语料库2021年4月发布数据

    2026年1月23日 30 138 109

    数据集概述 本数据集为ELTeC-ukr乌克兰小说语料库2021年4月发布版本，包含50部编码为1级的乌克兰小说。数据集共2个文件，无目录结构，主要文件类型为压缩包和说明文档，用于支持欧洲文学远程阅读研究。 文件详解 文件名称：README.md 文件格式：MD 字段映射介绍：包含语料库基本信息、贡献者列表、项目背景（COST Action...
    packageimg

  • generated_texts_Based_生物基因NLP微调模型评估数据

    2026年1月21日 30 58 6

    数据集概述 本数据集包含用于模型评估的微调模型生成文本，核心围绕生物基因领域的NLP文本生成任务。数据集仅含1个JSON格式文件，无训练/测试、数据/标签或原始/处理数据划分，无目录层级结构，是生物基因NLP模型评估的专用文本资源。 文件详解 文件名称：generated_texts.json 文件格式：JSON...
    packageimg

  • IN02061_Sanskrit_Epidoc草案_Balambu铭文梵语文本数据

    2026年1月18日 30 112 87

    数据集概述 本数据集为IN02061 Balambu铭文的梵语XML文件，是待纳入“Siddham”档案的Epidoc格式草案版本，不含元数据。数据集仅包含一个XML文件，用于记录和分析该铭文的梵语文本内容，为考古与梵语研究提供结构化文本资源。 文件详解 文件名称：IN02061.xml 文件格式：XML...
    packageimg

  • IN01053_Sanskrit_XML_Mrgesavarman_Halsi_Grant梵语铭文文件

    2026年1月3日 30 103 1

    数据集概述 本数据集包含IN01053号Mrgesavarman的Halsi Grant梵语铭文的XML文件，无元数据。数据集仅含一个文件，无目录层级，文件类型单一为XML格式，未划分训练/测试、数据/标签或原始/处理数据。 文件详解 文件名称：IN01053.xml 文件格式：XML 字段映射介绍：包含Mrgesavarman的Halsi...
    packageimg

  • 哥廷根印度语言电子文本注册中心不二论数据集

    2025年12月23日 30 13 12

    数据集概述 该数据集为哥廷根印度语言电子文本注册中心（GRETIL）收录的不二论（ADVAITA）相关电子文本，包含3个HTML格式文件，聚焦印度语言中的不二论主题文本资源。 文件详解 文件名称: moksop_u.htm、motik_au.htm、motik_pu.htm 文件格式: HTML（.htm） 内容说明:...
    packageimg

  • 哥廷根印度语言电子文本注册吠陀数据集

    2025年12月23日 30 139 80

    数据集概述 本数据集是哥廷根印度语言电子文本注册（GRETIL）中关于吠陀（VEDA）的电子文本集合，包含37个HTML格式文件，主要为吠陀相关文本内容，未划分训练测试集、数据标签或原始/处理数据，为印度语言及吠陀文本研究提供基础资料。 文件详解 该数据集包含37个HTML格式文件，具体说明如下： - 文件类型: 所有文件均为.htm格式，占比100%...
    packageimg

  • 全球生态问题文献

    2025年12月22日 30 36 9

    数据集概述 本数据集包含一份关于全球生态问题的文献资料，以PDF格式呈现，聚焦生态领域的相关议题，为研究全球生态问题提供参考性文本资源。 文件详解 文件名称: Raxmatova Muxayyo.pdf 文件格式: PDF (.pdf) 文件内容: 文档文件，推测为关于全球生态问题的研究文献或相关资料 适用场景 生态学研究:...
    packageimg

  • IN02061_Balambu_Based_铭文翻译标准化完整数据

    2025年12月21日 30 81 30

    数据集概述 本数据集包含IN02061 Balambu Dhakasitol铭文的翻译文档，以两种格式呈现，为铭文内容的查阅与研究提供文本支持。 文件详解 IN02061 CII Balambu Dhakasitol Inscription.docx：Word文档格式，包含Balambu铭文的翻译文本内容 IN02061 CII Balambu...
    packageimg

  • 突尼斯阿拉伯语拉丁转写语料库2017_2021

    2025年12月21日 30 19 14

    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

  • 哥廷根印度语言电子文本注册中心耆那教文献数据集

    2025年12月21日 30 199 104

    数据集概述 本数据集是哥廷根印度语言电子文本注册中心（GRETIL）收录的耆那教文献集合，包含三篇以.htm格式存储的电子文本文件，为耆那教文献研究提供了电子化资源。 文件详解 文件名称: hsasvriu.htm、hsasvrpu.htm、hsasvrau.htm 文件格式: HTML (.htm)，共3个文件，占比百分之百 内容说明:...
    packageimg

  • 哥廷根印度语言电子文本登记册_胜论派文献数据集

    2025年12月13日 30 155 6

    数据集概述 该数据集是哥廷根印度语言电子文本登记册（GRETIL）的一部分，聚焦于印度胜论派（VAIŚEṢIKA）相关文献，包含4个HTML格式文件，提供胜论派哲学文本的电子资源。 文件详解 数据集包含4个HTML格式文件，具体如下： - 文件名称：paddhs_u.htm、vaisessu.htm、vaissu1u.htm、vvmanmhu.htm...
    packageimg

  • IN02070_Yampibahi_Based_水管道铭文翻译完整数据_说明_1_主题_时间_保留核心锚点IN02070_Yampibahi_补充_水管道...

    2025年12月15日 0 67 28

    数据集概述 本数据集包含IN02070 Yampibahi铭文的翻译文档，涉及水管道相关内容。数据集由两个文件组成，涵盖Word文档和PDF两种格式，为研究该铭文的内容和历史背景提供基础资料。 文件详解 文件名称：IN02070 CXV Yampibahi water conduit Inscription.docx 文件格式：DOCX...
    packageimg

  • 哥廷根印度语言电子文本注册库ARTHA数据集

    2025年12月14日 30 144 137

    数据集概述 本数据集是哥廷根印度语言电子文本注册库（GRETIL）的一部分，聚焦于印度语言电子文本资源，包含一个HTML格式的文本文件，为研究印度语言文本提供基础数据支持。 文件详解 文件名称: kautil_u.htm 文件格式: HTML (.htm) 内容说明:...
    packageimg

  • IN02092_Bahilitole_Patan_Based_铭文2译文多格式数据资源包

    2025年12月14日 30 148 127

    数据集概述 该数据集包含IN02092 Bahilitole Patan铭文2的译文资料，涵盖PDF和DOCX两种格式的文档文件，为研究该铭文内容提供文本资源。 文件详解 文件名称：IN02092 CLIII Bhogvananhitol.pdf 文件格式：PDF 内容说明：铭文2的译文文档，以PDF格式存储 文件名称：IN02092 CLIII...
    packageimg

  • 情感表达短语单位类型构建数据集

    2025年12月13日 30 158 28

    数据集概述 本数据集包含一份关于情感表达短语单位类型构建的文档，聚焦于情感类短语单位的类型学研究，为相关语言学分析提供资料支持。 文件详解 文件名称: Azimbayeva D.A..pdf 文件格式: PDF (.pdf) 文件内容: 文档围绕情感表达短语单位的类型构建展开，具体内容需查看PDF原文获取 适用场景...
    packageimg

  • 哥廷根印度语言电子文本注册库_达摩经文集

    2025年12月11日 30 206 104

    数据集概述 该数据集是哥廷根印度语言电子文本注册库（GRETIL）中的达摩经文（DHARMA SŪTRA）文本集合，包含六部以.htm格式存储的印度语言电子文本，为研究印度传统达摩经文提供原始文本资源。 文件详解 核心文本文件（共6个，均为.htm格式）： gautdh_u.htm：达摩经文相关电子文本 vaikhd_u.htm：达摩经文相关电子文本...
    packageimg

  • 罗马碑铭数据库EDR的EpiDoc格式转换文件

    2025年12月8日 30 57 53

    数据集概述 本数据集是将罗马碑铭数据库（EDR）的部分内容自动转换为EpiDoc格式后的结果，包含多份按编号范围划分的压缩文件，为碑铭研究提供标准化的数字文本资源。 文件详解 压缩文件集（共7个，均为ZIP格式）： 025001-050000.zip：包含编号25001至50000的碑铭数据...
    packageimg