数据集 - 海数据

北萨米语广播字幕语料库_2021_2024

2026年2月1日 30 168 33

数据集概述本数据集为北萨米语YLE Areena字幕语料库，包含2021年3月31日至2024年11月15日期间从YLE Sápmi广播收集的北萨米语字幕句子，涵盖完整句子、句子ID及来源元数据，可用于北萨米语语言研究与资源开发。文件详解文件名称：sami_subtitles.json 文件格式：JSON...

ZIP

Zhivlov_Ob_Ugrian_Swadesh词表注释数据2011

2026年1月22日 30 38 27

数据集概述本数据集基于Zhivlov于2011年发布的《Ob-Ugrian语族（乌拉尔语系）注释Swadesh词表》，由The Global Lexicostatistical Database提供。数据以压缩包形式存储，包含Ob-Ugrian语族的Swadesh词表注释内容，是研究该语族词汇特征的基础资料。文件详解...

ZIP

SEG_Annual_Conferences_词汇与机构数据_1982_2019

2026年1月19日 30 114 87

数据集概述本数据集为SEG（勘探地球物理学家学会）年度会议数据v2.0，涵盖1982-2019年共38届会议。包含词汇短语频率分析数据库SEGgrams.sqlite，以及记录参会企业、各国学术机构及对应机构数量的SEG_affiliations_data.sqlite，整体打包为压缩文件。文件详解文件名称：SEG_Annual-2.zip...

ZIP

古典与文学汉语学习者可靠词汇表原始频率数据集

2025年12月16日 30 189 170

数据集概述该数据集包含古典与文学汉语学习者词汇表的原始频率计数，基于三个语料库（Micheal Loewe早期中文文本、正史、六部小说）构建，为汉语词汇研究提供基础数据支持。文件详解压缩包文件：...

ZIP

论证一词多义性与跨社区连接数据集

2025年12月13日 30 208 204

数据集概述本数据集围绕“论证”一词的多义性展开，包含研究论文终稿及原始分析数据。核心内容为通过Scopus文献分析，揭示该词在不同学科、期刊和社区中的语义分层与共享机制，为理解科学语言如何促进跨领域合作提供数据支持。文件详解数据文件: word_frequencies.csv:...

ZIP

瑞士新冠疫情主流媒体词汇与命名实体分析数据集

2025年12月12日 30 94 31

数据集概述本数据集通过自定义解析器和自然语言处理（NLP）流程，分析2020年1月至2021年5月主流媒体中德、法、意、英四种语言的瑞士新冠疫情相关新闻，提取词汇（Lemmas）和命名实体的出现频率，反映疫情信息传播趋势。文件详解 metadata.xlsx: Excel格式文件，包含新闻文章检索策略、数量等元数据信息 export.zip:...

ZIP

digital_词元在PD与TE项目中的分布数据集2016_2019_2021

2025年12月4日 30 27 4

数据集概述该数据集记录了词元"digital"在PD与TE项目中2016、2019、2021年的分布情况，包含11个文件，以PDF格式为主，辅以Excel数据文件，为分析该词元在不同项目及年份的出现规律提供数据支持。文件详解 PDF文档文件（共10个）：包含PCE 2021.pdf、PCE 2016.pdf、PD 2019.pdf、TE...