数据集概述
该数据集包含ENDE语料库中宾夕法尼亚德语部分的词表，涵盖1761个词元及其对应的2704个词形，已完成词形还原和词性标注，为宾夕法尼亚德语的语言分析提供基础数据。
文件详解
- 词表数据文件：
- 文件名称：ENDE-corpus POS-annotated PDC lexicon.tsv
- 文件格式：TSV（.tsv）
- 字段映射：包含词元_标签（标签集A）、词形_标签（标签集B）等字段，如a'byoosa*_VV（词元及标签集A标注）、a’byoosd_vvpp（词形及标签集B标注）
- 标签集说明文件：
- 文件名称：tagsets A and B.pdf
- 文件格式：PDF（.pdf）
- 内容说明：详细介绍词性标注所使用的标签集A（词元层面）和标签集B（词形层面），基于德国STTS系统修改适配
数据来源
ENDE语料库（www.deitsch.eu）
适用场景
- 宾夕法尼亚德语语言学研究：分析词形变化、词性分布等语言特征
- 自然语言处理：为宾夕法尼亚德语的词性标注模型训练提供标注数据
- 语料库语言学：支持宾夕法尼亚德语文本的词元提取、词形还原等基础分析
- 语言资源建设：补充低资源语言宾夕法尼亚德语的标准化词表资源
