数据集概述
该数据集是CHYLSA项目下的childPoeDE语料库元数据，包含一千零八十二首1991至2019年出版的德国儿童诗歌的元数据，涵盖诗歌层面（作者、长度、韵律等）、词元层面（词性、拟声词等）信息，以及词频表和处理脚本等。
文件详解
- 数据文件（CSV格式）：
- childPoeDE_poemlevel_metadata.csv：诗歌层面元数据，字段包括Poem_Id（诗歌ID）、Title_Poem（诗歌标题）、Author（作者）、Gender（性别）、Publication_Year_Anthology（诗集出版年份）等
- childPoeDE_tokenlevel_metadata_reduced.csv：词元层面元数据，包含词长、词性标签、拟声词标识等字段
- childPoeDE_wordfreq_data.csv：词频数据表
- childPoeDE_TTR_data.csv：类型-词元比（TTR）数据，包含types_per_doc（类型数）、token_per_doc（词元数）、TTR值等字段
- childPoeDE_poem_omissions.csv：未纳入语料库的诗歌列表，字段包括Author（作者）、Title（标题）、Anthology（诗集）
- 说明文档（TXT格式）：
- README_childPoeDE_wordfreq_data.txt：词频数据说明文档
- README_childPoeDE_ttr_data.txt：TTR数据说明文档
- README_childPoeDE_tokenlevel_metadata_reduced.txt：词元层面元数据说明文档
- README_childPoeDE_poemlevel_metadata.txt：诗歌层面元数据说明文档
- 代码文件：
- poemtool.py：Python脚本，用于从文本中提取部分元数据
- 图片文件：
- childPoeDE_poemlevel_data_overview.png：诗歌层面数据概览图
数据来源
DFG Schwerpunktprogramm SPP 2207 “Computational Literary Studies”、Subproject “CHYLSA (Children’s and Youth Literature Sentiment Analysis)”
适用场景
- 计算文学研究：分析儿童诗歌的语言特征、韵律模式与文本结构
- 情感分析研究：探索儿童文学中的情感表达规律
- 语言学研究：研究德语儿童诗歌的词频分布、词性使用特点
- 教育应用：为儿童语言教育资源开发提供数据支撑
- 自然语言处理：用于诗歌文本处理模型的训练与验证
