数据集概述
本数据集为CLS INFRA框架下WP3的基线方法学用户需求分析补充数据，包含语料库元数据、格式/方法/工具分析结果等9个文件，覆盖全量与开放获取、CLS分类的语料库信息，支持自然语言处理领域的用户需求研究与语料库分析。
文件详解
- 说明文档类
- 文件名称：0_README.md
- 文件格式：MD
- 字段映射介绍：提供数据集开发背景（CLS INFRA WP3框架）及参考链接说明
- 语料库元数据类
- 文件名称：corpus-metadata_full-set_all.csv
- 文件格式：CSV
- 字段映射介绍：包含primary-id（主ID）、secondary-id（次ID）、author（作者）、source（来源）、type（类型）、language（语言）、title（标题）、year（年份）、keywords（关键词）、size_KB（大小KB）、size_tokens（词数）、CLS（分类）、copyright（版权）等全量语料库元数据字段
- 文件名称：corpus-metadata_full-set_cls.csv
- 文件格式：CSV
- 字段映射介绍：包含上述同结构字段，为CLS分类的语料库元数据
- 文件名称：corpus-metadata_open_access_all.csv
- 文件格式：CSV
- 字段映射介绍：包含上述同结构字段，为全量开放获取的语料库元数据
- 文件名称：corpus-metadata_open_access_cls.csv
- 文件格式：CSV
- 字段映射介绍：包含上述同结构字段，为CLS分类的开放获取语料库元数据
- 分析结果类
- 文件名称：results_formats_full.csv
- 文件格式：CSV
- 字段映射介绍：全量格式分析结果数据
- 文件名称：results_methods_full.csv
- 文件格式：CSV
- 字段映射介绍：全量方法分析结果数据
- 文件名称：results_tools_full.csv
- 文件格式：CSV
- 字段映射介绍：全量工具分析结果数据
- 压缩文件类
- 文件名称：CLS-INFRA_WP3_CLS-Corpus_OA.zip
- 文件格式：ZIP
- 字段映射介绍：CLS-INFRA WP3的CLS分类开放获取语料库压缩包
数据来源
CLS INFRA框架下WP3项目
适用场景
- NLP语料库资源管理: 利用元数据文件分析语料库的来源、类型、版权分布，支撑语料库资源的分类与整合
- 用户需求分析研究: 通过格式/方法/工具分析结果，洞察自然语言处理领域用户对语料库的需求偏好
- 开放获取语料库应用: 基于开放获取元数据文件，筛选可公开使用的语料库资源用于学术研究
- 语料库规模与特征分析: 借助size_KB、size_tokens等字段，统计语料库的规模分布与语言特征
