数据集概述
本数据集为GRETIL（哥廷根印度语言电子文本注册库）的TEI格式数据，包含一百零一份印度语言电子文本文件，均为XML格式，无目录层级划分，未进行训练测试、数据标签或原始处理数据的拆分，可用于印度语言文献的数字化研究与分析。
文件详解
- 数据文件
- 文件名称：包含sa_bAdarAyaNa-brahmasUtra.xml、sa_avadAnazataka.xml、sa_asaGga-zarIrArthagAthA.xml等一百零一份文件
- 文件格式：XML
- 字段映射介绍：采用TEI（文本编码倡议）标准格式，包含印度语言电子文本的结构化内容与元数据信息
- XML元数据文件
- 文件数量：5份
- 文件格式：XML
- 字段映射介绍：记录数据集相关的元数据信息，具体字段需参考文件内容
数据来源
GRETIL - Göttingen Register of Electronic Texts in Indian Languages
适用场景
- 印度语言文献研究：用于印度语言古典文献、宗教文本等的数字化整理与内容分析
- TEI格式文本处理：作为TEI标准格式的语料，支持文本编码、解析与语义分析相关技术研究
- 印度文化数字化保存：为印度语言文化遗产的电子存档与共享提供基础数据
- 语言资源库建设：补充印度语言电子文本资源，支持多语言语料库的构建与应用
