数据集概述
本数据集是基于佛教数字资源中心（BDRC）数字化文本集的古典藏文分词版本语料库，采用TiMBL的基于记忆的标注器进行词性标注，未经过后处理或人工校正，包含12个压缩文件。
文件详解
该数据集包含12个压缩文件，具体说明如下：
- 文件名称及格式：均为ZIP格式压缩文件，示例包括VajraVidyaPostSegmented.zip、OCR2017PostSegmented.zip、TulkuSangagPostSegmented.zip、KarmaDelekPostSegmented.zip、DharmaDownloadPostSegmented.zip、PalriParkhangPostSegmented.zip、eKangyurPostSegmented.zip、DrikungChetsangPostSegmented.zip等
- 内容说明：文件为基于BDRC数字化文本的分词后标注语料，未提供README或内容预览，KarmaDelek目录下少量文件虽原始XML输入已损坏仍被标注
数据来源
- Jeff Wallman, Zach Rowinski, Ngawang Trinley, Chris Tomlinson, Kurt Keutzer（2017）
- Nathan W. Hill, Edward Garrett（2017）
- Buddhist Digital Resource Center
- Zenodo
适用场景
- 古典藏文语言学研究：用于词性标注模型训练与评估
- 自然语言处理应用：支持藏文分词、句法分析等任务的算法开发
- 数字人文研究：为古典藏文文献的数字化分析提供标注语料支持
- 语料库语言学分析：探索古典藏文的词汇特征与语法规律
