数据集概述
本数据集是基于佛教数字资源中心（BDRC）数字化文本集构建的古典藏语词性标注语料库第二部分，使用TiMBL的基于记忆的标注器（Memory-Based Tagger）完成标注，未经过后处理或人工校正。
文件详解
- 压缩文件集（共12个，均为.zip格式）：
- DharmaDownloadtagged.zip：包含标注后的DharmaDownload文本集
- OCR2017tagged.zip：包含标注后的OCR2017文本集
- GuruLamaWorksTagged.zip：包含标注后的GuruLamaWorks文本集
- VajraVidyaTagged.zip：包含标注后的VajraVidya文本集
- Shechentagged.zip：包含标注后的Shechen文本集
- eKanjurtagged.zip：包含标注后的eKanjur文本集
- DrikungChetsangtagged.zip：包含标注后的DrikungChetsang文本集
- TulkuSangagTagged.zip：包含标注后的TulkuSangag文本集（注：剩余4个压缩文件未提供具体名称，均为同类词性标注后的古典藏语文本压缩包）
数据来源
Zenodo（基于BDRC数字化文本集、Hill & Garrett 2017年的训练数据构建）
适用场景
- 古典藏语语言学研究：分析古典藏语的词性分布与语法结构
- 自然语言处理模型训练：为古典藏语词性标注、句法分析等任务提供训练数据
- 数字人文研究：支撑古典藏语文本的数字化分析与挖掘
- 藏语语料库建设：补充和扩展现有古典藏语标注语料资源
