数据集概述
该数据集包含计算语言学脚本的整理结果，基于语言学领域325篇德文学术文本（含AI生成与人类撰写），通过余弦相似度（阈值0.7）将词元聚类为语义类别，涵盖不同词性（名词、动词等）及组合的多次运行结果，提供可视化、成员列表及数值数据文件。
文件详解
- 热图文件（HTML格式）：
- 示例：adjectives_adverbs_heatmap.html、allcategories_heatmap.html等
- 内容：展示各AI模型在不同运行中100个最频繁的语义类别，类别值反映余弦相似度≥0.7的词元总频率
- 成员列表文件（TXT格式）：
- 示例：adverbs_members.txt、allcategories_members.txt等
- 内容：列出每次运行中各语义类别包含的词元，如“abbilden”类别包含abbilden、abzubilden、darstellen等词元
- 数值结果文件（XLSX格式）：
- 示例：adjectives_sheet.xlsx、verbs_sheet.xlsx等
- 内容：存储每次运行的完整数值结果，支持进一步统计分析
数据来源
GitHub：https://github.com/DayJay1992/SemanticAIAnalysis/
适用场景
- 计算语言学研究：分析AI生成文本与人类文本的语义聚类差异
- 自然语言处理应用：为德语文本语义分类模型提供训练或验证数据
- 学术文本分析：探究语言学领域学术文本的语义特征及AI生成文本的语义规律
- 统计分析：基于完整数值结果开展语义类别频率、分布等量化研究
