数据集概述
该数据集包含帕哈里语（巴基斯坦和印度部分地区使用的低资源印欧语系语言）的人工标注词性（POS）语料库，涵盖名词、动词等主要语法类别，采用基于乌尔都语标签集调整的自定义标签系统，提供词性标注及文本处理相关文件。
文件详解
- 文本数据文件（共6个.txt格式文件）：
- 包括Pahari Dataset/File 9 COMPLETE CLEANED .txt、Pahari Dataset/FILE 10 FINAL FILE TOKENIZED.txt等
- 内容为帕哈里语文本，部分文件标注有"cleaned"（已清洗）、"tokenized"（已分词）属性
- 字段示例：词项（如ہر）+词性标签（如CPR）
- 标注说明文件：
- Pahari Dataset/Annotation Guidelines and final tagset.docx（.docx格式）
- 包含标注规范及最终使用的词性标签集说明
适用场景
- 自然语言处理研究：帕哈里语词性标注模型训练与评估
- 低资源语言分析：探索帕哈里语语法结构及形态特征
- 语料库语言学研究：基于标注语料的语言现象统计分析
- 计算语言学应用：为帕哈里语文本处理工具开发提供数据支持
