数据集概述
该数据集包含25篇皮卡德语文本，经人工标注词性、词元、法语翻译及地点实体，由法国ANR资助的RESTAURE项目产出，标注流程详见指定学术文章。
文件详解
- 文件名称: corpus_picard_restaure.zip（压缩包）
- 文件格式: ZIP
- 包含内容:
- "extraits_reference_bruts"文件夹（若有）: 未分词、未标注的原始文本
- "extraits_reference_annotes"文件夹: 原始CSV格式的标注文本，含词形法语翻译、4项地点实体标注特征（Quaero类别）、2项术语构成特征
- "picud"文件夹: CoNLL-U格式的标注文本
- "liste_textes_distribues.csv": 文本详情表，含作者、书名、出版年份、编码、体裁、语言区域字段
- 标注规则: 词元/法语翻译与前x个词相同标注为"IDEM-x"
数据来源
法国ANR资助的RESTAURE项目
适用场景
- 自然语言处理研究: 皮卡德语词性标注、词元化等任务的模型训练与评估
- 机器翻译研究: 皮卡德语-法语翻译模型构建与优化
- 地名识别研究: 低资源语言地名实体标注方法验证
- 术语学研究: 皮卡德语复合名词、习语等术语结构分析
- 语言资源建设: 濒危语言（皮卡德语）语料库扩充与标准化处理
