数据集概述
本数据集包含SemEval 2020任务1（无监督词汇语义变化检测）的拉丁语测试数据，涵盖两个时期的拉丁语语料库对、40个标注目标词形及其语义变化评分，还提供语料库的原始词形版本，支持词汇语义变化研究。
文件详解
- 文件名称: semeval2020_ulscd_lat.zip
- 文件格式: ZIP压缩包
- 压缩包内包含内容:
- 语料库文件（lemma版本）: corpus1/lemma、corpus2/lemma，为已词形还原、词性标注的拉丁语语料库，句子长度≥2、无标点、随机打乱
- 语料库文件（token版本）: corpus1/token、corpus2/token，为原始词形版本，句子顺序与lemma版本一致
- 目标词形文件: targets.txt，包含40个标注词汇语义变化的目标词形
- 标注评分文件: truth/目录下的文件，包含子任务1的二元变化评分、子任务2的分级变化评分
数据来源
CRETA中心、CLARIN-D（德国联邦教育与研究部BMBF资助）
适用场景
- 词汇语义变化研究: 分析拉丁语词汇在不同历史时期的语义演变规律
- 自然语言处理任务: 支持无监督词汇语义变化检测模型的训练与测试
- 历史语言学分析: 探究古罗马至现代拉丁语词汇使用的历时变化
- 语料库语言学研究: 基于大规模标注语料开展拉丁语词汇特征分析
