数据集概述
本数据集为VeLeCa，即加泰罗尼亚语动词屈折变化词库，包含三千四百八十四个词位的十七万四千二百个词形的语音形式，以及对应的词汇、形态句法属性和频率数据。数据集总计十个文件，覆盖数据、文档、代码等类型，为加泰罗尼亚语动词的语言学研究提供结构化资源。
文件详解
- 数据文件（CSV格式，共5个）
VeLeCa_sounds.csv：含sound_id、tier、value等语音特征字段VeLeCa_cells.csv：含cell_id、frequency（频率）、frequency_adjusted（调整后频率）等字段VeLeCa_forms.csv：未提供预览，推测为动词词形相关数据VeLeCa_features-values.csv：未提供预览，推测为形态句法特征及取值数据VeLeCa_lexemes.csv：未提供预览，推测为动词词位相关数据- 文档文件（MD格式，共2个）
README.md：含参考文献、数据集描述及关键词data_sheet.md：未提供预览，推测为数据集详情说明- 代码文件（PY格式，1个）
gen-metadata.py：推测为元数据生成脚本- 其他文件（共2个）
LICENSE：无格式，为许可文件VeLeCa_package.json：JSON格式，推测为项目配置文件
数据来源
论文“VeLeCa: a verbal lexicon of Catalan with PCFP analysis”
适用场景
- 加泰罗尼亚语语言学研究：分析动词的屈折变化规则、形态句法属性及语音特征
- 自然语言处理模型训练：为加泰罗尼亚语动词形态分析、词性标注等任务提供标注数据
- 语言教学资源开发：支持加泰罗尼亚语动词学习材料的设计与词频统计应用
- 语音学研究：利用语音特征字段探究加泰罗尼亚语动词的语音规律与音节结构
