维基百科双语单标签语料库

数据集概述

该数据集是一个西班牙语-英语双语单标签语料库，包含英文文档3019篇、西班牙文文档832篇，覆盖文化艺术、地理与地点、数学与逻辑三类主题，可用于自然语言处理相关研究。

文件详解

• 文件名称: wikipedia_corpus.zip
• 文件格式: ZIP (.zip)
• 内容说明: 可能包含语料库的核心数据文件，如文本数据及分类标签等
• 文件名称: wikipedia_corpus_creation_process.png
• 文件格式: PNG (.png)
• 内容说明: 可能为语料库创建过程的示意图或流程图

适用场景

• 自然语言处理研究: 用于双语文本分类、跨语言模型训练等任务
• 主题分类模型开发: 基于三类主题的文本分类算法验证与优化
• 语料库语言学分析: 探究不同语言在通用主题下的文本特征差异
• 多语言机器学习应用: 辅助构建支持西班牙语与英语的多语言模型