Corpus语料库 http://www.nlpir.org/wordpress Tue, 03 Jan 2023 07:30:45 +0000 zh-Hans hourly 1 https://wordpress.org/?v=7.0.3 http://www.nlpir.org/wordpress/wp-content/uploads/2018/12/logo1.gif Corpus语料库 http://www.nlpir.org/wordpress 32 32 NLPIR_UGWS: 维吾尔语分词语料库 http://www.nlpir.org/wordpress/2022/12/29/nlpir_ugws-%e7%bb%b4%e5%90%be%e5%b0%94%e8%af%ad%e5%88%86%e8%af%8d%e8%af%ad%e6%96%99%e5%ba%93/ http://www.nlpir.org/wordpress/2022/12/29/nlpir_ugws-%e7%bb%b4%e5%90%be%e5%b0%94%e8%af%ad%e5%88%86%e8%af%8d%e8%af%ad%e6%96%99%e5%ba%93/#respond Thu, 29 Dec 2022 04:02:37 +0000 http://www.nlpir.org/wordpress/?p=8923 继续阅读 →]]> 项目介绍

NLPIR_UGWS(Natural Language Processing & Information Retrieval Sharing Platform Uyghur Word Segmentation Corpus )是由NLPIR实验室构建的维吾尔语分词语料。原始语料为从CWMT往届语料中选取的共5000条句子。语料库构建的步骤为：语料搜集、聚类、随机抽取、自动分词、人工分词、反复校对。

标准规范

“/”代表切分

数据格式

原文本

分词后的文本

下载

维吾尔语分词500条.txt下载

需要购买更大规模语料联系邮箱liwang@nlpir.org或电话13681251543

开源协议

  1. NLPIR_UGWS面向国内外大学、研究所、企业以及个人研究者免费开放源。
  2. 如有机构或个人拟将NLPIR_UGWS用于商业目的，请发邮件至邮箱洽谈技术许可协议。
  3. 欢迎对该语料的任何宝贵意见和建议，请发邮件至邮箱。
  4. 如果您在NLPIR_UGWS基础上发表论文或取得科研成果，请您在发表论文和申报成果时声明“使用了NLPIR_UGWS”，并引用相关论文。

相关论文

作者

张华平，严若豪

]]> http://www.nlpir.org/wordpress/2022/12/29/nlpir_ugws-%e7%bb%b4%e5%90%be%e5%b0%94%e8%af%ad%e5%88%86%e8%af%8d%e8%af%ad%e6%96%99%e5%ba%93/feed/ 0 中国外交部例行记者会语料库 http://www.nlpir.org/wordpress/2021/10/11/%e4%b8%ad%e5%9b%bd%e5%a4%96%e4%ba%a4%e9%83%a8%e4%be%8b%e8%a1%8c%e8%ae%b0%e8%80%85%e4%bc%9a%e8%af%ad%e6%96%99%e5%ba%93/ http://www.nlpir.org/wordpress/2021/10/11/%e4%b8%ad%e5%9b%bd%e5%a4%96%e4%ba%a4%e9%83%a8%e4%be%8b%e8%a1%8c%e8%ae%b0%e8%80%85%e4%bc%9a%e8%af%ad%e6%96%99%e5%ba%93/#respond Mon, 11 Oct 2021 02:57:45 +0000 http://www.nlpir.org/wordpress/?p=8389 继续阅读 →]]> 1、本语料库包含自2017年6月9日至2021年9月29日的中国外交部例行记者会（共1000场）的全部数据。
2、在”https://www.fmprc.gov.cn/web/fyrbt_673021/jzhsl_673025/”后拼接语料库中”href”属性的值，即可得到每场记者会对应的链接。
3、外交部网站自2020-03-24及以后开始记录记者的单位，所以语料库中2020-03-24以前的”journal”属性值都为空。
4、本语料库由北京理工大学2021年秋季大数据分析与应用课程第四小组发布。
5、由于时间有限，语料库中部分日期的记者会格式存在一定问题。

中国外交部例行记者会数据下载

]]> http://www.nlpir.org/wordpress/2021/10/11/%e4%b8%ad%e5%9b%bd%e5%a4%96%e4%ba%a4%e9%83%a8%e4%be%8b%e8%a1%8c%e8%ae%b0%e8%80%85%e4%bc%9a%e8%af%ad%e6%96%99%e5%ba%93/feed/ 0