GIRLS

The Gender Identification Resource for Literature and Style (GIRLS)Le corpus GIRLS est constitué de 64 romans français du XIXe siècle, dont la moitié a été écrite par des femmes et l'autre par des hommes. Il y a un seul livre par personne. Ces textes sont dans le domaine public et ont été récupérés de manière automatique sur les sites du projet Gutenberg, Gallica, Wikisource, et ebooksgratuits en utilisant les scripts fournis avec le corpus CIDRE qui servent à convertir les fichiers epub en TEI et ensuite en format texte brut tout en coupant le texte liminaire. Seul le titre de l'ouvrage apparaît au début du texte.

文学与风格性别识别语料库（Gender Identification Resource for Literature and Style, GIRLS）
本GIRLS语料库由64部19世纪法语小说构成，其中半数作品的作者为女性，另一半则为男性，每位作者仅贡献一部作品。
这些文本均属于公有领域，通过使用CIDRE语料库配套的脚本，从古腾堡项目（Project Gutenberg）、法国国家数字图书馆Gallica、维基文库（Wikisource）以及免费电子书平台ebooksgratuits自动抓取获取；该脚本可将EPUB格式文件转换为文本编码倡议（Text Encoding Initiative, TEI）格式，随后进一步转换为纯文本格式，并剔除前置说明文本。文本开头仅保留作品标题。