contextlab/austen-corpus
收藏Hugging Face2025-10-28 更新2025-11-01 收录
下载链接：
https://hf-mirror.com/datasets/contextlab/austen-corpus
下载链接
链接失效反馈官方服务：
资源简介：
Jane Austen作品集，包含简·奥斯汀（1775-1817）的作品，经过计算风格学研究的预处理。这些文本来源于Project Gutenberg，并已清除用于论文[大规模语言模型的风格学应用](https://arxiv.org/abs/2510.21958) (Stropkay等人，2025年)的Project Gutenberg头部、尾部和章节标题，以专注于作者散文风格。该语料库包括简·奥斯汀的7本书，包括《傲慢与偏见》、《理智与情感》和《艾玛》。所有文本都转换为小写。
The Jane Austen Corpus is a dataset containing the works of Jane Austen (1775-1817), preprocessed for computational stylometry research. The texts were sourced from Project Gutenberg and cleaned for use in the paper A Stylometric Application of Large Language Models (Stropkay et al., 2025). The corpus includes 7 books by Jane Austen, including Pride and Prejudice, Sense and Sensibility, and Emma, all converted to lowercase.
提供机构：
contextlab
