regicid/1gram_lemonde

该数据集包含了从1944年12月19日到2022年12月31日期间，法国《世界报》档案中所有单词（1grams）的每日出现频率。使用了nltk.RegexpTokenizer进行分词处理。这些频率数据可以通过API和不同编程语言的包装器（如R、Python和Ruby）访问。

This dataset contains the daily frequencies of occurrences of all words (1grams) in the archives of Le Monde, from the creation of the newspaper (December 19, 1944) to December 31, 2022. The tokenizer used is nltk.RegexpTokenizer. These frequencies are accessible more simply via our API, as well as through its wrappers in R, Python, and Ruby.

原始信息汇总

数据集概述

数据集内容

• 数据类型: 1grams（单词的频率）
• 时间范围: 1944年12月19日至2022年12月31日
• 来源: 《Le Monde》报纸的档案

数据处理

• 分词器: 使用Python的nltk包中的nltk.RegexpTokenizer(r"[0-9a-zà-ÿ]+")进行分词

数据访问

• API: 数据可通过API访问，API描述见此处
• 语言包装: 提供R、Python和Ruby的包装器，分别见R、Python和Ruby

许可证

• 许可证类型: CC BY-NC 4.0