counter

COUNTER语料库专注于乌尔都语新闻文本的重用现象，它包含1200篇文档，这些文档来源于巴基斯坦的五家新闻机构和九家报纸。语料库中的每篇文档都经过人工标注，标注了三个重用级别：完全衍生、部分衍生和非衍生。该语料库支持文本分类任务，特别是文本重用检测。数据以XML格式存储，并提供诸如新闻标题、正文、字数、发布日期和新闻来源等字段。该语料库采用CC-BY-NC-SA 4.0授权许可。