Penn Treebank

英语Penn Treebank (PTB) 语料库，尤其是与《华尔街日报》 (WSJ) 的文章相对应的语料库部分，是用于评估序列标记模型的最著名和最常用的语料库之一。该任务包括用词性标签注释每个单词。在这个语料库的最常见的拆分中，从0到18的部分用于训练 (38个219句子，912个344标记)，从19到21的部分用于验证 (5个527句子，131个768标记)，和部分从22到24用于测试 (5 462句子，129 654令牌)。语料库也通常用于字符级和单词级语言建模。