nevmenandr/accentual-syllabic-verse-in-russian-prose

数据集包含462篇19世纪俄罗斯小说散文文本，其中标有重音符号。基于这些标记，文本中可以找到可以被读作诗句的片段。数据集中的文本来自俄罗斯文学和民俗学的开放数据仓库，所有文本都使用Python包进行了标记。数据集包含两个文件夹，一个包含原始标记文本，另一个包含TSV表格，表格中有三列：韵律名称、文本片段、起始位置和结束位置。

The dataset contains 462 texts of Russian fiction prose from the 19th century, in which accents are marked. Based on this markup, fragments that can be read as verse are identified in the texts. The texts for the corpus are taken from the Open Data Repository on Russian Literature and Folklore, and all texts were marked using a Python package. The dataset includes two folders: one containing the original marked texts and the other containing TSV tables with three columns: meter name, text fragment, start position, and end position.

原始信息汇总

数据集概述

基本信息

• 语言: 俄语
• 标签: 重音, 诗句
• 许可证: MIT

数据内容

• 文本数量: 462篇
• 文本类型: 19世纪俄罗斯小说散文
• 标记内容: 文本中的重音标记
• 诗句片段: 基于重音标记识别的诗句片段

数据格式

• 原始文本: 包含重音标记的文本
• 诗句片段: 以斜体标记的诗句片段
• 重音标记: 使用 `` 标记重音，有时使用 ! 标记 ё 的重音

数据准备

• 来源: Open Data Repository on Russian Literature and Folklore
• 处理工具: Python ru-accent-poet 包
• 诗句检测原则: 参考论文 Случайные метры в русской прозе XIX века

数据结构

• 文件夹:
  • accented_texts: 包含原始标记文本
  • meters: 包含tsv表格，记录诗句片段的名称、文本片段、起始和结束位置
• tsv表格格式:
  • 列1: 诗句名称（如 Я 代表抑扬格，Х 代表扬抑格等）
  • 列2: 文本片段
  • 列3: 起始位置
  • 列4: 结束位置

相关出版物

• 论文: Случайные метры в русской прозе XIX века
• 会议: 2023年12月19日，会议主题为「Долгий и короткий метр: структуры, жанры, словари」