BasqueParl

BasqueParl是一个新编译的双语语料库，源自巴斯克议会的转录文本，涵盖2012至2020年的议会辩论记录。该数据集主要特点是巴斯克语和西班牙语之间的频繁代码转换，为研究政治话语提供了独特资源。数据集包含超过1400万单词，通过添加与演讲者和演讲相关的元数据（如语言、性别、政党等）进行了丰富，并进行了词形还原和命名实体识别处理。该数据集旨在通过多语言和跨语言研究，解决与论证、话语结构、情感分析和事实核查相关的NLP任务。