万卷丝路-韩语（WanJuan-Korean）

“万卷·丝路”韩语语料库，体积超过280GB，包含7个大类和34个小类，覆盖历史、政治、文化、房产、购物、天气、餐饮、百科、专业知识等多个当地特色内容。丰富的主题分类不仅方便了研究人员根据具体需求检索数据，也确保了该语料能够适应不同研究领域多种需求。

"Ten Thousand Volumes · Silk Road" Korean Corpus has a total size exceeding 280 GB, comprising 7 major categories and 34 sub-categories. It covers a variety of locally characteristic content including history, politics, culture, real estate, shopping, weather, catering, encyclopedic knowledge and professional knowledge. The rich topic categorization not only facilitates researchers to retrieve data based on their specific needs, but also ensures that this corpus can meet diverse requirements across different research fields.

搜集汇总

背景与挑战

背景概述

万卷丝路-韩语（WanJuan-Korean）是一个大规模韩语语料库，体积超过280GB，包含7个大类和34个小类，覆盖历史、政治、文化、房产、购物、天气、餐饮、百科、专业知识等多个当地特色主题，适用于自然语言处理和低资源语言研究。该数据集采用CC BY 4.0开源许可，允许自由共享和改编，但需署名，由上海人工智能实验室·大模型语料数据联盟于2025年发布，旨在支持多语言人工智能模型的开发。