motazsaad/comparableWikiCoprus: v1.0

NIAID Data Ecosystem2026-03-13 收录

语言语料库

数据链接：

https://zenodo.org/record/5785890 数据链接链接失效反馈

官方服务：

资源简介：

Full Changelog: https://github.com/motazsaad/comparableWikiCoprus/commits/v1.0

创建时间：

2021-12-16

IndicCorp

自然语言处理

语言语料库

IndicCorp 是一个大型单语语料库，拥有大约 90 亿个代币，涵盖 12 种主要的印度语言。它是通过在几个月的时间内发现和抓取数千个网络资源（主要是新闻、杂志和书籍）而开发的。涵盖的语言：阿萨姆语、孟加拉语、英语、古吉拉特语、印地语、卡纳达语、马拉雅拉姆语、马拉地语、奥里亚语、旁遮普语、泰米尔语、泰卢固语语料库格式：语料库是一个大型文本文件，每行包含一个句子。公开发布的版本被随机洗牌、去标记

OpenDataLab2026-07-12 更新330

Segakorpus: Doktoritööd Corpus of Estonian scientific texts

爱沙尼亚语文本分析

语言语料库

Korpus sisaldab 5 miljonit sõna eestikeelset teaduskirjandust: doktoritööd (2,3 miljonit sõna) ja teadusartiklid. TEI P5 XML märgendus, UTF8 kodeering. More info at...

B2FIND60

Types and the scope of corrective feedbacka.

二语写作错误纠正

语言语料库

Despite the growing interests in investigating the application of data-driven learning (DDL), much existing research remains outcome-oriented. Limited attention has been paid to learners’ interactions

Figshare2025-03-12 更新40

ITEM 5 -- Class corpora per project

语言语料库

应用领域

* One zip file per application domain* application domains contain the zip's for each project

DataCite Commons2020-08-27 更新60

dgskorpus_fra_16

德国手语识别

语言语料库

This is one out of 165 recordings done in the DGS-Korpus project (http://dgs-korpus.de) from 2010 to 2012 to collect a corpus of DGS (German Sign Language). The recording took...

B2FIND40

motazsaad/comparableWikiCoprus: v1.0

资源简介：

相关数据集