cjvt/slo_collocations

现代斯洛文尼亚语搭配词典1.0数据库包含35,862个词目（18,043个名词、5,148个动词、10,259个形容词和2,412个副词）和7,310,983个搭配，这些搭配是从Gigafida 1.0语料库中自动提取的。提取过程使用了专门为斯洛文尼亚语调整的Sketch语法，并通过手动评估确定了一系列参数。后处理步骤包括移除重复句子的搭配、准备完整的搭配（通过添加词目和必要的语法关系中的第三个元素），并为每个搭配元素添加了斯洛文尼亚语形态词典Sloleks的ID。数据集主要用于知识库任务，语言为斯洛文尼亚语。

原始信息汇总

数据集概述

名称: Collocations Dictionary of Modern Slovene 1.0 别名: Kolokacije 1.0

数据集内容

• 词汇类型: 包含35,862个词条，包括18,043个名词、5,148个动词、10,259个形容词和2,412个副词。
• 搭配数量: 7,310,983个搭配，自动从Gigafida 1.0语料库中提取。
• 提取方法: 使用专门为斯洛文尼亚语设计的Sketch语法，并通过Sketch Engine API进行自动提取。
• 参数设置: 包括最大搭配词数、最小搭配频率、最小语法关系频率、最小显著性（logDice）分数等。
• 后处理步骤: 移除重复句子的搭配，添加词头和必要的语法关系元素（如介词），并根据语法关系调整词头/搭配词的格。
• 附加信息: 为每个搭配元素添加Sloleks ID。

数据集结构

• 数据实例: 每个搭配作为一个单独的实例。
• 数据字段:
  • collocation: 搭配的字符串形式。
  • cluster: 搭配的群集。
  • words: 搭配的词形化。
  • sloleks_ids: 搭配词的Sloleks ID。
  • gramrel: 语法关系。
  • sense: 搭配的意义。
  • id_lex_unit: 搭配所属的词汇单元ID。
  • lex_unit: 词汇单元。
  • lex_unit_category: 词汇单元的类别。

语言

• 语言: 斯洛文尼亚语

许可证

• 许可证: CC BY-SA 4.0

贡献者

• 数据集创建者: Iztok Kosem等
• 数据集添加者: @matejklemen