cjvt/slo_thesaurus

这是一个自动生成的斯洛文尼亚语同义词库，名为现代斯洛文尼亚语同义词库1.0，也称为Sopomenke 1.0。数据集来源于一个综合的英语-斯洛文尼亚语词典、一个单语词典和一个语料库。数据集的创建使用了双语词典中单词共现图的网络分析，并结合了Sketch Engine工具中的分布同义词库数据，这些数据提取自12亿词的Gigafida语料库和单语词典。数据集的结构包括每个词条的实例，每个实例包含词条的元数据，如词头、核心同义词组和近似同义词组等信息。

原始信息汇总

数据集概述

数据集名称

Thesaurus of Modern Slovene 1.0

别名

Sopomenke 1.0

语言

• 斯洛文尼亚语

许可证

• CC BY-SA 4.0

多语言性

• 单语种

数据集大小

• 100K<n<1M

数据集创建者

• 机器生成

数据集描述

该数据集是一个自动创建的斯洛文尼亚语同义词词典，源自斯洛文尼亚语数据，包括一个综合的英斯双语词典、一个单语词典和一个语料库。使用了双语词典词共现图的网络分析，并结合了Sketch Engine工具提供的分布式同义词词典数据，以及从12亿词的Gigafida语料库和单语词典中提取的额外信息。

数据集结构

数据实例

每个条目都存储在自己的实例中，包含以下字段：

• id_headword: 单词的字符串ID；
• headword: 该实例中同义词组所属的单词；
• groups_core: 可能的同义词组，每个组包含单词ID (id_words)、同义词 (words) 和同义关系强度 (scores)。某些组还包含领域注释 (domains)；
• groups_near: 类似于groups_core，但这里的同义词通常不是精确同义词，而是其他方面相似的词。

数据集使用

• 其他（数据是知识库）

数据集引用

@article{krek2017translation, title={From translation equivalents to synonyms: creation of a Slovene thesaurus using word co-occurrence network analysis}, author={Krek, Simon and Laskowski, Cyprian and Robnik-{v{S}}ikonja, Marko}, journal={Proceedings of eLex}, pages={93--109}, year={2017} }