SEACrowd/khpos

khPOS语料库（高棉语词性标注语料库）是一个包含12,000个句子（25,626个单词）的手动分词和词性标注的语料库，专为高棉语的自然语言处理研究和开发而设计。我们从包含经济、新闻、政治等多个领域的网站上收集了高棉语句子。此外，它还包含了一些学生名单和柬埔寨国家选举委员会的选民名单。整个语料库中每个句子的平均单词数为10.75。这里，一些符号如“។”（高棉符号Khan）、“៖”（高棉符号Camnuc pii kuuh）、“-”、“？”、“[”、“]”等也被计为单词。最短的句子只包含1个单词，最长的句子包含169个单词。该数据集包含一个验证集和一个测试集，每个集包含1000个句子。