statworx/swiss-dialects

ArchiMob语料库代表了瑞士境内的德语语言变体。该语料库是第一个包含瑞士德语长样本转录文本的电子资源，旨在研究形态句法特征的空间分布以及用于自然语言处理。

The ArchiMob corpus represents the German language varieties within Switzerland. As the first electronic resource containing long-sample transcribed texts of Swiss German, this corpus is designed to study the spatial distribution of morphosyntactic features and support natural language processing (NLP) research and applications.

原始信息汇总

数据集概述

数据集名称

ArchiMob Corpus

数据集描述

ArchiMob Corpus 是一个包含瑞士德语方言的电子资源，提供了长样本的转录文本，用于研究形态句法特征的空间分布和自然语言处理。

语言

• 瑞士德语

数据集结构

数据实例

每个数据实例包含以下字段：

• sentence: 瑞士德语句子，类型为字符串。
• label: 方言类别，类型为字符串。

数据字段

• sentence: 文本字段，类型为字符串。
• label: 标签字段，类型为字符串。

数据集创建

源数据

数据集来源于瑞士德语的原始录音和转录，具体信息可参考 Spur UZH。

附加信息

许可证信息

数据集遵循 Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License。

引用信息

• Scherrer, Y., T. Samardžić, E. Glaser (2019). "Digitising Swiss German -- How to process and study a polycentric spoken language". Language Resources and Evaluation. (First online)
• Scherrer, Y., T. Samardžić, E. Glaser (2019). "ArchiMob: Ein multidialektales Korpus schweizerdeutscher Spontansprache". Linguistik Online, 98(5), 425-454. DOI: 10.13092/lo.98.5947

搜集汇总

背景与挑战

背景概述

该数据集是ArchiMob语料库，包含4,743条瑞士德语方言的句子和对应方言标签，用于文本生成和分类任务。作为首个瑞士德语长样本转录电子资源，它支持研究方言形态句法特征的空间分布及自然语言处理应用。