Brown Corpus（Brown Corpus 布朗语料库）

布朗语料库是美国英语的首个文本语料库，它取自不同主题的报纸文本、书籍以及政府文件，包含 1,014,312 个单词的它主要用于语言建模。

The Brown Corpus is the first text corpus of American English. It is compiled from newspaper texts, books, and government documents across diverse topics, and it contains 1,014,312 words, which is primarily utilized for language modeling.

搜集汇总

背景与挑战

背景概述

Brown Corpus（布朗语料库）是美国英语的首个文本语料库，包含来自不同主题的1,014,312个单词，主要用于语言建模。原始数据包含手动注释的句子和标记边界，转换后的版本基于TEI/XML重建。