Project Gutenberg Self-Publishing Press: Portuguese Books

A collection of 40 books written in Portuguese and published at Project Gutenberg Self-Publishing - eBooks | Read eBooks online | Free eBooks. The <em>gutenberg_selfpub_tagged.vrt</em> file contains all the books. The texts were tagged using Spacy large trained model for Portuguese (https://spacy.io/models/pt) The corpus metadata is listed in <em>gutenberg_selfpub_metadata.tsv</em> <em>gutenberg_selfpub_xml_untagged.zip</em> contains all the untagged texts. The XML files contain the following tags and attributes: chapter: n dedication text:id title author subtitle part: n acknowledge summary: lang publisher short: n biography

本数据集收录40部以葡萄牙语创作、发布于古腾堡自助出版平台（Project Gutenberg Self-Publishing - eBooks | Read eBooks online | Free eBooks）的图书。<em>gutenberg_selfpub_tagged.vrt</em> 文件包含全部图书文本。所有文本均使用针对葡萄牙语的Spacy大型预训练模型完成标注（https://spacy.io/models/pt）。该语料库的元数据收录于<em>gutenberg_selfpub_metadata.tsv</em> 文件中。<em>gutenberg_selfpub_xml_untagged.zip</em> 压缩包包含全部未标注的原始文本。其中XML文件包含如下标签与属性：章节（chapter）: 序号（n）、献词（dedication）、文本（text）: 编号（id）、标题（title）、作者（author）、副标题（subtitle）、部分（part）: 序号（n）、致谢（acknowledge）、摘要（summary）、语言（lang）、出版商（publisher）、简称（short）: 序号（n）、传记（biography）