Flaglab 发布 Spanish Corpus XIX 数据集, 应用在 语料库、自然语言处理 领域

Flaglab 本次发布的数据集 Spanish Corpus XIX, 该数据集是一个构建的语料库，包含了从1800年至1914年的古西班牙语文本，特别关注拉丁美洲的贡献。该语料库经过筛选和清洗，专门用于语义变迁检测任务。此外，该数据集还包括三个版本：原始版、清洗版和分块版，其中文本块不超过256个标记，以适应不同的语言模型。该数据集规模宏大，总标记数达到1300万。其任务是进行语义变迁检测（Semantic Shift Detection，简称Ssd）。

查看Spanish Corpus XIX

Dataset card 内容： 

Files and versions 内容： 

关于 Flaglab , 弗拉格实验室（Flaglab）是一个专注于计算机视觉、机器学习和人工智能领域的研究团队。该实验室通常隶属于高等教育机构或研究机构，致力于推动相关技术的创新和应用。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。