<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[ldccorpora的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/ldccorpora</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; ldccorpora]]></copyright><item><title><![CDATA[Spanish TimeBank 1.0数据集介绍，官网编号LDC2012T12]]></title><link>https://blog.youkuaiyun.com/ldccorpora/article/details/158611592</link><guid>https://blog.youkuaiyun.com/ldccorpora/article/details/158611592</guid><author>ldccorpora</author><pubDate>Wed, 04 Mar 2026 08:34:40 +0800</pubDate><description><![CDATA[基于 TimeML/ISO-TimeML 标准，是西班牙语首个大规模时间标注资源，与英语 TimeBank 1.2、加泰罗尼亚语 TimeBank 1.0 构成跨语言时间处理基准。开发机构    Barcelona Media（Roser Saurí, Toni Badia）发布机构    Linguistic Data Consortium（LDC）数据类型    时间语义标注语料库（TimeML/ISO-TimeML）LDC。文本来源    AnCora-Es 语料库（西班牙语新闻文本。]]></description><category></category></item><item><title><![CDATA[American English Nickname Collection数据集介绍，官网编号LDC2012T11]]></title><link>https://blog.youkuaiyun.com/ldccorpora/article/details/158611557</link><guid>https://blog.youkuaiyun.com/ldccorpora/article/details/158611557</guid><author>ldccorpora</author><pubDate>Tue, 03 Mar 2026 10:39:02 +0800</pubDate><description><![CDATA[全称    American English Nickname Collection。发布机构    Linguistic Data Consortium（LDC），基于海量美国公共记录构建，是目前规模最大、量化最完整的英文昵称关联资源。语言    美式英语（American English。数据类型    全名 - 昵称映射（含量化关联强度）开发机构    Intelius, Inc.LDC 编号    LDC2012T11。是 LDC 于 2012 年发布的。发布时间    2012 年。]]></description><category></category></item><item><title><![CDATA[Catalan TimeBank 1.0数据集介绍，官网编号LDC2012T10]]></title><link>https://blog.youkuaiyun.com/ldccorpora/article/details/158611484</link><guid>https://blog.youkuaiyun.com/ldccorpora/article/details/158611484</guid><author>ldccorpora</author><pubDate>Tue, 03 Mar 2026 10:36:42 +0800</pubDate><description><![CDATA[基于 TimeML/ISO-TimeML 标准，是加泰罗尼亚语首个大规模时间语义标注资源，与英语 TimeBank 1.2、西班牙语 TimeBank 1.0 构成跨语言时间处理基准。开发机构    Barcelona Media（Roser Saurí, Toni Badia）是巴塞罗那媒体（Barcelona Media）开发、LDC 于 2012 年发布的。数据类型    时间语义标注语料库（TimeML/ISO-TimeML）语言    加泰罗尼亚语（Catalan）]]></description><category></category></item><item><title><![CDATA[Arabic-Dialect/English Parallel Text数据集介绍，官网编号LDC2012T09]]></title><link>https://blog.youkuaiyun.com/ldccorpora/article/details/158611437</link><guid>https://blog.youkuaiyun.com/ldccorpora/article/details/158611437</guid><author>ldccorpora</author><pubDate>Tue, 03 Mar 2026 10:35:05 +0800</pubDate><description><![CDATA[LDC语料]]></description><category></category></item><item><title><![CDATA[Prague Czech-English Dependency Treebank 2.0数据集介绍，官网编号LDC2012T08]]></title><link>https://blog.youkuaiyun.com/ldccorpora/article/details/158611387</link><guid>https://blog.youkuaiyun.com/ldccorpora/article/details/158611387</guid><author>ldccorpora</author><pubDate>Tue, 03 Mar 2026 10:33:43 +0800</pubDate><description><![CDATA[基于华尔街日报（WSJ）文本构建，采用多层级深度句法标注，是跨语言依存分析、机器翻译与语义角色标注的权威基准数据。文本来源    英语：Penn Treebank 华尔街日报（WSJ）全文；是由捷克查理大学形式与应用语言学研究所（ÚFAL）开发、LDC 于 2012 年发布的。发布机构    Linguistic Data Consortium（LDC）数据类型    平行依存树库（多层级句法 + 语义标注）开发机构    捷克查理大学 ÚFAL。语言对    捷克语 ↔ 英语。]]></description><category></category></item><item><title><![CDATA[Chinese Gigaword Fifth Edition数据集介绍，官网编号LDC2011T12]]></title><link>https://blog.youkuaiyun.com/ldccorpora/article/details/158577851</link><guid>https://blog.youkuaiyun.com/ldccorpora/article/details/158577851</guid><author>ldccorpora</author><pubDate>Tue, 03 Mar 2026 08:46:41 +0800</pubDate><description><![CDATA[为西班牙语自然语言处理（NLP）的核心基础资源，广泛用于预训练语言模型、机器翻译、信息检索与跨语言知识图谱构建等任务。核心任务    西语预训练语言模型、西↔英 / 中 / 法机器翻译、实体链接、文本分类、词汇语义研究。发布机构    Linguistic Data Consortium (LDC)官方名称    Spanish Gigaword Third Edition。是语言数据联盟（LDC）于 2011 年发布的。语言    西班牙语（含伊比利亚美洲主流变体）发布时间    2011 年。]]></description><category></category></item><item><title><![CDATA[Arabic Gigaword Fifth Edition数据集介绍，官网编号LDC2011T11]]></title><link>https://blog.youkuaiyun.com/ldccorpora/article/details/158577711</link><guid>https://blog.youkuaiyun.com/ldccorpora/article/details/158577711</guid><author>ldccorpora</author><pubDate>Mon, 02 Mar 2026 15:32:30 +0800</pubDate><description><![CDATA[是阿拉伯语 NLP 领域的核心基础资源，为语言模型训练、机器翻译、文本挖掘等任务提供权威且大规模的无标注文本。核心任务    阿拉伯语预训练语言模型、机器翻译（阿↔英 / 中）、信息检索、文本分类、词汇语义研究。发布机构    Linguistic Data Consortium (LDC)官方名称    Arabic Gigaword Fifth Edition。是语言数据联盟（LDC）于 2011 年 10 月发布的。数据类型    无标注新闻专线文本（含完整元数据）]]></description><category></category></item><item><title><![CDATA[French Gigaword Third Edition数据集介绍，官网编号LDC2011T10]]></title><link>https://blog.youkuaiyun.com/ldccorpora/article/details/158577634</link><guid>https://blog.youkuaiyun.com/ldccorpora/article/details/158577634</guid><author>ldccorpora</author><pubDate>Mon, 02 Mar 2026 15:31:05 +0800</pubDate><description><![CDATA[是语言数据联盟（LDC）于 2011 年发布的，是法语自然语言处理领域的核心基础资源，为语言模型训练、机器翻译、文本挖掘等任务提供海量高质量文本。]]></description><category></category></item><item><title><![CDATA[Arabic Treebank: Part 2 v 3.1数据集介绍，官网编号LDC2011T09]]></title><link>https://blog.youkuaiyun.com/ldccorpora/article/details/158577590</link><guid>https://blog.youkuaiyun.com/ldccorpora/article/details/158577590</guid><author>ldccorpora</author><pubDate>Mon, 02 Mar 2026 15:29:29 +0800</pubDate><description><![CDATA[是语言数据联盟（LDC）于 2011 年发布的，是阿拉伯语 NLP 领域的核心基准资源，聚焦新闻专线文本的词法、形态与句法全维度标注。]]></description><category></category></item><item><title><![CDATA[Datasets for Generic Relation Extraction (reACE)数据集介绍，官网编号LDC2011T08]]></title><link>https://blog.youkuaiyun.com/ldccorpora/article/details/158577509</link><guid>https://blog.youkuaiyun.com/ldccorpora/article/details/158577509</guid><author>ldccorpora</author><pubDate>Mon, 02 Mar 2026 15:27:28 +0800</pubDate><description><![CDATA[是爱丁堡大学（University of Edinburgh）基于 ACE 2004/2005 语料重新标准化、统一标注的，由 LDC 于 2011 年发布，专为跨领域、跨任务的关系抽取研究提供标准化评测资源。]]></description><category></category></item><item><title><![CDATA[English Gigaword Fifth Edition数据集介绍，官网编号LDC2011T07]]></title><link>https://blog.youkuaiyun.com/ldccorpora/article/details/158577431</link><guid>https://blog.youkuaiyun.com/ldccorpora/article/details/158577431</guid><author>ldccorpora</author><pubDate>Mon, 02 Mar 2026 15:26:19 +0800</pubDate><description><![CDATA[是语言数据联盟（LDC）于 2011 年 6 月发布的，是自然语言处理领域最经典、应用最广泛的基准语料之一。]]></description><category></category></item><item><title><![CDATA[TRECVID 2006 Keyframes数据集介绍，官网编号LDC2010V02]]></title><link>https://blog.youkuaiyun.com/ldccorpora/article/details/158540687</link><guid>https://blog.youkuaiyun.com/ldccorpora/article/details/158540687</guid><author>ldccorpora</author><pubDate>Sun, 01 Mar 2026 16:18:25 +0800</pubDate><description><![CDATA[是 LDC 于 2010 年发布的，基于多语种广播新闻视频提取，是视频语义索引、跨模态检索、概念检测领域的经典大规模视觉语料。]]></description><category></category></item><item><title><![CDATA[TRECVID 2004 Keyframes & Transcripts数据集介绍，官网编号LDC2010V01]]></title><link>https://blog.youkuaiyun.com/ldccorpora/article/details/158540669</link><guid>https://blog.youkuaiyun.com/ldccorpora/article/details/158540669</guid><author>ldccorpora</author><pubDate>Sun, 01 Mar 2026 16:16:46 +0800</pubDate><description><![CDATA[是 LDC 于 2010 年发布的，核心包含，是视频信息检索、多模态分析领域的经典评测语料。]]></description><category></category></item><item><title><![CDATA[Message Understanding Conference 7 Timed (MUC7_T)数据集介绍，官网编号LDC2010T15]]></title><link>https://blog.youkuaiyun.com/ldccorpora/article/details/157397036</link><guid>https://blog.youkuaiyun.com/ldccorpora/article/details/157397036</guid><author>ldccorpora</author><pubDate>Mon, 26 Jan 2026 16:31:22 +0800</pubDate><description><![CDATA[MUC7_T（LDC2010T15）是 LDC 于 2010 年发布的带标注耗时的命名实体识别（NER）数据集，基于 MUC-7 的飞机失事新闻训练集改造，核心用于 NER 标注效率与算法实时性研究，适配信息抽取与标注资源优化场景。]]></description><category></category></item><item><title><![CDATA[French Gigaword Second Edition数据集介绍，官网编号LDC2009T28]]></title><link>https://blog.youkuaiyun.com/ldccorpora/article/details/157295095</link><guid>https://blog.youkuaiyun.com/ldccorpora/article/details/157295095</guid><author>ldccorpora</author><pubDate>Mon, 26 Jan 2026 16:29:45 +0800</pubDate><description><![CDATA[French Gigaword Second Edition（LDC2009T28）是 LDC 于 2009 年发布的大规模法语新闻专线单语语料库，核心用于法语 NLP 任务，提供权威、时序覆盖广的单语训练数据，适配语言模型、机器翻译等大规模训练场景。]]></description><category></category></item><item><title><![CDATA[Chinese Gigaword Fourth Edition数据集介绍，官网编号LDC2009T27]]></title><link>https://blog.youkuaiyun.com/ldccorpora/article/details/157295004</link><guid>https://blog.youkuaiyun.com/ldccorpora/article/details/157295004</guid><author>ldccorpora</author><pubDate>Fri, 23 Jan 2026 16:18:37 +0800</pubDate><description><![CDATA[Chinese Gigaword Fourth Edition（LDC2009T27）是 LDC 于 2009 年 9 月发布的大规模现代汉语新闻语料库，核心用于语言模型训练、机器翻译与信息检索，以新华社等机构新闻文本为核心，经清洗、分词与标准化处理，规模超 130 万篇新闻，适配大规模中文 NLP 任务。]]></description><category></category></item><item><title><![CDATA[NXT Switchboard Annotations数据集介绍，官网编号LDC2009T26]]></title><link>https://blog.youkuaiyun.com/ldccorpora/article/details/157294960</link><guid>https://blog.youkuaiyun.com/ldccorpora/article/details/157294960</guid><author>ldccorpora</author><pubDate>Fri, 23 Jan 2026 16:15:57 +0800</pubDate><description><![CDATA[NXT Switchboard Annotations（LDC2009T26）是 LDC 于 2009 年发布的美式英语口语对话多模态标注语料库，基于 Switchboard 电话对话语料与 Penn Treebank 子集构建，以 NITE XML Toolkit（NXT）整合句法、韵律、对话行为等多层标注，核心用于口语对话理解、语音语言技术研究与建模。]]></description><category></category></item><item><title><![CDATA[Web 1T 5-gram, 10 European Languages Version 1数据集介绍，官网编号LDC2009T25]]></title><link>https://blog.youkuaiyun.com/ldccorpora/article/details/157294883</link><guid>https://blog.youkuaiyun.com/ldccorpora/article/details/157294883</guid><author>ldccorpora</author><pubDate>Fri, 23 Jan 2026 16:13:22 +0800</pubDate><description><![CDATA[Web 1T 5-gram, 10 European Languages Version 1（LDC2009T25）是谷歌构建、LDC 于 2009 年 10 月发布的多语言 n 元语法数据集，核心用于语言模型构建、文本补全与统计语言学研究，含 10 种欧洲语言的 1-5 元语法及词频统计，数据源于万亿级网页文本，规模与覆盖度适配多场景 NLP 任务。]]></description><category></category></item><item><title><![CDATA[FactBank 1.0数据集介绍，官网编号LDC2009T23]]></title><link>https://blog.youkuaiyun.com/ldccorpora/article/details/157294579</link><guid>https://blog.youkuaiyun.com/ldccorpora/article/details/157294579</guid><author>ldccorpora</author><pubDate>Fri, 23 Jan 2026 16:00:34 +0800</pubDate><description><![CDATA[项目详情官网编号LDC2009T23发布机构美国宾夕法尼亚大学语言数据联盟（LDC）发布时间2009 年 6 月语言英语数据规模基于 TimeBank 的 183 篇新闻文档，含 9761 个事件标注，其中训练集 6636 个、开发集 2462 个、测试集 663 个数据来源TimeBank 新闻语料（含路透社等机构新闻报道）标注类型事件事实性程度、来源归因、极性标注。]]></description><category></category></item><item><title><![CDATA[Arabic Newswire English Translation Collection数据集介绍，官网编号LDC2009T22]]></title><link>https://blog.youkuaiyun.com/ldccorpora/article/details/157294475</link><guid>https://blog.youkuaiyun.com/ldccorpora/article/details/157294475</guid><author>ldccorpora</author><pubDate>Fri, 23 Jan 2026 15:56:14 +0800</pubDate><description><![CDATA[LDC2009T22 Arabic Newswire English Translation Collection 是语言数据联盟（LDC）发布的阿拉伯语 - 英语新闻专线平行语料库，核心用于机器翻译、跨语言对齐与 NLP 模型训练，含约 100 万词级平行文本，标注与对齐规范完善。]]></description><category></category></item></channel></rss>