N-gram dataset of Chinese local gazetteers (中國地方誌)

2019-03-15T00:00:00Z (GMT) by CrossAsia, Staatsbibliothek zu Berlin

This dataset contains the N-grams (1-3) collected from Chinese local gazetteers  (中國地方誌).

The dataset comprises of the following resources:

  • local_gazetteer_1.7z Unigram dataset in tab separated format (one file per book, each row contains the N-gram and its count)
  • local_gazetteer_2.7z Bigram dataset in tab separated format (one file per book, each row contains the N-gram and its count)
  • local_gazetteer_3.7z Trigram dataset in tab separated format (one file per book, each row contains the N-gram and its count)
  • local_gazetteer_metadata.xlsx Metadata of each book

 

Dieses Datenset enthält die in chinesischen Lokalmonographien (中國地方誌) enthaltenen N-Gramme (1-3).  

Das Datenset besteht aus den folgenden Dateien:

  • local_gazetteer_1.7z Monogramm-Datenset im .txt Dateiformat mit Tabstopp als Trennzeichen (jede Datei enthält ein Buch, jede Zeile ein N-Gramm mit der Anzahl der Vorkommnisse im Text)
  • local_gazetteer_2.7z Bigramm-Datenset im .txt Dateiformat mit Tabstopp als Trennzeichen (jede Datei enthält ein Buch, jede Zeile ein N-Gramm mit der Anzahl der Vorkommnisse im Text)
  • local_gazetteer_3.7z Trigramm-Datenset im .txt Dateiformat mit Tabstopp als Trennzeichen (jede Datei enthält ein Buch, jede Zeile ein N-Gramm mit der Anzahl der Vorkommnisse im Text)
  • local_gazetteer_metata.xlsx Metadaten der enthaltenen Bücher

 

中國地方誌n元語法統計資料 (N-gram Dataset)

以下是檔案簡說:

  • local_gazetteer_1.7z 中國地方誌一元分詞(Unigram)的統計資料 (每本書一個檔案, 以tab作欄區分, 每一行紀錄該N-gram在書中出現的次數)
  • local_gazetteer_2.7z 中國地方誌二元分詞(Bigram)的統計資料 (每本書一個檔案, 以tab作欄區分, 每一行紀錄該N-gram在書中出現的次數)
  • local_gazetteer_3.7z 中國地方誌三元分詞(Trigram)的統計資料 (每本書一個檔案, 以tab作欄區分, 每一行紀錄該N-gram在書中出現的次數)
  • local_gazetteer_metadata.xlsx 紀錄每本書的基本Metadata