这是一个非常全面的文言文(古文)- 现代文平行语料,基本涵盖了大部分经典古籍著作。从文学角度出发,本项目将所有古文原文整理至"古文原文"文件夹中,并对每本古籍按篇章/章节进行划分与展示,正文部分存于各章节下的"text.txt"中,例如"论语/学而篇/text.txt","孟子/梁惠王章句上/第一节/text.txt"。对于平行数据,本项目整理至"双语数据"文件夹中,这些双语数据是以句子级别为单位进行划分,本项目提供了原文、译文、双语三种数据格式,例如:"论语/学而篇/source.txt"、"论语/学而篇/target.txt"、"论语/学而篇/bitext.txt"。注:所有数据均按行保留了古文原文的相对顺序,即数据非打乱。
本语料数据来源于互联网<sup>1</sup>,所爬取到的原始数据是篇章级对齐的双语数据,经过脚本进行分句、对齐,处理成了句子级别对齐的双语(平行)数据,共计972467句。核心对齐思路采用归一化编辑距离算法与长度比指标。
需要注意"双语数据"文件夹中古文数据量少于"古文原文"文件夹中的古文数据,这是因为数据来源中部分古文没有译文,也有部分古文的译文残缺,故"双语数据"文件夹中仅收录了包含双语句对的数据。
本项目提供了本语料的处理过程及相关脚本,具体过程详见复现。
古文原文共包含327本书籍。双语数据共包含97本书籍,其中包含句子级别对齐句子共计972467个句对。详细统计信息可查看统计信息。
本语料数据均来自互联网。所有数据均注明了出处,可详见各书目下文件"数据来源.txt"。原始数据的最终解释权归相关数据来源方所有。
感谢为该语料库做出贡献的成员:谈修泽、罗应峰。
v2.0 2023年3月 重新整理数据,保留更加详尽的原始数据信息,并注明出处
v1.0 2022年2月 数据的初始整理


AI一键生成PPT,就用博思AIPPT!
博思AIPPT,新一代的AI生成PPT平台,支持智能生成PPT、AI美化PPT、文本&链接生成PPT、导入Word/PDF/Markdown文档生成PPT等,内置海量精美PPT模板,涵盖商务、教育、科技等不同风格,同时针对每个页面提供多种版式,一键自适应切换,完美适配各种办公场景。


AI赋能电商视觉革命,一站式智能商拍平台
潮际好麦深耕服装行业,是国内AI试衣效果最好的软件。使用先进AIGC能力为电商卖家批量提供优质的、低成本的商拍图。合作品牌有Shein、Lazada、安踏、百丽等65个国内外头部品牌,以及国内10万+淘宝、天猫、京东等主流平台的品牌商家,为卖家节省将近85%的出图成本,提升约3倍出图效率,让品牌能够快速上架。


企业专属的AI法律顾问
iTerms是法大大集团旗下法律子品牌,基于最先进的大语言模型(LLM)、专业的法律知识库和强大的智能体架构,帮助企业扫清合规障碍,筑牢风控防线,成为您企业专属的AI法律顾问。


稳定高效的流量提升解决方案,助力品牌曝光
稳定高效的流量提升解决方案,助力品牌曝光


最新版Sora2模型免费使用,一键生成无水印视频
最新版Sora2模型免费使用,一键生成无水印视频


实时语音翻译/同声传译工具
Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手,它拥有超精准的音频识别翻译能力,几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球,无论你是留学生、商务人士、韩剧美剧爱好者,还是出国游玩、多国会议、跨国追星等等,都可以满足你所有需要同传的场景需求,线上线下通用,扫除语言障碍,让全世界的语言交流不再有国界。


选题、配图、成文,一站式创作,让内容运营更高效
讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。


AI辅助编程,代码自动修复
Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。


最强AI数据分析助手
小浣熊家族Raccoon,您的AI智能助手,致力于通过先进的人工智能技术,为用户提供高效、便捷的智能服务。无论是日常咨询还是专业问题解答,小浣熊都能以快速、准确的响应满足您的需求,让您的生活更加智能便捷。


像人一样思考的AI智能体
imini 是一款超级AI智能体,能根据人类指令,自主思考、自主完成、并且交付结果的AI智能体。
最新AI工具、AI资讯
独家AI资源、AI项目落地

微信扫一扫关注公众号