CTB8.0（Chinese Treebank 8.0）学习资料数据集

简介：
CTB8.0是中国树库项目的重要成果，提供大规模、高质量的汉语语法标注语料，适用于句法分析和自然语言处理研究。 Chinese Treebank 8.0 数据集介绍：该数据集包含大约150万字的广播文本，并对这些中文新闻专线、政府文件、杂志文章、各种广播新闻对话节目、网络新闻组及博客进行了注释与解析。 中国树库项目始于1998年的宾夕法尼亚大学，随后移至科罗拉多大学和布兰代斯大学。该项目旨在提供一个大规模的词性标注且完全括号化的中文语料库。首个版本——中国树库1.0发布时包含来自新华社新闻专线的约十万句法注释词汇，并在2001年以中国树库2.0的形式进行了更新，该版内容约为十万个汉字。随后，在2004年和2005年分别发布了中文树库4.0（含大约四十万字）和5.0版本（包含约五十万字）。到了2007年，6.0版本发布，其中包括了七十八万字的内容；而到了2010年的Chinese Treebank 7.0，则进一步增加了新的带注释的新闻专线数据、广播材料及网络文本内容，总文字量达到了大约一百万个汉字。