Chinese-Poetry-Corpus

📖 README

# Chinese-Poetry-Corpus 本语料库收集自互联网，包含了从先秦到当代的古诗词数据，以CSV格式进行存储。经过去重后，包含诗词共计1014508首。 ## 数据说明 1. 古诗词按朝代进行划分，存储于文件夹"[诗歌数据集](https://github.com/xiu-ze/Chinese-Poetry-Corpus/tree/main/%E8%AF%97%E6%AD%8C%E6%95%B0%E6%8D%AE%E9%9B%86)"下，命名规则为"朝代.csv"。诗词数量多的朝代被分成多个文档，以避免单个文档过大； 2. 跨朝代的诗人，以诗人出生的朝代进行划分，如若诗人出生于明末，生活在清初，则该诗人的作品仅收录在文件"明.csv"中； 3. 每首诗词数据包含五个字段，分别为"标题"、"朝代"、"作者"、"体裁"、"内容"。其中"体裁"字段记录着该诗的文学体裁，如"五言绝句"、"词"、"古风"……； 4. 针对词这种体裁，词的标题一般由"词牌名"和"题目"构成，本语料库在整理时将词标题的命名格式统一成"词牌名[空格]题目"。PS：（1）某些词数据不包含题目，而仅由词牌名构成，针对该情况，本语料库将标题统一成"词牌名"。（2）某些词同一个词牌和标题下会有好几首，作为区分诗人会添加"其一"/"其二"等标识，本语料库将该情况下的标题信息统一成"词牌名[空格]其X[空格]题目"，其中X代表一二三……； ## 各朝代诗词数量统计信息 | 朝代 | 数量 | | --- | --- | | 先秦 | 576 | | 秦 | 9 | | 汉 | 753 | | 魏晋 | 2425 | | 南北朝 | 4705 | | 隋 | 1266 | | 唐 | 54156 | | 宋 | 268665 | | 辽 | 25 | | 金 | 8357 | | 元 | 70574 | | 明 | 294587 | | 清 | 246698 | | 近现代 | 30372 | | 当代 | 31340 | ## 先秦至清朝诗词统计信息 先秦至清朝的诗词曲等体裁共计952816首，其中词、五言绝句、五言律诗、七言绝句、七言律诗具体信息如下表所示 | 体裁 | 数量 | | --- | --- | | 词 | 83364 | | 五言绝句 | 35574 | | 五言律诗 | 145068 | | 七言绝句 | 196356 | | 七言律诗 | 217215 |

来源: /poetry-101w/README.md