Indian Language Part-of-Speech Tagset: Sanskrit数据集介绍，官网编号LDC2011T04

LDC2011T04是由微软研究院印度分部（MSR India）开发、LDC 于 2011 年发布的梵语（Sanskrit）词性标注（POS）数据集，基于IL-POST（Indian Language Part-of-Speech Tagset）分层标注框架构建，是梵语计算语言学、形态句法分析领域的核心基准数据。

一、核心基本信息

项目 详情
官方编号 LDC2011T04
发布机构 Linguistic Data Consortium (LDC)
发布时间 2011 年
开发主体 Microsoft Research India (MSR India)
语言 梵语（Sanskrit）
标注框架 IL-POST（印度语言统一词性标注框架）
核心用途 梵语词性标注、形态分析、句法解析、机器翻译、信息抽取
数据格式 纯文本（.txt）+ XML（.xml）
编码 UTF-8

NLP语料共享、LDC语料https://mp.weixin.qq.com/s/8GgZFh9XAr7FYwivQ_ajRg