anke01/ug-output

Uyghur NLP Dataset

维吾尔语自然语言处理数据集，基于清华大学开源的 THUUyMorph 形态学标注语料库构建。

数据集

文件	条目数	说明
pretrain_corpus.jsonl	10,595	预训练语料库
morph_vocabulary.jsonl	67,832	形态学词根词典
segmentation_train.jsonl	10,572	分词训练数据
word_root_pairs.jsonl	10,391	词-词根-词缀对

格式示例

{"id": 1, "word": "ياتىقىدا", "root": "ياتاق", "suffix": "ىدا", "has_variant": true}

使用

import json
with open('word_root_pairs.jsonl', 'r', encoding='utf-8') as f:
    for line in f:
        data = json.loads(line)
        print(data['word'], data['root'], data['suffix'])

许可证

仅供学术研究使用。

---

相关资源

数据集 (Datasets) - 165 项

• MC2: 中国少数民族多语言语料库 - 维吾尔语、藏语、哈萨克语、蒙古语
• UQSPEECHDATASET - 维吾尔语单说话人语音数据集 (TTS用)
• UYNEREL - 维吾尔语命名实体关系语料库
• HISTORICAL-UYGHUR-CHINESE-CORPUS - 双语维吾尔语-中文历史文献及NLP处理
• UyghurTextResource - 从网站爬取的维吾尔语文本资源
• UYGHURASR - 维吾尔语自动语音识别 (C#)
• UYGHURASR_PYTHON - Python版维吾尔语ASR
• UG-SPEECH - 维吾尔语语音相关
• WHISPER-FINETUNING - Whisper维吾尔语微调
• UYGHUROCR - 基于Tesseract的简易维吾尔语OCR
• historical-uyghur-chinese-corpus - 双语历史文献
• UyghurOCR - 基于Tesseract的维吾尔语OCR
• UYGHUR_NER_DATASET - 维吾尔语NER数据集 (WikiAnn格式)
• X-W2NER - 维吾尔语形态学分割系统
• UYGHUR-CORPUS - 大规模维吾尔语语料库 (LLM/NLP用)
• UYGHUR-CORPUS-OUTPUT - 维吾尔语语料库输出
• UYGHUR_DATASET - 维吾尔语数据集
• UYGHUR-DATASET-7Z - 维吾尔语数据集 (压缩版)
• TESSDATA_UYGHUR - Tesseract LSTM训练数据
• UYGHUR-ASR-CTC - 维吾尔语ASR (CTC)
• UYGHUR-ASR-TRANSFORMER - 维吾尔语ASR Transformer
• AYUSH0135/UYGHUR-SOCIO-ECONOMIC-BEHAVIORAL-DATASET - 维吾尔语社会经济行为数据集
• SUST-AND-RUST-DATASETS-FOR-UYGHUR-STR - 维吾尔语STR数据集
• PILGEN - 维吾尔语OCR数据集生成
• THUYG20_SCRIPTS - THUYG-20脚本文件
• NAMES - 维吾尔语姓名数据集
• SYNTHETIC_UYGHUR_SENTENCES - 合成维吾尔语句子数据集
• AI4UYGHUR - 维吾尔语AI/ML资源
• BULK-SENTENCE-UYGHUR - Common Voice维吾尔语数据集
• UD_Uyghur-UDT - 维吾尔语通用依赖

模型 (Models) - 32 项

• HIERARCHICAL-MULTIPLE-FEATURES-COMBINATION-MODEL - 维吾尔语-中文机器翻译
• BILINGUAL-RELATEDNESS-OPTIMIZATION-MODEL - 中文-维吾尔语机器翻译
• PIYAZON/UYGHUR_WHISPER_LARGE - 维吾尔语Whisper Large
• LUCIO/XLS-R-UYGHUR-CV7 - XLS-R维吾尔语CV7
• LUCIO/XLS-R-UYGHUR-CV8 - XLS-R维吾尔语CV8
• YASINJAN99/XLS-R-UYGHUR-CV8 - XLS-R维吾尔语CV8
• YASINJAN99/XLS-R-UYGHUR-CV11 - XLS-R维吾尔语CV11
• YASINJAN99/XLS-R-UYGHUR-CV13 - XLS-R维吾尔语CV13
• MAMATJAN/XLS-R-UYGHUR-CV18 - XLS-R维吾尔语CV18
• IXXAN/WHISPER-SMALL-UYGHUR-THUGY20 - Whisper Small维吾尔语THUGY20
• IXXAN/WHISPER-SMALL-UYGHUR-COMMON-VOICE - Whisper Small维吾尔语Common Voice
• IXXAN/WAV2VEC2-LARGE-MMS-1B-UYGHUR-LATIN - Wav2Vec2 Large MMS 1B维吾尔语
• SEVDA-TATLIH/WHISPER-SMALL-UYGHUR-THUGY20 - Whisper Small维吾尔语THUGY20
• 21F3002101/WHISPER-UYGHUR-MEDIUM-TRGONLY - Whisper Medium维吾尔语
• 21F3002101/WHISPER-UYGHUR-MEDIUM2 - Whisper Medium维吾尔语
• 21F3002101/WHISPER-UYGHUR-MEDIUM3 - Whisper Medium维吾尔语
• 21F3002101/WHISPER-UYGHUR-MEDIUM4 - Whisper Medium维吾尔语
• PIYAZON/UYGHUR_WHISPER_TINY - 维吾尔语Whisper Tiny
• BENJAMIN/GPT2-WECHSEL-UYGHUR - GPT2 Wechsel维吾尔语
• MRADERMACHER/UYGHUR-TRANSFORGE-GGUF - 维吾尔语Transforge GGUF
• LGESSLER/MICROBERT-UYGHUR-M - MicroBERT维吾尔语M
• LGESSLER/MICROBERT-UYGHUR-MX - MicroBERT维吾尔语MX
• LGESSLER/MICROBERT-UYGHUR-MXP - MicroBERT维吾尔语MXP
• LGESSLER/UYGHUR_MPT - 维吾尔语MPT
• DGURGUROV/XLM-R_UYGHUR_SENTIMENT - XLM-R维吾尔语情感
• PIYAZON/UYGHUR_TRANSLATE_V1 - 维吾尔语翻译V1

工具 (Tools) - 24 项

• UYGHUREDITPP - 带拼写检查的维吾尔语文本编辑器
• UYGHUR-MULTI-SCRIPT-CONVERTER - 维吾尔语脚本转换
• HUNSPELL-UG - 维吾尔语拼写检查词典 (Hunspell)
• uyghur_tools - 维吾尔语数据处理脚本
• IOS-UYGHUR-KEYBOARD-WEBVIEW - iOS维吾尔语键盘
• CHAGHATAIKEYBOARDLAYOUT - 察合台语键盘布局
• OLDTURKICKEYBOARDLAYOUT - 古突厥语键盘布局
• UYGHURKEYBOARD - iOS维吾尔语键盘
• UYGHURKEYBOARD - 维吾尔语键盘
• UYGHUR-VIRTUAL-KEYBOARD - 维吾尔语虚拟键盘
• FONTS-FOR-UYGHUR-ARABIC-SCRIPT - 维吾尔语阿拉伯文字体集
• UYGHUR-FONTS-UKIJ - UKIJ维吾尔语字体
• UYGHUR-FONTS - 维吾尔语字体集
• UYGHUR-FONT - Unicode-range设置的维吾尔语字体
• UYGHURCHE-FONTLAR - 网络下载的维吾尔语字体
• UKIJFONTS - UKIJ维吾尔语字体
• UYGHUREDIT - 维吾尔语文本编辑器
• UYGHURSPELL - 维吾尔语拼写检查
• ULS - 维吾尔语阿拉伯-拉丁-西里尔文转换器
• UYGHUR_AXIP2LS - 维吾尔语阿拉伯文转拉丁/西里尔文

词典 (Dictionary) - 25 项

• UYGHUR-DICTIONARY - 维吾尔语词典数据
• UYGHUR-WORDS - 维吾尔语词汇数据集
• imlalughet - 维吾尔语拼写词典
• uyghur-maqal-temsilliri - 维吾尔语习语数据库 (~2500条习语)
• uywordnet - 英-维吾尔语WordNet数据集
• UYGHUR-MAQAL-TEMSILLIRI - 维吾尔语习语数据库
• UYWORDNET - 英-维吾尔语WordNet数据集
• WORDNET - 英-维吾尔语WordNet数据集
• VOCABLY/UG - Vocably维吾尔语词汇和翻译
• UYGHUR-CHINESEDICTIONARY - 汉-维词典
• TERMS-DICT - 汉-维术语词典在线
• UY_SO-PMI - 维吾尔语情感词典生成
• CNUY-TWOWAY-ONLINEDICTIONARY - 汉-维双向在线词典
• UYGHUR-DICTPROCESSING - 维吾尔语词典处理脚本
• ATLAN-DICT - 英-维格尔词典iOS版
• UYGHUR_ADVANCED_DICTIONARY - 高级维吾尔语-维吾尔语词典
• CHINESE-UYGHUR - macOS汉-维词典
• CHINESE-UYGHURDICTIONARY - 汉-维词典数据
• SOZLUKLARNI-OGINISH - 维吾尔语-英语词汇
• IMLALUGHET - 维吾尔语拼写词典

学习 (Learning) - 18 项

• uyghur-language.github.io - 维吾尔语网站
• HERIPLERNI_KOSHUP_OQUSH - 学习维吾尔语
• HERIPLERNI_QOSHUP_OQUSH4 - 4级
• HERIPLERNI_QOSHUP_OQUSH6 - 6级
• HERIPLERNI_QOSHUP_OQUSH3 - 3级
• HERIPLERNI_QOSHUP_OQUSH2 - 1级后续
• HERIPLERNI_QOSHUP_OQUSH5 - 5级

代码 (Code) - 52 项

• TOR-BEKETLERNI-ESLIGE-KELTURUSH - 网站归档/保存工具
• elkatip - 维吾语文本转换工具
• polyglossia-uyghur - LaTeX维吾尔语支持
• UYGHURSCRIPT - 支持维吾尔语语法的玩具编程语言
• UYGHUR-TILI-QURALLIRI - 维吾尔语脚本转换工具集
• UYGHURCHE-KUNUPKA-TAXTISI - 维吾尔语键盘
• UYGHUR-CHROMIUM-EXTENTION - 维吾尔语Chrome扩展
• ELKATIP - 维吾语文本转换工具
• UYGHURCHE-TORBET-KIRGUZGUCHI - 维吾尔语阿拉伯文输入法
• UYGHUR-TRANSLATOR - 语音转文本、机器翻译
• APERTIUM-UIG-TUR - Apertium维吾尔语-土耳其语翻译对
• TRANSLATOR_NN - 8种语言神经机器翻译 (含维吾尔语)
• APERTIUM-KAZ-UIG - Apertium哈萨克语-维吾尔语翻译对
• MULTI30K-ZHUY - 多模态机器翻译数据集 (含中文和维吾尔语)
• UG_VK - 维吾尔语虚拟键盘
• REDDIT-UYGHUR-NLP-ANALYSIS - Reddit维吾尔语话题NLP分析
• AI2001_CATEGORY-LINGUISTICS-SC-UYGHUR - 维吾语言学数据集
• TEST_WORD2VEC_UYGHUR - 维吾尔语Word2Vec
• UYGHURNGRAM - 维吾尔语N-Gram生成
• MBPROGRESSHUD-UYGHUR - iOS进度HUD
• SHARESDK-UYGHUR - ShareSDK维吾尔语版
• WORDPRESS-UYGHURCHE - WordPress维吾尔语
• FLARUM-LANG/UYGHUR - Flarum语言包
• PERSOARABICLID - 波斯-阿拉伯文字脚本语言识别
• UYGHUR-INSTITUTE - 维吾尔语语言研究所