农科(蔬菜学·茶学)学术英语语料库 v1.2 · 语料数据包(受限访问) / Agricultural English Corpus v1.2 (Horticulture & Tea Science) · Data Package (Restricted Access)
Abstract
本记录为该语料库 v1.2 的语料数据包(受限访问)。 内容:主数据四表(文献主表/句对表/摘要表/句级全量表)、语步标注表、派生语料视图(双语总表、研究论文子集、英文语料与学科对照、平衡对照子库、结构化摘要分层清单)、特色库(辣椒遗传育种、茶叶深加工)篇目与作者索引,以及 4 个期刊采集脚本(含站点请求结构,仅随受限件提供)。不含 CNKI 导出件。 规模(v1.2):中文双语语料 2,765 篇、文献主表 4,604 条、中英句对 13,028 对、英文单语 1,783 篇、中文单语 56 篇;句级表 53,303 行(中文 13,369+英文 39,934);语步标注 53,303 行、覆盖率 99.9%。 访问与许可:语料文本的著作权属原期刊与作者,仅限学术研究按需申请获取。Restricted access: the abstracts are the copyright of the original journals/authors. The files are shared for academic research upon request only. 本版(v1.2)修订——自 v1.0.3 起累计两批改动,均在此如实披露: 一、v1.1(语料层,本版一并发布) ① 剔除 EN-1601(Horticulture Research 2023,DOI 10.1093/hr/uhad149):该篇源件的 abstract 字段实为整篇通信(Letter)正文 10,629 字符(开头 Dear Editor,无 Abstract 段),按本库"语料单元=摘要"的口径整篇剔除并留档;全库复扫此类声明块标记仅此 1 篇。⇒ 文献主表 4,605→4,604、摘要表 7,370→7,369、英文单语 1,784→1,783、英文句数 40,016→39,935;中英句对 13,028 不变。② 正式并入"句级全量表"(一个句子一行、覆盖全部摘要):53,304 行(中文 13,369+英文 39,935)。句级统计一律以它为分母;句对表是"配对视图"(只收配对得上的句子),不等于全库句数。 二、v1.2(本版新增) ① 修复 CN-1280 的"中英摘要粘连"(《中国蔬菜》2025):该篇源件的英文字段实为"中文摘要 432 字+英文摘要 1,477 字"粘连成一行(1,910 字符、汉字占比 0.1272),被当作英文摘要入库,并在句级表里切出一句中文的"英文句序1",使该篇 5 个句对整体错位一格。已剥离为纯英文(1,477 字符,SHA256 前 16 位 604a77c7f4665a96),并以差量核对证明全库只有该篇英文侧变动。⇒ 句级表 53,304→53,303(英文 39,935→39,934)、该篇英文句数 8→7;句对表 13,028 不变、摘要表 7,369 与主表 4,604 不变。② 新增"语步标注表"(立项书"标注库"的语步层):用 SciAIEngine(move_recognition_cn/_en)对全部摘要做全量重跑(中文 2,821 篇+英文 4,547 篇=148 次调用,未沿用任何旧批标注),53,303 行、覆盖率 99.9%;未匹配 61 行(0.11%)留空并列明清单。四级匹配口径(精确→继承(引擎合并)→继承(引擎拆分)/多标签-取最长→近似≥0.6)会造成标签一对多,方法节须披露。 三、本版规模:文献主表 4,604 条/中英句对 13,028 /摘要表 7,369 行/句级表 53,303 行/语步标注 53,303 行。 说明:v1.0.3 与 v1.2 之间的 v1.1 未单独发布到 Zenodo,其改动已并入本版;上一版(v1.0.3)及其之前版本仍可访问,用于追溯修订过程。
