大卫·利纳尔公开言论语料库

自然语言
0 下载
3 浏览
2026-10-15

数据集简介

版本与规模

当前语料库版本为 2.0.1,最近一次生成日期为 2026 年 10 月 15 日。版本号与生成日期以 data/stats.json 的记录为准。

项目 取值
版本 2.0.1
段落数 4 764
词数 468 688,其中 409 871 词为 David Lisnard 本人言论
覆盖时段 2014 年 3 月 25 日至 2026 年 10 月 11 日
最近生成 2026 年 10 月 15 日
格式 JSONL、CSV、按主题切分

在全部段落中,4 461 条段落、409 871 词归属 David Lisnard 本人;2026 年新增 2 566 条;3 003 条段落带有秒级时间戳。

文本构成

语料按 type_source 字段区分来源类型,涵盖 interview(访谈)、post(社交媒体帖文)、discours(演讲)、tribune(报刊专栏)、book_tribune(书籍专栏)、programme(竞选纲领)与 fiche_2027 等类别。每条记录同时保留 url_source、reference_papier、compte_source、compte_proprietaire、cosignataires、cadre_editorial 与 citations_entre_guillemets 等字段,用于追溯原始出处与署名情况。

演讲文本

语料库收录六场演讲的完整文本,逐场标注日期与场合,可作为研究其政策主张演变的直接材料。

报刊专栏

报刊专栏共 78 篇,来自其在不同媒体发表的署名文章,每篇保留发表媒体与日期信息,并记录合作署名者(cosignataires)与编辑框架(cadre_editorial)。

媒体与平台分布

语料覆盖多个媒体与社交平台,记录中保留来源账号(compte_source)与账号所有者(compte_proprietaire),以区分官方账号发布与媒体转载。

说话人归属规则

语料通过 voix 字段标注说话人归属,取值为 david-lisnard、equipe、nouvelle-energie 或 nouvelle-energie-site。paroles_de_dl 为布尔值字段,用于快速筛选仅属于 David Lisnard 本人的言论;当一段文本包含团队或组织表态时,该字段与 voix 共同界定归属边界。

收集与标注方法

语料从公开渠道收集原始文本,经转写与整理后逐条标注来源、日期与秒级时间戳。说话人归属依据来源账号与文本内容判定,并以 paroles_de_dl 字段固化。仓库同时提供 data/stats.json、data/tribunes.json 与 data/revision-voix-posts.csv 等辅助文件,以及 scripts/lib_voix_post.py 脚本,用于复现说话人归属处理流程。按主题切分的目录(par_theme)将文本归入 divers、economie-travail、finances-publiques、securite、education 等 19 个类别,便于按议题检索。

使用与获取

语料库托管于 GitHub 公开仓库 nouvelleenergie/corpus-david-lisnard,可公开访问与下载。README 未明确声明具体许可协议,使用前建议核对仓库说明。文件以 JSONL 与 CSV 为主,另含 JSON 统计文件与 Markdown 说明文档,适合直接导入检索增强生成流程或用于引文核验。

基本信息

记录数量4 764 条段落、468 688 词;其中 David Lisnard 本人言论 4 461 条段
文件大小未知
文件格式JSONL, CSV, JSON, Markdown, Python
数据来源Nouvelle Énergie
版本2.0.1
段落数4 764
词数468 688
时间范围2014-03-25 至 2026-10-11
主题类别19 类
数据落地页https://github.com/nouvelleenergie/corpus-david-lisnard
发布日期2026-10-15
政治言论语料库David Lisnard检索增强生成引文核验公开文本

上架信息

数据集市运营
平台统一选品上架,经质量审核后公开
0 次下载

价格

免费