效率飙升：快马AI自动打包华为ensp实验环境，告别繁琐手动配置
2026/6/6 14:52:48
French Gigaword First Edition（LDC2006T17）是 LDC 于 2006 年发布的大规模法语单语新闻语料库，为法语 NLP 提供十亿词级无标注基础数据，核心用于语言模型预训练、机器翻译与文本理解任务，是法语大规模无标注语料的早期标杆资源。以下从核心信息、内容构成、数据特性、应用价值与局限展开说明。
一、核心基础信息
| 信息类别 | 详情 |
|---|---|
| 数据集全称 | French Gigaword First Edition |
| 官网编号 | LDC2006T17 |
| 发布机构 | 美国语言数据联盟（LDC） |
| 发布时间 | 2006 年 |
| 语料规模 | 约 7.7 亿词，超 100 万个文档，以新闻专线文本为主 |
| 语料来源 | 法新社（AFP）等权威新闻机构的法语新闻专线，覆盖政治、经济、体育等多领域 |
| 核心用途 | 法语语言模型预训练、法英机器翻译、文本分类、信息检索等 |
| ISBN | 1-58563-389-5 |
| 数据格式 | SGML，遵循 Gigaword 系列统一 DTD 规范，含标题、发布时间、来源、正文等字段 |