cnshD/Kangxi-Dictionary-V1.0

康熙字典原子级结构化与多标准对齐数据集 (KangXi Dictionary Structured Dataset)

📖 项目简介 (Introduction)

本数据集是一个针对经典古籍《康熙字典》进行原子级深度清洗、多源标准对齐与数字化重构的高质量开源知识库。通过多轮严格的脚本清洗、繁体规范化、画数纯数字转化以及异体字/地区标准对齐，将全量近 47,000 条字符数据打造成为一个兼具学术考证价值与现代机器友好性（Machine-Readable）的顶级古汉字数字资产。

📊 数据规模与核心指标 (Dataset Overview)

• —总记录条目数：46,981 条
• —涵盖内容：字头、拼音、IDS 字符结构树、地区标准说明（大陆 GB、台湾 CNS、日本 JIS、韩国 KS 等）、所属集与部首、总画与余画（纯数字格式）、Unicode 统一码、反切读音、原典古释义。
• —版权保护：内嵌全局数字指纹（SHA-256）及逐条明文系统版本标识（system_V1.0_ID）。

🗂️ 核心字段结构说明 (Schema Definition)

本数据集采用规范的 JSON 格式存储，每个条目的核心字段包括：

• —id: 条目唯一检索标识
• —字: 康熙字典原典字头
• —拼音: 现代汉语拼音
• —字结构: Unicode 标准 IDS 原子结构树
• —字結構說明: 地区标准归属对照
• —所屬集 / 所屬部: 字典收录归属与部首
• —總畫 / 餘畫: 经清洗的纯数字笔画数
• —統一碼: 国际标准 Unicode 编码
• —讀音: 传统反切与音韵标注
• —古釋義: 原汁原味的《康熙字典》训诂释义
• —system_V1.0_ID: 逐条明文版权与系统版本指纹标识（位于条目底部）

🛡️ 数字版权与开源声明 (License & Watermark)

• —开源许可：采用 CC BY-NC 4.0 协议授权，仅限学术研究与非商业开源交流使用。
• —数字水印防护：内嵌全局加密数字指纹及逐条明文追踪 ID，有效保护开源成果。

license: cc-by-nc-4.0 language:

• —zh prettyname: KangXi-Dictionary-Structured taskcategories:
• —text-classification tags:
• —kangxi
• —kangxi-dictionary
• —chinese-characters
• —digital-humanities
• —nlp
• —historical-text size_categories:
• —10K<n<100K ---