中华诗词·数据源说明
本系统所使用的数据主要来源于开源项目 中文诗歌数据库（chinese-poetry） 。
该数据库是目前最为完整的中华古典文集公开数据集，涵盖： 5.5 万首唐诗、26 万首宋诗、2.1 万首宋词和其他古典文集。
总计收录唐宋两代近 14,000 位古诗人，及两宋时期约 1,500 位词人，为研究与挖掘中国古代诗词文化提供了坚实的数据基础。
六砚·训练数据概况
在本项目中，我们从上述数据库中精选了以下子集作为模型训练语料：
| 语料类型 | 句子数 |
|---|---|
| 楚辞 | 2,273 |
| 全唐诗 | 1,495,186 |
| 宋词 | 161,620 |
| 元曲 | 45,509 |
总计训练语料超过 2,000,000 字，为模型提供丰富的语言上下文。