منتديات بولت العربية للنقاش .
(/)
| العنوان |
منتديات بولت العربية للنقاش . |
| العنوان الأصلي
|
/
|
| تاريخ النشر: |
2018 |
| مكان النشر |
-
[فيلادلفيا، بنسلفانيا]: اتحاد البيانات اللغوية، [2018] |
| الموضوع |
اللغة العربية -- اللهجات -- مصر.
الترجمة الآلية.
اللغة العربية -- معالجة البيانات -- قواعد البيانات.
اللغة العربية -- معالجة البيانات.
اللغة العربية -- لهجات.
الترجمة الآلية.
مصر.
قواعد البيانات.
مقتطفات.
مقتطفات. |
| النوع |
أخرى |
| اللغة |
العربية |
| رقمي |
نعم
|
| مخطوط |
لا
|
| الأبعاد الفيزيائية |
| |
| المكتبة: |
جامعة شيكاغو |
| رقم السجل |
11962889 |
| التاريخ |
2018 |
| ملاحظات |
"LDC2018T10." عينات البيانات متاحة على موقع LDC. المحتوى باللغة العربية المصرية. التوثيق باللغة الإنجليزية.. 1 USB.. تم تطوير منتديات BOLT للمناقشة باللغة العربية من قبل اتحاد البيانات اللغوية (LDC) وتتكون من 813.080 موضوع منتدى للمناقشة باللغة العربية المصرية تم حصادها من الإنترنت باستخدام مجموعة من العمليات اليدوية والآلية. قام برنامج DARPA BOLT (ترجمة اللغات التشغيلية الواسعة) بتطوير الترجمة الآلية واسترجاع المعلومات للأنواع الأقل رسمية، مع التركيز بشكل خاص على المحتوى الذي ينشئه المستخدم. دعمت شركة LDC برنامج BOLT من خلال جمع مصادر البيانات غير الرسمية - منتديات المناقشة والرسائل النصية والدردشة - باللغات الصينية والعربية المصرية والإنجليزية. تمت ترجمة البيانات المجمعة وشرحها لمختلف المهام بما في ذلك محاذاة الكلمات، وشجرة الأشجار، وبنك الدعاية، والمرجع المشترك. تمثل المواد الموجودة في هذا الإصدار بيانات المصدر العربية غير المشروحة في نوع منتدى المناقشة. تم تجميع *البيانات* بناءً على نتائج البحث اليدوي عن البيانات من قبل المتحدثين الأصليين للغة. تم توجيه الكشافة للبحث عن محتوى باللغة العربية المصرية يكون أصليًا وتفاعليًا وغير رسمي. عند تحديد موقع الموضوع المناسب، أرسل المستكشفون عنوان URL وبعض الأحكام البسيطة حوله إلى قاعدة البيانات، عبر مكون إضافي لمتصفح الويب. عندما يتم إرسال عدة مواضيع من المنتدى، يتم تجميع المنتدى بأكمله تلقائيًا وإضافته إلى المجموعة. حجم المجموعة حال دون المراجعة اليدوية لجميع البيانات. تمت مراجعة جزء صغير فقط من المواضيع المضمنة في هذا الإصدار يدويًا، ومن المتوقع أنه قد يكون هناك بعض المحتوى المسيء أو غير المرغوب فيه بالإضافة إلى بعض المواضيع التي تحتوي على كمية كبيرة من المحتوى غير العربي. تم إجراء تعريف اللغة على جميع سلاسل الرسائل في هذه المجموعة (باستخدام CLD2)، وتم إدراج سلاسل الرسائل التي تشير نتائجها إلى احتمال كبير لمحتوى غير عربي إلى حد كبير في arz_suspect_LID.txt في دليل المستندات لهذه الحزمة. كما تجدر الإشارة إلى أن العديد من الخيوط قد تحتوي على خليط من اللغة المصرية وأصناف أخرى من اللغة العربية، حتى بين الخيوط التي تكون عربية في المقام الأول. تتكون المجموعة من ملفات HTML وXML المضغوطة. ملفات HTML هي ملف HTML أولي تم تنزيله من سلسلة المناقشة. إذا امتدت سلسلة المحادثات إلى عناوين URL متعددة، فسيتم تخزينها كسلسلة من ملفات HTML التي تم تنزيلها. تم تحويل ملفات XML من HTML الخام. *تقدير* تستند هذه المادة إلى العمل الذي تدعمه وكالة مشاريع الأبحاث الدفاعية المتقدمة (DARPA) بموجب العقد رقم HR0011-11-C-0145. المحتوى لا يعكس بالضرورة موقف أو سياسة الحكومة، ولا ينبغي استنتاج أي تأييد رسمي. |
| Diğer yazarlar / katkıda bulunanlar |
Tracey, Jennifer.
Lee, Haejoong.
Strassel, Stephanie M.
Ismael, Safa. |
| ISBN |
15856383909781585638390 |
