تاريخ النشر
2024
الموضوع
اللغة الفارسية > معالجة البيانات. اللغة الفارسية > الترجمة الآلية. اللغة الفارسية > الترجمة إلى اللغة الإنجليزية. اللغة الإنجليزية > الترجمة إلى اللغة الفارسية. اللغات منخفضة الموارد > معالجة البيانات. استخراج البيانات النصية اللغويات الحاسوبية. الجسد (اللغويات)
النوع
كتاب
اللغة
eng,fas
رقمي
نعم
مخطوط
لا
الأبعاد الفيزيائية
1 online resource
المكتبة
جامعة ييل
رقم السجل
99169964843408651
التاريخ
2024
ملاحظات
المؤلفون: جنيفر تريسي، ستيفاني ستراسل، ديفيد غراف، جوناثان رايت، سونغ تشين، نيفيل رايانت، سيث كوليك، كيرا غريفيت، دانا ديلجادو، مايكل أريجو. مصدر البيانات: منتدى المناقشة، وكالة الأنباء، مجموعة الويب، المدونات الإلكترونية. نوع البيانات: البرمجيات والنص. التطبيقات: النقل عبر اللغات، استخراج الكيانات، استخراج المعلومات، الترجمة الآلية. رقم أقل البلدان نموا: LDC2024T01. "يتم التحدث باللغة الفارسية بشكل رئيسي في إيران وأفغانستان؛ وهي اللغة الرسمية في كلا البلدين. تم جمع البيانات في الأنواع التالية: منتدى المناقشة، والأخبار، والمراجع، والشبكة الاجتماعية، والمدونات. يتضمن كل من جمع النص أحادي اللغة وإنشاء النص الموازي مزيجًا من الأساليب اليدوية والآلية. أحجام البيانات هي كما يلي: 250 مليون كلمة من النص الفارسي أحادي اللغة، أكثر من 391000 منها تمت ترجمتها إلى الإنجليزية - 751000 كلمة تم العثور عليها بالتوازي مع الفارسية-الإنجليزية النص - 120,000 كلمة فارسية مترجمة من البيانات الإنجليزية، تم إضافة تعليقات توضيحية لما يقرب من 75,000 كلمة للكيانات المسماة، وتم إضافة تعليقات توضيحية لأكثر من 22,000 كلمة للكيان الكامل بما في ذلك الأسماء الاسمية والضمائر، والتعليقات التوضيحية الدلالية البسيطة، والتعليقات التوضيحية لإطار الموقف، وربط الكيانات، كما تم تضمينها في هذا الإصدار Twitter، وتطبيق تجزئة الجملة على النص الخام، ودعم وضع علامات على الكيانات المُسماة، يتم تقديمها في XML مع dtds المرتبطة. يتم تقديم بيانات التعليقات التوضيحية كملفات محددة بعلامات جدولة أو XML. كل النص مشفر بـ UTF-8. قاعدة المعرفة الخاصة بالتعليق التوضيحي للكيان لهذه المجموعة وجميع حزم اللغة التمثيلية وحزم اللغات الخاصة بـ LORELEI متاحة بشكل منفصل مثل قاعدة معارف LORELEI للكشف عن الكيانات وربطها. (LDC2020T10)."--كتالوج أقل البلدان نموًا على الإنترنت. بالفارسية والإنجليزية. العنوان من الصفحة الرئيسية للمورد (موقع الويب الخاص بأقل البلدان نموًا، تمت مشاهدته في 19 فبراير 2024).
نص عينة
"كان برنامج LORELEI (اللغات منخفضة الموارد للحوادث الطارئة) مهتمًا ببناء تكنولوجيا اللغة البشرية للغات منخفضة الموارد في سياق المواقف الطارئة مثل الكوارث الطبيعية أو تفشي الأمراض. تشتمل الموارد اللغوية لبرنامج LORELEI على حزم اللغات التمثيلية وحزم لغات الحوادث لأكثر من عشرين لغة منخفضة الموارد، بما في ذلك البيانات والشروح وأدوات معالجة اللغة الطبيعية الأساسية والمفردات والموارد النحوية. وقد تم اختيار اللغات التمثيلية لتوفير تغطية تصنيفية واسعة، في حين أن الحوادث الطارئة تم اختيار اللغات لتقييم أداء النظام على اللغة التي تم الكشف عن هويتها في بداية التقييم."--كتالوج أقل البلدان نمواً على الإنترنت.
Kataloğa Eklendi
February 19, 2024
Diğer Sorumlular
Tracey, Jennifer, creator Linguistic Data Consortium, issuing body
İçindekiler
data file (contains the corpus data subdivided by translation, annotation, or lexicon) docs file (contains additional documentation, guidelines, and a file table) dtd file (contains the associated dtds for the XML formats) tools (contains the tools mentioned above).
Yerel Notlar
Access is available to the Yale community.
Varyant ve İlgili Başlıklar
Low Resource Languages for Emergent Incidents Farsi representative language pack Farsi representative language pack
