Basım Tarihi
2018
Basım Yeri
-
[Philadelphia, Pensilvanya] : Dilbilimsel Veri Konsorsiyumu, [2018]
Konu
Arap dili -- Lehçeler -- Mısır.
Makine çevirisi.
Arap dili -- Veri işleme -- Veritabanları.
Arap dili -- Veri işleme.
Arap dili -- Lehçeler.
Makine çevirisi.
Mısır.
Veritabanları.
Alıntılar.
Alıntılar.
Tür
Diğer
Dil
Arapça
Dijital
Evet
Yazma
Hayır
Fiziksel Boyutlar
|
Kütüphane
Chicago Üniversitesi
Kayıt Numarası
11962889
Tarih
2018
Notlar
"LDC2018T10."Veri örnekleri LDC web sitesinde mevcuttur. İçerik Mısır Arapçasıdır. İngilizce belgeler.. 1 USB.. BOLT Arapça Tartışma Forumları, Dilsel Veri Konsorsiyumu (LDC) tarafından geliştirilmiştir ve manuel ve otomatik süreçlerin bir kombinasyonu kullanılarak İnternetten toplanan Mısır Arapçasındaki 813.080 tartışma forumu başlığından oluşur. DARPA BOLT (Geniş Operasyonel Dil Çevirisi) programı, özellikle kullanıcı tarafından oluşturulan içeriğe odaklanarak, daha az resmi türler için makine çevirisi ve bilgi erişimini geliştirdi. LDC, Çince, Mısır Arapçası ve İngilizce dillerindeki resmi olmayan veri kaynaklarını (tartışma forumları, kısa mesajlar ve sohbet) toplayarak BOLT programını destekledi. Toplanan veriler kelime hizalama, ağaç bankacılığı, destek bankacılığı ve ortak referans gibi çeşitli görevler için çevrildi ve açıklamalar eklendi. Bu sürümdeki materyal, tartışma forumu türündeki açıklamasız Arapça kaynak verilerini temsil etmektedir. *Veri* Koleksiyonu, anadili İngilizce olan açıklayıcıların manuel olarak yaptığı veri araştırmasının sonuçlarına göre oluşturuldu. İzcilere Mısır Arapçasında orijinal, etkileşimli ve resmi olmayan içerik aramaları talimatı verildi. Uygun bir konu bulduktan sonra, gözlemciler URL'yi ve bununla ilgili bazı basit kararları bir web tarayıcısı eklentisi aracılığıyla bir veritabanına gönderdiler. Bir forumdan birden fazla konu gönderildiğinde, forumun tamamı otomatik olarak toplanıp koleksiyona eklendi. Koleksiyonun ölçeği, tüm verilerin manuel olarak incelenmesini engelledi. Bu sürümde yer alan konu başlıklarının yalnızca küçük bir kısmı manuel olarak incelendi ve büyük miktarda Arapça olmayan içerik barındıran bazı konu başlıklarının yanı sıra bazı rahatsız edici veya başka türlü istenmeyen içeriklerin de olması bekleniyor. Bu derlemedeki tüm ileti dizilerinde (CLD2 kullanılarak) dil tanımlaması gerçekleştirildi ve sonuçların büyük oranda Arapça olmayan içerik içerme olasılığının yüksek olduğunu gösterdiği ileti dizileri, bu paketin docs dizinindeki arz_suspect_LID.txt dosyasında listelendi. Ayrıca birçok ipliğin, öncelikli olarak Arapça olan iplikler arasında bile, Mısır ve diğer Arapça türlerinin bir karışımını içerebileceğini de belirtmek gerekir. Derlem sıkıştırılmış HTML ve XML dosyalarından oluşur. HTML dosyaları tartışma başlığından indirilen ham bir HTML dosyasıdır. Konu birden fazla URL'yi kapsıyorsa, indirilen HTML dosyalarının birleşimi olarak saklanıyordu. XML dosyaları ham HTML'den dönüştürüldü. *Teşekkür* Bu materyal, HR0011-11-C-0145 sayılı Sözleşme kapsamında Savunma İleri Araştırma Projeleri Ajansı (DARPA) tarafından desteklenen çalışmaya dayanmaktadır. İçerik mutlaka Hükümetin konumunu veya politikasını yansıtmamaktadır ve herhangi bir resmi onay çıkarımı yapılmamalıdır.
Diğer yazarlar / katkıda bulunanlar
Tracey, Jennifer.
Lee, Haejoong.
Strassel, Stephanie M.
Ismael, Safa.
ISBN
15856383909781585638390
