Select Language

Open Dataset

ウルドゥー語のストップワードリスト

ウルドゥー語のストップワードリスト

0.01M
681 hits
0 likes
0 downloads
0 discuss
Social Science,Linguistics,India,Languages Classification

Data Structure ? 0.01M

    Data Structure ?

    *The above analysis is the result extracted and analyzed by the system, and the specific actual data shall prevail.

    README.md

    コンテキスト ウルドゥー語は1億人以上が話すインド・アーリア語派の言語です。主にパキスタンで使用されています。ヒンディー語と相互に理解可能なことが多いですが、2つの言語は異なる文字体系を使用しており、その結果、ヒンディー語用に開発された自然言語処理(NLP)ツールはウルドゥー語には適用できないことが多いです。 英語の “the” や “and” のようないくつかの単語は、スピーチや文章で頻繁に使われます。ほとんどの自然言語処理アプリケーションでは、これらの頻出単語を削除したいと思うでしょう。これは通常、手作業で作成された「ストップワード」のリストを使用して行われます。 コンテンツ このデータセットは、517個の高頻度ウルドゥー語単語のリストです。非常に高頻度の単語は、ほとんどの自然言語処理タスクには一般的に役に立たず、前処理の一環として通常削除されます。 .json ファイルと .txt ファイルには同じ単語が含まれています。 謝辞: このデータセットは2016年のGene Diazの著作権であり、ここではMITライセンスの下で配布されています。詳細については、添付のライセンスファイルを参照してください。 インスピレーション: これは、それ自体が面白いデータセットというよりは、自然言語処理のユーティリティデータセットです。他のウルドゥー語データセットと一緒に使ってみてください。 * [ウルドゥー語 - ネパール語平行コーパス:ウルドゥー語とネパール語の品詞タグ付きコーパス](https://www.kaggle.com/rtatman/urdunepali-parallel-corpus) * [聖書コーラン(ウルドゥー語を含む21言語版)](https://www.kaggle.com/zusmani/the-holy-quran) * [古新聞:HCコーパスの新聞のクリーン化されたサブセット](https://www.kaggle.com/alvations/old-newspapers)
    ×

    The dataset is currently being organized and other channels have been prepared for you. Please use them

    The dataset is currently being organized and other channels have been prepared for you. Please use them

    Note: Some data is currently being processed and cannot be directly downloaded. We kindly ask for your understanding and support.
    No content available at the moment
    No content available at the moment
    • Share your thoughts
    Go share your ideas~~

    ALL

      Welcome to exchange and share
      Your sharing can help others better utilize data.
    Points:0 Go earn points?
    • 681
    • 0
    • 0
    • collect
    • Share