مۆدێلی زمان بۆ پشکنینی ڕێنووسی دەقە پەروەردەییەکان بە کوردی سۆرانی
نووسەران
Proceedings of the 1st Annual Meeting of the ELRA/ISCA Special Interest Group on Under-Resourced Languages
pp. 189-198
pûşperê 24, 2022
پوختە
توێژینەوەیەکی چاککردنەوەی ڕێنووسی کوردی سۆرانی بە پێی کۆنتێکست کە مۆدێلی زمانی trigram بە Stupid Backoff و پێشنیارەکانی edit distance بەکاردەهێنێت. نووسەران 88.54% دروستی گشتی و 43.33% F1 ڕاپۆرت دەکەن، بە جیاوازییەکی بەرچاو لە نێوان بەشەکانی هەڵسەنگاندنی دەقی پەروەردەیی.
وشە گرنگەکان
پشکنینی ڕێنووس
کوردی سۆرانی
مۆدێلی زمان
Trigram
داتاسێتە پەیوەندیدارەکان
کۆرپەسی کتێبە قوتابخانەییە کوردییەکان (KTC)
2019
٣١ کتێب؛ ٦٩٣,٨٠٠ تۆکن؛ ١١٠,٢٩٧ جۆری وشە
XML, Text
کۆرپەسێکی سۆرانی کە لە کتێبە قوتابخانەییەکانی K-12 دروستکراوە و بەپێی بابەتی خوێندن ڕێکخراوە.
KTC-Language-Model
بەروار پشتڕاست نەکراوەتەوە
94,188 unigram؛ 372,903 bigram؛ 521,797 trigram
XML, Excel
داتای مۆدێلی زمانی سۆرانی کە بنەمای توێژینەوەی پشکنینی ڕێنووسی کۆنتێکستی ساڵی 2022 بووە. وتارەکە 94,188 unigram، 372,903 bigram و 521,797 trigram ڕاپۆرت دەکات. ئەمە سەرچاوەی مۆدێلی زمانە کە لە Kurdish …
نووسراوە
Abdulrahman, R., & Hassani, H. (2022). A Language Model for Spell Checking of Educational Texts in Kurdish (Sorani). SIGUL, 189-198.