نوێنەری پڕۆژە
پێداچوونەوەیەکی هەڵبژێردراو لە توێژینەوە بڵاوکراوەکانی چاککردنەوەی ڕێنووسی کوردی و سەرچاوە دەرەکییە بەکارهێنراوەکان. ئەدەبیاتەکە چاککردنەوەی ئاستی وشە بۆ سۆرانی و کورمانجی، سەرچاوە مۆرفۆلۆژییەکانی Hunspell و مۆدێلە ئامارییە کۆنتێکستییەکان لەخۆدەگرێت. بڵاوکراوە و سەرچاوەکان بە دروستکەرانی سەرەکییان دەدرێنەوە و وەک سیستەمی دروستکراوی KaiLab پیشان نادرێن.
تەکنەلۆجیەکان و ڕێگەکان
بەکارهێنانەکان
- یارمەتی نووسین
- ئامرازە پەروەردەییە زمانییەکان
- Kurdish NLP
بڵاوکراوە پەیوەندیدارەکان
دروستکردنی Lemmatizer و پشکنەری ڕێنووس بۆ کوردی سۆرانی
Shahin Salavati , Sina Ahmadi (2018)
توێژینەوەیەک لەسەر لێماتایزکردن و چاککردنەوەی ڕێنووسی ئاستی وشە بۆ کوردی سۆرانی. پشکنەری Rênûs، n-gramی پیت، فرەوانی لە کۆرپەس، گەڕان لە فەرهەنگ و weighted edit distance تێکەڵ دەکات. نووسەران باشترین …
ئەڵگۆریتمی پشکنینی ڕێنووس بۆ زمانە پاشگرگرەکان: کوردی ناوەندی وەک نموونە
Roojwan Sc. Hawezi , Muhammed Y. Azeez , Ahmed A. Qadir (2019)
ڕێبازێکی چاککردنەوەی ڕێنووسی کوردی ناوەندی کە فەرهەنگێکی کورتکراوەی pattern و Levenshtein distance بەکاردەهێنێت. نووسەران ڕاپۆرت دەکەن کە لە تاقیکردنەوە دروستکراوەکانی ئاستی وشەدا، چاککردنەوەی مەبەست …
Hunspell بۆ پشکنینی ڕێنووس و شیکردنەوەی مۆرفۆلۆژی کوردی سۆرانی
Sina Ahmadi (2021)
سەرچاوەیەکی rule-basedی Hunspell بۆ پێشنیاری ڕێنووس و شیکردنەوەی مۆرفۆلۆژی کوردی سۆرانی. وتاری 2021 فەرهەنگێکی 23,223 تۆماری و 4,293 یاسا ڕاپۆرت دەکات. ئەنجامەکانی هەڵسەنگاندن تایبەتن بە وەشانی 0.1.0ی …
مۆدێلی زمان بۆ پشکنینی ڕێنووسی دەقە پەروەردەییەکان بە کوردی سۆرانی
Roshna Abdulrahman , Hossein Hassani (2022)
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 …
Lemmatization و پشکنەر و چاککردنەوەی ڕێنووسی کوردی کورمانجی
Hanar Hoshyar Mustafa , Rebwar M. Nabi (2023)
توێژینەوەیەکی کوردی کورمانجی کە lemmatizationی مۆرفۆلۆژی، bigramی پیت و Jaccard similarity بۆ چاککردنەوەی ڕێنووسی ئاستی وشە تێکەڵ دەکات. نووسەران 90.77% دروستی چاککردنەوە ڕاپۆرت دەکەن. وەسفی …
داتاسێتە پەیوەندیدارەکان
کۆرپەسی کتێبە قوتابخانەییە کوردییەکان (KTC)
بڵاوکراوە: rêbendanê 1, 2019 | قەبارە: ٣١ کتێب؛ ٦٩٣,٨٠٠ تۆکن؛ ١١٠,٢٩٧ جۆری وشە
کۆرپەسێکی سۆرانی کە لە کتێبە قوتابخانەییەکانی K-12 دروستکراوە و بەپێی بابەتی خوێندن ڕێکخراوە.
KurdishHunspell
قەبارە: 33,856 سۆرانی؛ 43,945 کورمانجی؛ 43,328 زازاکی لە وەشانە ئاماژەپێکراوەکان
سەرچاوەیەکی Hunspellی داگیراو بۆ فەرهەنگ و شیکردنەوەی مۆرفۆلۆژی کوردی. کۆگای بەردەوام Sorani، Kurmanji و Zazaki لەخۆدەگرێت. وەشانی حوزەیرانی 2025 ژمارەی 33,856 تۆماری سۆرانی و 43,945 کورمانجی …
Central-Kurdish-Spelling-dataset
قەبارە: 385 ڕیزی Amani؛ 1,400 ڕیزی NeteweNet
کۆمەڵەیەکی گشتی لە هەڵە ڕێنووسییەکانی کوردی ناوەندی کە لەلایەن AsoSoft بڵاوکراوەتەوە. فایلە داگیراوەکان 385 ڕیزی Amani و 1,400 ڕیزی NeteweNet لەخۆدەگرن، بەبێ سەردێڕ. بەڕێوەبەرانی سەرچاوەکە هەندێک …
KTC-Language-Model
قەبارە: 94,188 unigram؛ 372,903 bigram؛ 521,797 trigram
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 …
Kurdish Language Processing Toolkit (KLPT)
قەبارە: وەک داتاسێتی سەربەخۆی ڕێنووس جێبەجێ نییە
توولکیتێکی گشتی Python بۆ چارەسەری کوردی سۆرانی و کورمانجی. بەشی پێشنیاری ڕێنووسی ئەم توولکیتە Hunspell بەکاردەهێنێت، بۆیە integration layer ـە و نە داتاسێتی سەربەخۆی پشکنینی ڕێنووس یان پشکنەرێکی …