伯宰特大学 发布 QuranMorph 数据集, 应用在 计算语言学、自然语言处理 领域

伯宰特大学 本次发布的数据集 QuranMorph, QuranMorph数据集是一个形态学标注的《古兰经》语料库，包含77,429个词。该语料库由伯宰特大学的研究团队创建，每个词都经过三位语言学家手动进行词干化和词性标注。词干化过程使用了Qabas阿拉伯语词典数据库中的词干，该数据库与110个词典和2百万个词的语料库相关联。词性标注使用了细粒度的SAMA/Qabas词性标注集，包含了40个标签。QuranMorph语料库是开源的，作为SinaLab资源的一部分公开提供。该数据集旨在解决计算语言学中古典阿拉伯语资源不足的问题，并为阿拉伯语的自然语言处理研究提供支持。

查看QuranMorph

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。