博:为索拉尼库尔德语语言自动注释立场检测数据集
Payman Sabr Rostam1, Rebwar Mala Nabi1,2
1Information Technology Department, Technical College of Informatics, Sulaimani Polytechnic University, Sulaimani, Kurdistan Region, Iraq.
Data in brief
|July 17, 2025
概括
本研究介绍了首个自动注释的库尔德语姿势检测数据集,用于索拉尼方言. 此资源有助于自然语言处理 (NLP) 对库尔德语等低资源语言的研究.
科学领域:
- 自然语言处理 (NLP) 是一种自然语言处理.
- 计算语言学 计算语言学
- 数据科学数据科学数据科学
背景情况:
- 库尔德语是一个资源较低的语言,缺乏足够的注释数据集来处理自然语言处理 (NLP) 任务.
- 立场检测对于了解新闻媒体中的公众意见和情绪至关重要.
研究的目的:
- 创建第一个高质量的,自动注释的库尔德语姿势检测数据集,用索拉尼方言.
- 为解决库尔德语NLP注释资源的短缺问题.
主要方法:
- 编制了2024-2025年2,174篇库尔德新闻文章 (经济和政治) 的数据集.
- 自动注释包括用于主题分类 (经济/政治) 的模式识别和基于词典的立场检测 (支持/反对/中立).
- 语义相似性和零射击分类被用作备用方法,专家验证证实有很高的注释者间一致性.
主要成果:
- 一个新的,自动注释的库尔德语姿势检测数据集成功生成.
- 数据集包括2,174篇新闻文章,并附有主题和立场注释.
- 领域专家的验证证实了自动注释过程的高质量和可靠性.
结论:
- 开发的数据集是推进库尔德语自然语言处理 (NLP) 研究的基础资源.
- 该数据集的公开发布鼓励进一步研究和开发低资源语言技术.
- 这项工作有助于为代表性不足的语言提供注释数据.
