Hacktoberfest 2026: die Issues, die Maintainer für den Oktober markiert haben – offen und einsteigerfreundlich. Hacktoberfest-Issues durchsuchen

Create dataset malindomorph__morphological_dictionary_and_analyser_for_malay_indonesian

Offen
  • Stimmt etwas nicht?
#360 0 Kommentare 0 Reaktionen 0 zugewiesene Personen Auf GitHub ansehen

Dieses Issue hat noch niemand übernommen.

Bewertung

Schwierigkeit
2/5
Geschätzter Aufwand
1-3 Stunden
Anfängerfreundlichkeit
45/100
Issue-Typ
Feature
Klarheit
Größtenteils klar
Aktivitätsstatus
Veraltet
Tech-Stack
json
Bereich
data

Rechercherichtung

Lokalisieren Sie den Katalogdateneintrag, der durch malindomorph__morphological_dictionary_and_analyser_for_malay_indonesian.json dargestellt wird, und vergleichen Sie seine Struktur mit den bereitgestellten Metadaten. Bestätigen Sie, dass der MALINDOMorph-Datensatz mit der angegebenen Quelle, Verfügbarkeit, Lizenzierung, Sprache und den Mediendetails hinzugefügt wird, einschließlich der noch nicht geklärten Validierungsfelder.

Vom Indexierungsmodell aus dem Issue-Text verfasst.

Beschreibung

data catalog need custodian permission
  • uid: malindomorph__morphological_dictionary_and_analyser_for_malay_indonesian
  • type: processed
  • description:
    • name: MALINDOMorph: Morphological dictionary and analyser for Malay/Indonesian
    • description: Malay/Indonesian lacked an open wide-coverage dictionary that can be used for both NLP tasks and non-NLP purposes. The MALINDO Morph morphological dictionary is the first such dictionary. It provides morphological information (root, prefix, suffix, circumfix, reduplication) for roughly 232K surface forms. The entry forms are those found in the authoritative dictionaries in Malaysia (Kamus Dewan4) and Indonesia (Kamus Besar Bahasa Indonesia5) (core dictionary) as well as frequent words in the Leipzig Corpora Collection (Goldhahn et al., 2012) (expanded dictionary). The morphological analyses were checked by hand for all surface forms, except for (i) basic and di-forms in the expanded dictionary whose existence is predicted from the corresponding meN-active forms in the core dictionary and (ii) the case variants of the items in the core dictionary. This paper also discusses the morphological analyser that we developed to create our morphological dictionary. Our morphological analyser is more linguistically rigorous than previous morphological analysers and stemmers/lemmatizers such as MorphInd (Larasati et al., 2011) because it takes into account circumfixes, which have previously been neglected, largely due to a misunderstanding among NLP researchers that circumfixes are no more than combinations of a prefix and a suffix.
    • homepage: chrome-extension://efaidnbmnnnibpcajpcglclefindmkaj/viewer.html?pdfurl=http%3A%2F%2Flrec-conf.org%2Fworkshops%2Flrec2018%2FW29%2Fpdf%2F8_W29.pdf&clen=201938&chunk=true
    • validated: True
  • languages:
    • language_names:
      • Indonesian
    • language_comments:
    • language_locations:
      • Asia
      • Indonesia
    • validated: False
  • custodian:
    • name: Hiroki Nomoto
    • in_catalogue:
    • type: A university or research institution
    • location: Japan
    • contact_name: Hiroki Nomoto
    • contact_email: [email protected]
    • contact_submitter: False
    • additional: chrome-extension://efaidnbmnnnibpcajpcglclefindmkaj/viewer.html?pdfurl=http%3A%2F%2Flrec-conf.org%2Fworkshops%2Flrec2018%2FW29%2Fpdf%2F8_W29.pdf&clen=201938&chunk=true
    • validated: False
  • availability:
    • procurement:
      • for_download: No - but the current owners/custodians have contact information for data queries
      • download_url:
      • download_email:
    • licensing:
      • has_licenses: Yes
      • license_text:
      • license_properties:
      • license_list:
    • pii:
      • has_pii: Yes
      • generic_pii_likely:
      • generic_pii_list:
      • numeric_pii_likely:
      • numeric_pii_list:
      • sensitive_pii_likely:
      • sensitive_pii_list:
      • no_pii_justification_class:
      • no_pii_justification_text:
    • validated: False
  • processed_from_primary:
    • from_primary: Taken from primary source
    • primary_availability: Yes - their documentation/homepage/description is available
    • primary_license: Unclear / I don't know
    • primary_types:
    • validated: False
    • from_primary_entries:
  • media:
    • category:
      • text
    • text_format:
      • .PDF
    • audiovisual_format:
    • image_format:
    • database_format:
      • other
      • pdf
    • text_is_transcribed: No
    • instance_type:
    • instance_count:
    • instance_size:
    • validated: False
  • fname: malindomorph__morphological_dictionary_and_analyser_for_malay_indonesian.json
Vorherrschende Sprache
HTML
Sterne
91
Forks
47
Keine gemergten PRs in 30 T.

Entwicklungsumgebung

Dieses Projekt bietet weder Dev-Container noch Dockerfile noch Beitragsleitfaden – die Einrichtung liegt bei Ihnen. Beginnen Sie mit der README; die allgemeinen Schritte stehen in unserem Leitfaden für den ersten Beitrag.

Erste Schritte

  1. Lesen Sie das ganze Issue und danach den Beitragsleitfaden des Projekts.
  2. Schreiben Sie ins Issue, dass Sie es übernehmen — das erspart doppelte Arbeit.
  3. Forken Sie das Repository und arbeiten Sie in einem Branch.
  4. Öffnen Sie einen Pull Request, der die Issue-Nummer nennt.

Mehr aus bigscience-workshop/data_tooling

Alle Issues in bigscience-workshop/data_tooling

Ähnliche Issues

Weitere Issues zu Data Engineering

Neue Issues direkt in Ihr Postfach

Eine kurze Übersicht über anfängerfreundliche GitHub-Issues.