Hacktoberfest 2026 : les issues que les mainteneurs ont marquées pour octobre, ouvertes et accessibles aux débutants. Parcourir les issues Hacktoberfest

Create dataset malindomorph__morphological_dictionary_and_analyser_for_malay_indonesian

Ouverte
  • Quelque chose ne va pas ?
#360 0 commentaires 0 réactions 0 personnes assignées Voir sur GitHub

Personne n'a encore pris cette issue.

Évaluation

Difficulté
2/5
Temps estimé
1-3 heures
Accessibilité débutants
45/100
Type d'issue
Fonctionnalité
Clarté
Plutôt claire
Activité
À l'abandon
Stack technique
json
Domaine
data

Piste de recherche

Localisez l’entrée de données du catalogue représentée par malindomorph__morphological_dictionary_and_analyser_for_malay_indonesian.json et comparez sa structure avec les métadonnées fournies. Confirmez que l’enregistrement MALINDOMorph est ajouté avec la source, la disponibilité, la licence, la langue et les détails des médias indiqués, y compris les champs de validation non résolus.

Rédigé par le modèle d'indexation à partir du texte de l'issue.

Description

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
Langage dominant
HTML
Étoiles
91
Forks
47
Aucune PR mergée en 30 j

Préparer son environnement

Ce projet ne fournit ni conteneur de développement, ni Dockerfile, ni guide de contribution : l'installation est à votre charge. Commencez par son README, et consultez notre guide de la première contribution pour les étapes générales.

Par où commencer

  1. Lisez l'issue en entier, puis le guide de contribution du projet.
  2. Signalez en commentaire que vous la prenez — cela évite que deux personnes fassent le même travail.
  3. Forkez le dépôt et travaillez sur une branche.
  4. Ouvrez une pull request qui référence le numéro de l'issue.

Autres issues de bigscience-workshop/data_tooling

Toutes les issues de bigscience-workshop/data_tooling

Issues similaires

Plus d'issues Data Engineering

Recevez les nouvelles issues par e-mail

Un résumé court des issues GitHub adaptées aux débutants.