WSJ Corpus

Entity ID

wsjcorpus

Entity Type

Material

English Label

WSJ Corpus

Russian Label

Корпус WSJ

Kazakh Label

WSJ корпусы

Frequency

7

English Description

A 23 million word corpus from the Wall Street Journal used for extracting features based on part of speech tags and phrasal chunks.

Russian Description

WSJ Corpus (Корпус Wall Street Journal) - это известный набор текстов в области обработки естественного языка (NLP). Он был собран из статей газеты Wall Street Journal в 1980-х годах. Основная цель этого корпуса - предоставить реальные, разнообразные и многообразные языковые данные для разработки языковых моделей и алгоритмов машинного обучения. WSJ Corpus особенно полезен в задачах автоматического распознавания речи, обработки текста и понимания языка. Его значимость заключается в том, что он помогает лучше понимать грамматические структуры, значения слов и контексты в текстах.

Kazakh Description

WSJ Corpus (Wall Street Journal Corpus) - бұл табиғи тілдерді өңдеу (NLP) саласында танымал мәтіндер жиынтығы. Ол 1980 жылдары Wall Street Journal газетінің мақалаларынан құралған. Бұл корпустың негізгі мақсаты – тілдік модельдер мен машиналық оқыту алгоритмдерін дамыту үшін нақты, жан-жақты және әртүрлі тілдік деректерді қамтамасыз ету. WSJ Corpus, әсіресе, автоматты сөйлеу тану, мәтінді өңдеу, және тіл түсіну сияқты тапсырмаларда қолданылады. Оның маңыздылығы, мәтіндердегі грамматикалық құрылымдарды, сөздердің мағыналарын және контексттерін жақсы түсінуге көмектесетіндігімен ерекшеленеді.