corpora

💡 Linguists trained sentiment models on multilingual corpora, then checked misclassifications to uncover cultural idioms algorithms had flattened into unhelpful generalities.

زبان‌شناسان مدل‌های احساسی را بر روی پیکره‌های چندزبانه آموزش دادند، سپس طبقه‌بندی‌های نادرست را بررسی کردند تا اصطلاحات فرهنگی را که الگوریتم‌ها به کلیات بی‌فایده تبدیل کرده بودند، کشف کنند.

💡 Linguists use machine-learning techniques for mining large text corpora to detect how the structure of a language lends meaning to its words.

زبان‌شناسان از تکنیک‌های یادگیری ماشینی برای کاوش در پیکره‌های متنی بزرگ استفاده می‌کنند تا دریابند که چگونه ساختار یک زبان به کلمات آن معنا می‌بخشد.

💡 Publishers might strike licensing deals, of course, making their text available to large firms for inclusion in their corpora.

البته ناشران ممکن است قراردادهایی برای صدور مجوز منعقد کنند و متن خود را برای گنجاندن در مجموعه آثارشان در اختیار شرکت‌های بزرگ قرار دهند.

💡 For example, corpora, specifically the corpora used for legal corpus linguistics, contains millions of words from TV programs, magazines, and newspapers — news sources.

برای مثال، پیکره‌ها، به ویژه پیکره‌هایی که برای زبان‌شناسی پیکره‌های حقوقی استفاده می‌شوند، حاوی میلیون‌ها کلمه از برنامه‌های تلویزیونی، مجلات و روزنامه‌ها - منابع خبری - هستند.

💡 Building balanced corpora requires tedious metadata, because genre, register, and time period quietly bend meaning in ways statistics can easily misread.

ساختن پیکره‌های متوازن نیازمند فراداده‌های خسته‌کننده است، زیرا ژانر، سیاق و دوره زمانی بی‌سروصدا معنا را به شیوه‌هایی که آمار می‌تواند به راحتی آنها را اشتباه بخواند، تغییر می‌دهند.

💡 For most people, these two corpora are enough entertainment for a lifetime.

برای اکثر مردم، این دو پیکره سرگرمی کافی برای یک عمر هستند.