Kürtçe korpus 290 milyon kelimeye ulaştı

Kürtçe dijital ekosisteminin temeli olan açık metin korpusumuz, 290 milyon kelimeye ulaştı. Korpus beş kaynaktan derlendi (haber, web, akademik tezler, Wikipedia ve gönüllü cümleler) ve tamamı imla standardımızdan geçirildi.

Korpusun her sürümü Hugging Face üzerinde açık veri seti olarak yayınlanıyor; böylece dünyadaki araştırmacılar ve geliştiriciler de üzerine inşa edebiliyor.

Bu veri, hem Ferheng+ sözlüğünün hem de gelecekteki dil modeli ve konuşma teknolojilerinin hammaddesi. Kürtçe gibi kaynakları kısıtlı bir dil için bu ölçekte temiz, açık bir korpus önemli bir kilometre taşı.