研究人员开发了 TajikNLP，一个开源的 Python 库，旨在处理塔吉克语。塔吉克语使用西里尔字母书写，并且一直以来在现有的自然语言处理工具中服务不足。该工具包提供了一个全面的处理流程，包括清洗、分词、词法分析和情感分析，并包含一个新颖的词法引擎来处理复杂的屈折变化。该库还附带了四个新发布的语言学数据集，以支持未来的研究和应用。 AI
影响 为塔吉克语建立了基础的自然语言处理基础设施，从而能够实现新的学术和工业应用。
排序理由 这是一篇介绍针对低资源语言的开源工具包的研究论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.04583v1 Announce Type: new Abstract: The Tajik language, written in Cyrillic script, remains severely under-resourced in terms of publicly available natural language processing (NLP) toolkits, hindering both linguistic research and applied development. This paper intro…
The Tajik language, written in Cyrillic script, remains severely under-resourced in terms of publicly available natural language processing (NLP) toolkits, hindering both linguistic research and applied development. This paper introduces TajikNLP, an open-source Python library th…