Building Search Engines for Algonquian languages 1
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Resume L'elaboration de ressources linguistiques qui aident a la preservation des langues amerindiennes offrent bien des defis. Bien qu'on compile des dictionnaires, les locuteurs et locutrices sont souvent bien en peine de les utiliser. La standardisation recente de l'orthographe, la predominance de la langue orale et une grande variation dialectale font que trop souvent, les gens ne trouvent pas les mots qu'ils cherchent car ils les ecrivent de travers ou juste differemment. Nous montrons ici comment nous avons construit un moteur de recherche pour le dictionnaire cri de la Baie James sur le web (www.eastcree.org) qui permet les fautes d'orthographe ou les orthographes creatives, et comment nous l'avons ensuite incorpore dans un moteur plus complexe pour la recherche de verbes a partir de formes verbales flechies Nous montrons aussi comment nous avons adapte ces outils a une langue voisine, l'innu (ou le montagnais). Notre solution est de combiner deux approches computationnelles a la correction de l'orthographe (en mesurant la difference entre le mot entre et les mots du dictionnaire, et en appareillant la phonetique), et de les adapter aux langues algonquiennes a partir de connaissances linguistiques. Ce moteur pourrait servir de modele et etre adapte pour d' autres langues algonquiennes ou minoritaires.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle