Veri kümesi metadata kaydı
Türkçe Bağlama Duyarlı Lematizasyon Derlemi
T-BDLD · T-BDLD Türkçe derleminin kapsamını, yöntemini, canlı türetilmiş sayaçlarını, atıf bilgisini ve kısıtlı erişim politikasını inceleyin. Ham derlem dosyaları kamuya dağıtılmaz.
Kapsam ve amaç
T-BDLD, sözlük maddelerini gerçek kullanım bağlamları, çekimli biçimler, eş kullanımlar, değerlik ve alan ya da metin türü dağılımlarıyla ilişkilendirmek için kullanılan, sürekli büyüyen bir Türkçe araştırma derlemidir.
Kaynak sınıfları
İşleme hattı kitap ve yüklenen belgeleri, akademik makaleleri, tezleri, haberleri, köşe yazılarını ve denetlenen diğer web kaynaklarını ayrı kaynak sınıflarında tutar. Bu sınıflar veri kökenini açıklar; yeniden dağıtım izni vermez.
İşleme yöntemi
- Kaynak kimliği ve yineleme denetimi.
- Gerektiğinde metin çıkarma, OCR denetimi ve gürültü süzme.
- Cümleleme, token hizalama ve bağlama duyarlı lematizasyon.
- ClickHouse üzerinde artımlı indeksleme ve türetilmiş ölçümler.
Tarih kapsamı
Her kayıt için güvenilir toplu kaynak yayımlanma aralığı henüz bulunmadığından yapay bir başlangıç veya bitiş yılı yayımlanmaz. Derleme giriş zamanları, kaynak yayımlanma tarihlerinden ayrı tutulur.
Sorgu erişimi ve atıf
Kamu arayüzü sınırlı sorgu sonuçlarını ve türetilmiş ölçümleri döndürür; toplu derlem dışa aktarımı sunmaz.
Bilinçli olarak dışarıda bırakılan alanlar
Kamuya açık dağıtım, indirme URL'si, DOI, ROR, lisans, sabit veri kümesi sürümü veya doğrulanmamış tarih aralığı tanımlanmaz. Doğrulanmış yazar ORCID'leri yalnız kişileri tanımlar; derlemin erişim politikasını değiştirmez. Dışarıda bırakılan alanlar yalnız bağımsız doğrulama ve açık erişim kararı sonrasında eklenebilir.