乌尔都语文本词频统计数据集-乌尔都语文本语料库

乌尔都语文本词频统计数据集-乌尔都语文本语料库 数据来源：互联网公开数据 标签：乌尔都语,文本分析,自然语言处理,词频统计,语料库,语言学,N-gram 数据概述： 本数据集基于在线报纸和书籍的抓取构建的乌尔都语语料库，包含了不同长度的N-gram及其对应的出现频率。数据文件包括：

• eins-s.csv：包含134,871个unigram（单个词）及其频率。
• zwei-s.txt：包含1,337,591个bigram（两个词的组合）及其频率。
• drei-s.txt：包含2,742,3554个trigram（三个词的组合）及其频率。
• vier-s.txt：包含2,491,480个4-gram（四个词的组合）及其频率。

数据由云计算生成。

数据用途概述： 该数据集适用于多种自然语言处理和文本分析任务，例如：词频统计、语言模型构建、文本生成、机器翻译、情感分析等。研究人员可以使用该数据探索乌尔都语的词汇分布和语言结构，开发和评估乌尔都语相关的自然语言处理模型和应用。