数据集概述
本数据集包含通过三种自动方法从乌兹别克语"学校语料库"生成的停用词列表，涵盖单字词、双字词及带搭配的双字词停用词，为乌兹别克语自然语言处理任务提供基础资源。
文件详解
- 压缩包文件:
- uzbek_stopwords.zip: ZIP格式压缩包，包含以下核心文件：
- stopwords_unigrams.txt: 单字词停用词列表（2357个），基于语法规则和TFIDF算法生成
- stopwords_bigrams.txt: 双字词停用词列表（4548个），基于双词方法提取
- stopwords_bigrams_with_collocations.txt: 带搭配的双字词停用词列表（24490个）
- list_of_urls_of_school_corpus.txt: 用于重构"学校语料库"的URL列表
适用场景
- 自然语言处理研究: 用于乌兹别克语文本预处理、关键词提取等NLP任务
- 语料库语言学研究: 分析乌兹别克语高频词汇及搭配模式
- 文本挖掘应用: 提升乌兹别克语文本分类、情感分析等任务的准确性
- 语言资源建设: 作为乌兹别克语基础语言资源，支持相关工具开发
