CKSD: Comprehensive Kurdish-Sorani database

Każdy człowiek ma specyficzny język, za pomocą którego się komunikuje. Każdy język ma specjalne litery i cechy odróżniające go od innych języków. Wymiana idei, kultur i nauk odbywa się za pośrednictwem niektórych pojęć języków, co obejmuje wyszukiwanie, tłumaczenie i klasyfikację tekstów z czasopism, książek, czasopism, badań i Internetu. Osiąga się to poprzez dostępność bazy danych. Niestety, z pewnych powodów bazy danych w języku kurdyjskim mogą być rzadkie lub nieistniejące. W niniejszym badaniu generowana jest kompleksowa baza danych kurdyjsko-sorani (CKSD), która zawiera zbiory danych zawierające daty, litery i popularne słowa w języku kurdyjskim, a także dokumenty wykorzystane do wyodrębnienia tych zbiorów danych. Elementy tych zbiorów zostały wyodrębnione z dokumentów pisanych 27 różnymi czcionkami. Nadaje bazie danych CKSD cechę kompleksowości, z której mogą korzystać badacze. Aby określić, w jakim stopniu klasyfikatory mogą kategoryzować takie dane, dane te wykorzystano w tym badaniu. Rzeczywiście badanie to wykazało wiarygodność tych danych i ich przydatność do wykorzystania w obszarach uczenia maszynowego i innych zastosowań sztucznej inteligencji.

Słowa kluczowe:

CKSD, OCR, rozpoznawanie czcionek, rozpoznawanie znaków, styl czcionki

Bibliografia

[1] Abdulrahman R. O. et al.: Developing a Fine-Grained Corpus for a Less-Resourced Language: The Case of Kurdish. arXiv 11467, 2019.

[2] Ahmed R. M. et al.: Kurdish Handwritten Character Recognition Using Deep Learning Techniques 46, 2022, 119278.

[3] Akhter M. P. et al.: Exploring Deep Learning Approaches for Urdu Text Classification in Product Manufacturing 16(2), 2022, 223–248.

[4] Allahyari M. et al.: A Brief Survey of Text Mining: Classification, Clustering, and Extraction Techniques. arXiv 1707.02919v2, 2017.

[5] Alwehaibi A., Roy K.: Comparison of Pre-Trained Word Vectors for Arabic Text Classification Using Deep Learning Approach. 17th IEEE International Conference on Machine Learning and Applications (ICMLA), 2018, 1471–1474.

[6] Celik S.: Collaborative English Language Learning in Primary School: A Sequential Explanatory Study in Kurdistan Region of Iraq. Id No. 2520, 2019.

[7] Chen K. et al.: Defect Texts Mining of Secondary Device in Smart Substation with GloVe and Attention-Based Bidirectional LSTM. Energies 13(17), 2020, 4522.

[8] Choudhary P. et al.: A Four-Tier Annotated Urdu Handwritten Text Image Dataset for Multidisciplinary Research on Urdu Script. Information Processing. 15(4), 2016, 1–23.

[9] Gómez L. A. et al.: Single Shot Scene Text Retrieval. European Conference on Computer Vision (ECCV), 2018, 700–715.

[10] Hakim L. et al.: Text Mining of UU-ITE Implementation in Indonesia. Journal of Physics: Conference Series 1, 2018.

[11] Hashimi A. O.: Ajami Tradition in Non-Islamic Society: The Roles of Ajami-Arabic Scripts in Keeping Records and Documentation. KIU Journal of Humanities 5(2), 2020, 373–379.

[12] Jana H. P.: The Tools of Language and Literature in Sustainable Development of the Globizen: An Enquiry with Special Reference to English Language and Literature. International Journal of Yogic, Human Movement and Sports Sciences 3(2), 2018, 318–324.

[13] Mallery G.: Sign Language among North American Indians Compared with That among Other Peoples and Deaf-Mutes. Vol. 14, Walter de Gruyter GmbH & Co KG, 2019.

[14] Rashid T. A. et al.: A Robust Categorization System for Kurdish Sorani Text Documents. Information Technology Journal 16(1), 2017, 27–34.

[15] Sheyholislami J.: Identity, Language, and New Media: The Kurdish Case. Language Policy 9, 2010, 289–312.

[16] Sun W. et al.: Data Processing and Text Mining Technologies on Electronic Medical Records: A Review. Journal of Healthcare Engineering 2018, 4302425 [https://doi.org/10.1155/2018/4302425].

[17] Tensmeyer C. et al.: Convolutional Neural Networks for Font Classification. 14th IAPR International Conference on Document Analysis and Recognition (ICDAR) 1, 2017, 985–990.

[18] Tofiq T. A., Hussein J. A.: Kurdish Text Segmentation Using Projection-Based Approaches. UHD Journal of Science and Technology 5(1), 2021, 56–65.

[19] Veisi H. et al.: Toward Kurdish Language Processing: Experiments in Collecting and Processing the Asosoft Text Corpus. Digital Scholarship in the Humanities 35(1), 2020, 176–193.

[20] Wahdan A. et al.: A Systematic Review of Text Classification Research Based on Deep Learning Models in Arabic Language. International Journal of Electrical and Computer Engineering (IJECE) 10(6), 2020, 6629–6643.

[21] Wang Z. et al.: DeepFont: Identify Your Font from an Image. 23rd ACM International Conference on Multimedia, 2015.

[22] Wiedemann G., Wiedemann: Text Mining for Qualitative Data Analysis in the Social Sciences. Vol. 1, Springer, 2016.

[23] Yao L. et al.: Graph Convolutional Networks for Text Classification. AAAI Conference on Artificial Intelligence 3(1), 2019, 7370–7377.

[24] Yaseen R., Hassani H.: Kurdish Optical Character Recognition. UKH Journal of Science and Engineering 2(1), 2018, 18–27.

[25] Zarro R. D. et al.: Recognition-based online Kurdish character recognition using hidden Markov model and harmony search. I. J. Technology 20(2), 2017, 783–794.

CKSD: kompleksowa baza danych kurdyjsko-sorani. (2025). Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska, 15(1), 153-156. https://doi.org/10.35784/iapgos.6521

##plugins.themes.bootstrap3.article.sidebar##

Numer Tom 15 Nr 1 (2025)

Archiwum

##plugins.themes.bootstrap3.article.main##

Authors

Abstrakt

Słowa kluczowe:

Bibliografia

##plugins.themes.bootstrap3.article.details##

Licencja