کۆمەڵە داتا و ناونیشانی هەواڵە کوردییەکان (KNDH) لە ڕێگەی پۆلێنکردنی فرەپۆلەوە (Multiclass Classification) | بەستەری نووسەران پەنجەرەی سەرەکی دەکاتەوە

گەشەسەندنی خێرای تەکنەلۆجیا بووەتە هۆی زیادبوونی چاوەڕواننەکراوی بڕی داتای دەقی. ئەم داتایانە دەکرێت دەربهێنرێن (Data Mining) و بۆ چەندین ئەرکی جیاوازی پرۆسێسکردنی زمانی سروشتی (NLP) بەکاربهێنرێن، بەتایبەتی بۆ پۆلێنکردنی دەق (Text Classification). بەشە سەرەکییەکەی پۆلێنکردنی دەق بریتییە لە کۆکردنەوەی داتا بۆ پێشبینیکردنی مۆدێلێکی باش. ئەم توێژینەوەیە کۆمەڵە داتا و ناونیشانی هەواڵە کوردییەکان (KNDH) بۆ پۆلێنکردنی دەق کۆدەکاتەوە. ئەم داتاسێتە لە ٥٠,٠٠٠ ناونیشانی هەواڵ پێکدێت کە بە شێوەیەکی یەکسان بەسەر پێنج پۆلدا دابەش کراون، بە جۆرێک کە ١٠,٠٠٠ ناونیشان بۆ هەر پۆلێکە (کۆمەڵایەتی، وەرزش، تەندروستی، ئابووری، و تەکنەلۆجیا). ڕێژەی سەدیی بەدەستهێنانی سەرچاوەکان (کەناڵەکان) بۆ ناونیشانەکان جیاوازە، لە کاتێکدا ژمارەی نموونەکان (Samples) بۆ هەر هاوپۆلێک وەک یەکە. ٣٤ سەرچاوەی جیاواز بەکارهێنراون بۆ کۆکردنەوەی ناونیشانە جیاوازەکانی هەر پۆلێک؛ وەک: ٨ سەرچاوە بۆ ئابووری، ١٤ سەرچاوە بۆ تەندروستی، ١٨ سەرچاوە بۆ زانست، ١٥ سەرچاوە بۆ کۆمەڵایەتی، و ٥ سەرچاوە بۆ وەرزش. داتاسێتەکە بە بەکارهێنانی ئامرازی پرۆسێسکردنی زمانی کوردی (KLPT) پێشوەختە پرۆسێس کراوە بۆ ئەنجامدانی کارەکانی لێکجیاکردنەوەی وشەکان (Tokenizing)، ڕاستکردنەوەی ڕێنووس (Spell-checking)، دۆزینەوەی ڕەگی وشەکان (Stemming)، و پاکسازیی سەرەتایی.