Wo finde ich eine Liste mit hebräischen Stoppwörtern?

Ich bezweifle, dass es ein offen verfügbares gibt, aber als eine einfache Annäherung könnten Sie eine Liste von sehr häufigen Wertmarken in einem angemessen großen Korpus erstellen. Je nach Bedarf können Sie dann die Liste als solche verwenden oder sie manuell filtern oder mit Ihrem Algorithmus ausprobieren, um zu sehen, wie er funktioniert.

Hier ist eine Liste der 100 häufigsten Token aus einem ziemlich großen Nachrichtenkorpus Ich habe. Beachten Sie, dass ich für meine Zwecke verschiedene Interpunktionszeichen als Token gezählt habe. Die Zahl "1" repräsentiert alle numerischen Tokens, daher ihre hohe Position in der Liste.

Sie werden wahrscheinlich wissen, dass die Stoppliste aufgrund der Morphologie & amp; Orthographie - einige der nützlichen sind nur an die Wörter angehängt.

Das Mila-Zentrum hat eine Liste von Hochfrequenz-Token zusammengestellt von großen Korpora, mit denen sie arbeiten. Siehe unten auf der Seite: Ссылка .

Es ist auch eine andere Sache, die berücksichtigt werden muss, wenn die Wörter zweideutig sind - wo ein bestimmtes Wort entweder ohne Bedeutung oder mit einer sehr improtären Bedeutung sein kann. Zum Beispiel - die Wörter אאה und ,אש sind beide hebräische Präpositionen und gültige persönliche Namen. Weitere Informationen zu diesem hebräischen Phänomen finden Sie hier: Ссылка (blättern Sie zu "Stop Wörter Zweideutigkeit ").

Aus diesem Grund glaube ich nicht, dass es möglich ist, eine komplette und absolute hebräische Stoppliste zu haben - es ist zu abhängig von Ihren Korpora und Ihrem Anwendungsfall.

Der zuvor angegebene Link ist fehlerhaft. Dies ist der neue Link: Ссылка

Die fragliche Liste enthält einige Begriffe (אאך, אאכן, אאכם, usw.).

Mit freundlichen Grüßen, Yaron Shahrabani.

Hier ist eine Liste von 500 hebräischen Stoppwörtern (mit und ohne Zählungen):

Ссылка

Auch hier verfügbar: