zhiyuan research institute इति चीनीयं internet corpus 3.0 इति सञ्चिकां विमोचयति, यस्मिन् 1000gb उच्चगुणवत्तायुक्तः आँकडा अस्ति
2024-09-20
한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina
२० सितम्बर् दिनाङ्के २०२४ तमस्य वर्षस्य बीजिंग-सांस्कृतिकमञ्चस्य "सांस्कृतिकप्रवृत्तयः: उदयमानव्यापाररूपप्रौद्योगिक्याः एकीकरणम्" इति समानान्तरमञ्चे ज़ियुआन्-संशोधन-संस्थायाः तियानिङ्ग-भाषा-प्रतिरूपस्य प्रमुखः लियू-गुआङ्ग्-इत्यनेन चीनीय-अन्तर्जाल-कोर्पस्-३.०-इत्येतत् प्रकाशितम्
चीनी अन्तर्जालकोर्पस् ३.० अभूतपूर्वपरिमाणस्य, स्रोतानां विस्तृतश्रेणी, सटीकटिप्पणी, सक्षमीकरणानुप्रयोगाः, भङ्गप्रभावाः, चीनीभाषायाः उत्तमसमझः च इति लक्षणं भवति वर्तमान समये चीनीय इन्टरनेट् कॉर्पस् ३.० (cci3. 0) इत्यस्य आँकडा-आयतनं १०००gb पर्यन्तं अस्ति, यत्र २६८ मिलियन-जाल-पृष्ठानि सन्ति; प्रत्येकं कोर्पस्-खण्डं 10-तमेभ्यः अधिकेभ्यः आयामेभ्यः विश्लेषितं टैग्-कृतं च भवति, यत्र सुरक्षा-अङ्कः, गुणवत्ता-अङ्कः, सूचना-घनत्वं च इत्यादीनि मापदण्डानि सन्ति, येन उपयोक्तृभ्यः उच्चमूल्यकदत्तांशस्य चयनं, उद्यमानाम् व्यवहार्यता-आवश्यकतानां पूर्तये, उत्तम-उपयोगः च सुलभः भवति दत्तांशदक्षता।
लियू गुआङ्गस्य मते बृहत् मॉडल्-विकासस्य आधारशिला, अटङ्कः च अस्ति, सम्प्रति आदर्श-प्रशिक्षणस्य आँकडा-परिमाणस्य माङ्गलिकायां महती वृद्धिः अभवत्, अन्तर्जाल-जालस्थल-स्रोतानां अनुपातेन च चीनीय-आँकडानां अभावः जातः केवलं उच्चगुणवत्तायुक्ता टिप्पणीकृतदत्तांशः एव कृत्रिमबुद्धेः मूल्यं मुक्तं कर्तुं शक्नोति यदि उद्योगः दत्तांशगुणवत्तायां अधिकं ध्यानं ददाति तर्हि कृत्रिमबुद्धेः शीघ्रं विकासः भविष्यति । चीनीय-अन्तर्जाल-कोर्पस् ३.० इत्यस्य प्रक्षेपणस्य पृष्ठभूमिः एषा एव ।
