¿Qué significa corpus?

Cómo se usa

Se recopila, limpia, filtra y deduplica; se describe por tokens, idiomas y fuentes. La palabra es más frecuente en PLN y lingüística que en otras áreas de aprendizaje automático.

Frases de ejemplo

1. We built a Turkish legal corpus of about two billion tokens.

   Creamos un corpus jurídico turco de unos dos mil millones de tokens.

   El conjunto reúne textos legales en turco y cuantifica su escala en tokens.

2. Half of the web corpus was duplicates, so we removed them before training.

   La mitad del corpus web eran duplicados, así que los eliminamos antes del entrenamiento.

   La deduplicación evita que textos repetidos distorsionen el aprendizaje.

Combinaciones frecuentes

• text corpus
• training corpus
• build a corpus
• parallel corpus
• web corpus

Términos relacionados

• datasetconjunto de datos
• training datadatos de entrenamiento
• natural language processingprocesamiento del lenguaje natural
• pretrainingpreentrenamiento

Esta palabra en otras especialidades

Una misma palabra en inglés puede tener un significado diferente según la especialidad:

• corpus · Inteligencia artificial y aprendizaje automáticocorpus
• corpus · Lingüística y gramáticacorpus

Más términos: Aprendizaje automático y procesamiento de datos

• artificial intelligence · inteligencia artificial
• machine learning · aprendizaje automático
• model · modelo
• label · etiqueta
• train · entrenar
• supervised learning · aprendizaje supervisado
• neural network · red neuronal
• deep learning · aprendizaje profundo
• loss function · función de pérdida
• overfitting · sobreajuste
• test set · conjunto de prueba
• accuracy · exactitud