kalkidanyishak/fake-news-data

fake news data aggregation for Amharic # የአማርኛ NLP የመረጃ ስብስብ ቁልፍ ግንዛቤዎች **ለመረጃዎ ግንዛቤን ለማግኘት እና ለሞዴል ስልጠና ለመጠቀም የሚረዳ መመሪያ።** --- ## 1. የመረጃ ስብስብ አስተዋጽኦዎች (ምንድን ነው?) ### 1.1 ምንጭ እና አመጣጥ **መረጃው ከየት ተገኘ?** - የዜና ማሰራጫዎች - ማህበራዊ ሚዲያ - ሥነ ጽሑፍ - ሃይማኖታዊ ጽሑፎች ### 1.2 ይዘት እና የትኩረት መስክ ትንተና **ምን አይነት ርዕሰ ጉዳዮችን ይሸፍናል?** ይህ ሊኖር የሚችል የትኩረት መስክ ዝንባሌን ያሳያል። ### 1.3 የመረጃ እና የማብራሪያ ጥራት - የፊደል ግድፈቶችን እና ስህተቶችን ያረጋግጡ። - ምድብ ላለው መረጃ በአማራሪዎች መካከል ያለውን ስምምነት (IAA) ይለኩ። --- ## 2. ገላጭ ስታቲስቲክስ (ምን ያህል ነው?) ### 2.1 የኮርፐስ (የጽሑፍ ክምችት) ደረጃ ስታቲስቲክስ - የጠቅላላ ቶክኖች ብዛት - የቃላት ብዛት - የቃላት ብዝሃነት ጥምርታ (TTR) ### 2.2 የአረፍተ ነገር/የሰነድ ደረጃ - የርዝመት ስርጭት (ዝቅተኛ፣ ከፍተኛ፣ አማካይ) - ለmax_sequence_length በጣም አስፈላጊ ነው። ### 2.3 ከምድብ-ተኮር ስታቲስቲክስ - የምደባ ስራዎች ላይ የክፍሎች አለመመጣጠንን ለመለየት ይረዳል። ### 2.4 የኤን-ግራም (N-gram) ትንተና - ተደጋጋሚ ሀረጎችን ለማግኘት የጋራ ዩኒግራም፣ ባይግራም እና ትራይግራም ድግግሞሽ። --- ## 3. የመረጃዎ አስተዋጽኦ ለሞዴል ስልጠና (ታዲያ ምን?) **የመረጃ ግንዛቤዎን በቀጥታ ከሞዴል ማሰልጠኛ ስልቶች ጋር ያገናኙ።** | ከትንተናው የተገኘ ግንዛቤ | በሞዴል ስልጠና ላይ ያለው ተጽዕኖ | |-------------------------|------------------------------| | የተለያዩ የመረጃ ምንጮች | የሞዴሉን ሁሉን አቀፍ ብቃት ያሻሽላል። | | የአረፍተ ነገር ርዝመት ስርጭት | ውጤታማ የሃይፐር-ፓራሜትር ማስተካከያ (ለምሳሌ max_length) ለማድረግ ያግዛል። | | የክፍሎች አለመመጣጠን መለየት | እንደ ክብደት የተሰጣቸው የኪሳራ ፈንክሽኖች ያሉ ቴክኒኮችን ለመጠቀም ያነሳሳል። | | ንፁህ እና ጥራት ያለው መረጃ | ከስህተት ይልቅ ትክክለኛ የቋንቋ ዘይቤዎችን የሚማር ጠንካራ ሞዴል ይፈጥራል። | --- **ይህ ገጽ በReact, Tailwind CSS, እና shadcn/ui የተሰራ ነው።**