مراحل پیش پردازش در علوم متن کاوی دارای اهمیت بسیاری هستند یکی از مراحل متن کاوی، حذف ایست واژه هاست. ایست واژه های کلماتی هستند که بار مفهومی زیادی را حمل نمی کنند بنابراین در مرحله پیش پردازش حذف می شوند. در این قسمت لیست ایست واژه های فارسی برای علاقه مندان معرفی می شود. پیدا کردن لیست کامل ایست واژه های فارسی برای محققین داخلی از دیرباز مشکل آفرین بوده است مجموعه دیتاهارت با تهیه این لیست سعی در جبران این کاستی دارد. در این مجموعه داده 542 ایست واژه فارسی وجود دارد.
مقالات فارسی برای یادگیری متن کاوی
مقالات معتبر انگلیسی در مورد متن کاوی
مجموعه داده مناسب طبقه بندی متون فارسی(دیتاست همشهری)
اگر در زمینه نحوه استفاده از این دیتاست برای تحقیقات خود ابهاماتی دارید می توانید از آکادمی داده مشاوره بگیرید. برای آگاهی از دیتاست های منتشر شده توسط دیتاهارت می توانید به کانال تلگرامی ما بپیوندید.
