منصوبے کے بارے میں

یہ ریپوزٹری ایک چینی-انگریزی متوازی انگریزی الفاظ کا ڈیٹا سیٹ ہے، جو ابتدائی، ہائی اسکول، کالج انگریزی CET-4، CET-6، گریجویٹ انٹری، TOEFL اور SAT جیسی مختلف مشکل سطحوں کا احاطہ کرتا ہے، کل تقریباً 54,356 اندراجات۔ ڈیٹا txt، json، jsonl اور tsv چار فارمیٹس میں فراہم کیا گیا ہے، مواد بنیادی اندراجات اور تعریفات سے آہستہ آہستہ فقروں، صوتی علامات، مثالوں، مترادفات، ہم جڑ الفاظ اور حقیقی امتحانی معلومات تک پھیلا ہوا ہے۔ - txt: صرف اندراجات اور تعریفات شامل ہیں، تیز تلاش یا سادہ اطلاق کے لیے موزوں۔ - json: اندراجات، فعل کی قسم اور تعریفات، نیز عام فقرے اور ان کے چینی ترجمے شامل ہیں۔ - jsonl: سطر بہ سطر محفوظ، simple (اندراج، وضاحت، فقرے)، sentence (صوتی علامات، مثالیں شامل) اور full (مکمل ساخت، مترادفات، ہم جڑ، حقیقی امتحانی سوالات وغیرہ شامل) تین تفصیلی سطحوں میں تقسیم۔ - tsv: jsonl کے مطابق، nested ساخت کو Tab سے الگ فارمیٹ میں پھیلایا گیا، جدولی اوزار یا ڈیٹا پروسیسنگ اسکرپٹس کے استعمال کے لیے آسان۔ ریپوزٹری میں ترتیب وار اور بے ترتیب دو الفاظ کی فہرستیں بھی فراہم کی گئی ہیں، نیز فارمیٹ کی وضاحت اور JSONL سے TSV بنانے کا اسکرپٹ شامل ہے۔ یہ پروجیکٹ kajweb/dict سے ماخوذ ہے، سادہ کرنے کے بعد موجودہ ورژن بنایا گیا، اور Word Wind اور 蚕食 جیسے سیکھنے کے اوزار اس سے اخذ کیے گئے۔ یہ الفاظ یاد کرنے کی ایپلیکیشنز، زبان سیکھنے کے اوزار کی ڈیولپمنٹ یا قدرتی زبان کی پروسیسنگ سے متعلق ڈیٹا کی تیاری کے لیے موزوں ہے۔