Recent Data Set

职业信息出现在许多历史资料中。对于各种研究领域，不仅标准化，而且分类也是分析的核心前提。在本文中，将拼写变体分配给已经定义的职业通用名称称为词形还原或标准化，将规范化的拼写分配给排序系统称为分类。为了减少人工工作量，我们开发了一种用于自动对历史德语职业信息进行词形还原的算法。采用监督机器学习方法可以实现最佳效果。总体而言，大约 72% 的职业信息可以进行词形还原，其中大约 98% 的分配是正确的。
不仅标准化，而且最重要的是分类是分析的核心前提。在本文中，将拼写变体分配给已定义的职业通用名称称为词形还原或规范化，而将规范化的拼写分配给分类系统称为 新西兰电报数据 分类。为了减少人工工作量，我们开发了一种用于对历史德语职业数据进行自动词形还原的算法。采用监督机器学习方法可以实现最佳效果。总体而言，大约 72% 的职业数据可以进行词形还原，其中大约 98% 的分配是正确的。

版本 2.0（2023 年 7 月 20 日）
所做的更改如下：对文本进行了语言改进，并根据报告的思路增加了内容和正文以及参考书目。