পদ্ধতির তুলনা করুন
নির্বাচিত পদ্ধতিগুলো পাশাপাশি পর্যালোচনা করুন; যে সারিগুলোয় পার্থক্য আছে সেগুলো চিহ্নিত করা হয়।
| বানান ও ব্যাকরণ পরীক্ষা× | টেক্সট নর্মালাইজেশন× | |
|---|---|---|
| ক্ষেত্র | টেক্সট খনন | টেক্সট খনন |
| পরিবার | Process / pipeline | Process / pipeline |
| উদ্ভবের বছর≠ | 2003 | — |
| প্রবর্তক≠ | Daniel Naber (rule-based checker); Peter Norvig (statistical spelling correction) | — |
| ধরন≠ | Text-mining preprocessing / quality-assessment task | NLP preprocessing pipeline |
| মৌলিক উৎস≠ | Naber, D. (2003). A Rule-Based Style and Grammar Checker. Diploma Thesis. link ↗ | Baldwin, T. & Li, Y. (2015). An In-depth Analysis of the Effect of Text Normalization in Twitter. NAACL-HLT 2015. link ↗ |
| অপর নাম | spell checking, grammar checking, text proofing, Yazım ve Dilbilgisi Denetimi | Metin Normalleştirme, noisy-text normalization, text standardisation, lexical normalisation |
| সম্পর্কিত≠ | 4 | 3 |
| সারসংক্ষেপ≠ | Spelling and grammar checking is a text-mining task that detects spelling mistakes and grammatical errors in text and proposes corrections. Building on Naber's rule-based style and grammar checker (2003) and Norvig's statistical spelling corrector (2009), it is used for data-quality assessment and text normalisation before further analysis. | Text normalization is an NLP preprocessing pipeline that converts noisy, abbreviated, or misspelled text — such as SMS messages, social-media posts, and OCR output — into a clean, standardised form. It is a prerequisite step for virtually every downstream NLP task, ensuring that inconsistent surface forms do not degrade tokenisation, parsing, or classification. The method gained systematic academic treatment through Baldwin and Li (2015) and Sproat and Jaitly (2017). |
| ScholarGateডেটাসেট ↗ |
|
|