KuBERT：中央库尔德语 BERT 模型及其在情感分析中的应用
KuBERT: Central Kurdish BERT Model and Its Application for Sentiment Analysis
AI总结：
本文提出 KuBERT，将 BERT 应用于低资源的中央库尔德语情感分析，利用其更强的词嵌入能力捕捉语义与上下文特征，为该语言情感分析建立新基准。
摘要：
本文通过将 Transformer 双向编码器表示（BERT）集成到自然语言处理技术中，推进了中央库尔德语的情感分析研究。库尔德语是一种低资源语言，具有高度的语言多样性，但计算资源极少，这使得情感分析颇具挑战性。此前，该任务通常使用传统词嵌入模型（如 Word2Vec）完成，但随着新语言模型（尤其是 BERT）的出现，改进有了希望。BERT 更优的词嵌入能力有助于本研究，帮助捕捉所研究语言（库尔德语）的细腻语义池和上下文复杂性，从而为低资源语言的情感分析设立了新的基准。
英文摘要：
This paper enhances the study of sentiment analysis for the Central Kurdish language by integrating the Bidirectional Encoder Representations from Transformers (BERT) into Natural Language Processing techniques. Kurdish is a low-resourced language, having a high level of linguistic diversity with minimal computational resources, making sentiment analysis somewhat challenging. Earlier, this was done using a traditional word embedding model, such as Word2Vec, but with the emergence of new language models, specifically BERT, there is hope for improvements. The better word embedding capabilities of BERT lend to this study, aiding in the capturing of the nuanced semantic pool and the contextual intricacies of the language under study, the Kurdish language, thus setting a new benchmark for sentiment analysis in low-resource languages.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
