Министерство цифровых технологий разработало крупный корпус текстов на узбекском языке в открытом доступе. В него вошли 5,6 миллиона документов и около 6 миллиардов слов.
Данные представлены на латинице и кириллице и охватывают тексты из книг, газет и архивных материалов, законов, веб-страниц и других открытых источников.
Этот корпус служит для обучения моделей искусственного интеллекта узбекскому языку, улучшению их способности понимать тексты на узбекском, качественно отвечать на вопросы и создавать тексты.
Для свободного использования данные размещены на платформе Hugging Face.



