Herhangi Bir Metnin Hangi Dilden Olduğunu Hızlıca Anlama

Yapay zekâ dersim için Prolog ile boğuşurken ve comp.lang.prolog haberleşme/tartışma grubunu mesaja boğarken oraya katkıda bulunan bir hocanın, Gertrand Van Noord'un enteresan bir çalışması dikkatimi çekti.

Perl ile yazılmış bir tür dil kategorizasyon programı. Yani bir GİRDİ'ye bakıp, "hmm bu Türkçe" diyor, başka bir girdiye bakıp "hmm, bu da Portekizce" diyor ve bunu kısa sürede, yüksek başarım oranı ile, 69 farklı dil için yapıyor. Açık kodlu, özgür yazılım kategorisinde alan TextCat'in bir de web demosu var.

Van Noord, TextCat'in ticari ve ticari olmayan rakiplerini de sıralamış. Kendi yazılımına dil sayısı olarak en çok yaklaşan yazılım XEROX Language Identifier ticari bir yazılım ve 40 civarı dil ayırt edebiliyor.

Hep birlikte tekrarlıyoruz: Özgür Yazılımı Seviyoruz! :)

Görüşler

abakana
yaklaşık 21 yıl önce

Türkçe' ye özgü ışğ karakterlerinin bulunmadğı metinleri unknown olarak gösteriyor. Bu arada ışğ olmaması kesinlikle kullanılmaması anlamında algılanmalıdır. ı -> i ğ -> g gibi bir dönüşüm yapılmadı.

roktas
yaklaşık 21 yıl önce

Hmm... Bu denemeyi hangi ortamda yaptınız? (Tarayıcı + OS) Burada böyle bir sorun yok (Firefox + Debian 3.1 Sarge). Ayrıca ı (idotless) gibi Türkçeye çok özgü karakterleri içeren girişler programa kopya vermek gibi olmuyor mu? :-) Xerox'taki ile kıyaslandığında başarım oranını daha düşük bulsam da programı beğendim. Stallman'in sözlerini unutmamak lazım, özgürlük teknolojiden evladır. ;-)

abakana
yaklaşık 21 yıl önce

Mozilla/5.0 (X11; U; Linux i686; en-US; rv:1.7.5) Gecko/20041107 Firefox/1.0

Slackware GNU/Linux 9.1

redline99
yaklaşık 21 yıl önce

bende turkce karakterleri kullanmadan bir iki cumle denedim, bazilarini bildi bazilarini bilemedi. Ama bencede basarili bir program.

FZ
yaklaşık 21 yıl önce

Türk diline özgü düşük seviyeli doğal dil işleme (morfoloji, deASCIIfying, dil tanıma (Türkçe mi değil mi), imla kontrolü,vs.) konuları ile uğraşan arkadaşlara hararetle tavsiye olunur:

http://tspell.dev.java.net/

Daha önce FM'de haberini geçmiştik:

http://www.fazlamesai.net/modules.php?name=News&file=article&sid=2337

Az zamanda, epey kısıtlı kaynakla çok iş çıkarmış sağlam bir ekibin sırtlandığı bu açık kodlu proje herkesin her türlü desteğine açık, bilginize. Türkçe için yapılan çalışmalar neden bu kadar az ve kısır diye şikayet edeceğinize siz de karınca kararınca (ya da belki aslan payını hedefleyebilecek iddialı bir programcı olarak, belli mi olur ;-) katkıda bulunabilirsiniz.

The_Patch_Mode
yaklaşık 21 yıl önce

Az önce web sürümünü denedik arkadaşımla. Fakat programı başarılı bulmadık. Mesela program Türkçe'ye özgü karakterleri içeren kelimeleri hemen tanıyabiliyor. ı, ğ ,ş gibi. Ama bu harfleri içermeyen başka Türkçe kelimeleri yazdığımızda tanıyamıyor. Daha doğrusu yazdığım hiçbir Tütkçe kelimeyi tanımadı diyebilirim.

FZ
yaklaşık 21 yıl önce

Kelimeler?

Burada sanırım bir yanlış anlama söz konusu. Program istatistiksel yöntemle çalışıyor gördüğüm kadarı ile, dolayısı ile dillere dair açık bir semantik bilgi içermiyor ve dolayısı ile verdiğiniz metin ne kadar uzun olursa o kadar iyi tahmin yapabiliyor. Mesela aşağıdaki paragrafı "Turkish" olarak kategorize ediyor:

--------------------------------------------------------------------------
Merhaba, bu basit bir deneme. Anadilime ait herhangi bir harf kullanmazsam acaba anlayabilecek misin benim anadilim nedir, hatta noktalama da kullanmazsam olur herhalde. Madem o kadar yetenekliyim diyorsun de bana marifetini.

Pekala, tek bir paragrafla olmuyor demek ki. Bir de bunu dene.

Gene mi bulmak kolay olmayacak emin misin. Belki bu sana daha kolay gelebilir, bir ihtimal, hadi kolay gelsin.
--------------------------------------------------------------------

Yukarıdaki metne aşağıdaki cümleleri ekleyip denediğimde yine aynı sonucu alıyorum:

--------------------------------------------------------
Peki ya bir iki laf daha eklersem o zaman da problem olmadan bana kabul edilebilir bilgi verebilecek misin
------------------------------------------------------

Tabii Türkçeye özgü harf kullanmadan yazacağım diye göbeğim çatladı o ayrı :) Ama programın performansını göstermesi açısından fena değil gibi görünüyor.

Not: Noktalama kullanmayacağım derken, doğru kullanmayacağım manasında, yani mesela soru işareti gereken yere yazmamak gibi ancak tabii bunun programı etkileyeceğini düşünmüyorum çünkü noktalama dağılımının konu ile alakası yok.

Görüş belirtmek için giriş yapın...

İlgili Yazılar

Türkçe bir sunucu: ISOS

korsan
4 Mayıs 2003, 1 dakika okuma süresi

ISOS küçük kurumlar için tasarlanmış bir e-posta ve web sunucusu. Kolay kullanımlı, Linux ve Windows uyumlu. Türkçe ve İngilizce destekleyen yönetim konsolu var...ve Kamu Lisansı ile dağıtılıyor. Bir kablonet bağlantınız ve alan adınız varsa 5 dakikada internet servislerinizi çalıştırmaya başlayabilirsiniz.

Python ile yazılan bu paketin içinde SMTP, POP3 ve HTTP/CGI sunucuları ile beraber, sistemi, kullanıcıları ve e-posta gruplarını yönetmeyi sağlayan bir konsol uygulaması var.

Görmek, denemek isteyenler için: isos.acikkanal.net. Bulduğunuz hataları ya da önerilerinizi bildirirseniz çok sevinirim.

JavaScript ile çizim yapmanın kolay yolu: <canvas>

cbc
2 Nisan 2006, 1 dakika okuma süresi

canvas, Apple'ın Dashboard ile çıkarttığı bir HTML elemanı.

Safari ve Gecko 1.8 tabanlı tarayıcıların (mesela Firefox) da desteklediği bu elemana son destek Google'dan geldi.

Masaüstleri Şenleniyor: İlk XGL LiveCD kororaa

halixus
16 Mart 2006, 1 dakika okuma süresi

İşletim sistemi cephesinde 3D desktop savaşı iyiden iyiye arttı. Bunun öncülüğünü ilk olarak sun, Looking Glass 3D ile yaptı. Ama hala kararlı sürümünü çıkartmış değil. Ardından Microsoft olaya el attı. Vista'ya benzer bir şey yerleştirdi. Benzer bir şey diyorum nedeni ise Vista'nın BETA sürümünü inceleme fırsatı olan varsa bu özelliği arayıp bulması bulduğunda da hüsrana uğramısı muhtemeldir. Windows tuşu + TAB tuşuna bastığınızda çıkan ekrandan ibaret. Alt + Tab kombinasyonunun biraz daha göze hitap eden şekli denebilir. Sırf yapmış olmak için yapmışlar gibi sanki. GNU/Linux cephesinde ise buna karşılık XGL ismini duymaya başladık. Çıktı çıkacak derken ilk demo LiveCD yayınlandı.

Dağıtımın ismi kororaa. Ekran görüntülerine buradan ulaşabilirsiniz. ISO dosyasına ise buradan indirebilirsiniz.

OCaml İle Yazılan Yeni Bir İşletim Sistemi: Desert Spring-Time

FZ
2 Haziran 2005, 1 dakika okuma süresi

Desert Spring-Time, OCaml dili ile geliştirilen açık kodlu bir işletim sistemidir.

Projenin amacı BeOS gibi yenilikçi işletim sisteminde gündeme gelmiş modern fikirleri yeniden ele almak ve bunları ileri noktalara taşımak, böylece ortaya stabil ve güçlü bir işletim sistemi koymaktır.

Bu işletim sistemi mikro-çekirdek mimarisini ve asenkron mesajlaşmayı kullanmaktadır. İşletim sistemi şu anda x86 uyumlu işlemciler üzerinde çalışmaktadır.

Editörün Notu: OCaml ile geliştirilmiş popüler bir uygulama: MLDonkey

100$lık Laptop Projesi, TamTam ve CSound

FZ
21 Temmuz 2006, 1 dakika okuma süresi

One Laptop per Child, nam-ı diğer 100$lık laptop projesi için geliştirilen TamTam müzik yazılımı duyuruldu.

Python/GTK ile geliştirilen yazılım arkaplanda güçlü ve esnek CSound ses sentezleme sistemini kullanıyor ve çocuklara kolay kullanılabilir, eğlenceli bir arayüz sunuyor.

Görülen o ki Dr. Boulanger'nin kısa bir süre önce söylediği "milyonlarca kişi CSound kullanacak" lafı gerçekleşmek üzere.

FM'de daha önce çıkmış bir CSound haberi ile ilgili olarak buraya bakabilirsiniz.