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

Star Office 6.0 Beta

butch
2 Ekim 2001, 1 dakika okuma süresi

Uzun süredir sesi çıkmayan, gitti gidecek dediğimiz Star Office yeni beta sürümü ile karşınızda. Açık kodlu ürünler arasında önemli bir geleceğe sahip olduğunu düşündüğüm bu yazılımın, bir yıldan uzun süredir 5.2 sürümünün türkçeleştirilmesini bekliyoruz. Neyse en azından adı değişti. Bundan sonra yeni sürümünü bekleyeceğiz birkaç yıl.
Star Office'le ilgilenenler için adres http://www.sun.com/staroffice/6.0beta/. Koşarak...
İlgilenmeyenler için adres, yavaş yavaş ;-)

SPAM savaşları - SPAM tarama

cayfer
3 Mayıs 2004, 2 dakika okuma süresi

Kendi gözlemlerimize ve çeşitli kaynaklara göre e-posta trafiğinin yarısından fazlasını SPAM mesajlar oluşturuyor. Buna katlanmak gittikçe zorlaşıyor. SPAM ile savaşta çok çeşitli yöntemler kullanılıyor. İşte size bir yöntem daha...

OpenOffice.org'da Türkçe Yazım Denetimi

anonim
10 Ocak 2005, 2 dakika okuma süresi

Uzun zamandır Türkçe konuşan kullanıcılar arasında OpenOffice.org'un yayılmasının önündeki en önemli engel olarak duran Türkçe yazım denetimi sorunu aşılmış görünüyor. Mehmet D. Akın ve Ahmet A. Akın liderliğindeki Zemberek ekibi tarafından geliştirilen "Zemberek" (eski adıyla tspell) adlı yazım denetimi aracının OpenOffice.org'a entegre edilmesi işlemi tamamlandı. Zemberek'in sitesinden indirilebilen bir OpenOffice.org eklentisi sayesinde Türkçe yazım denetimi yapmak mümkün hale geliyor. Konuyla ilgili olarak Görkem Çetin e-posta listelerine aşağıdaki mesaj gönderdi:

SynthMaster: İlk Türk ses işleme ve efekt yazılımı

FZ
27 Haziran 2006, 1 dakika okuma süresi

Bilgisayarlar sayesinde dolap büyüklüğündeki ses işleme cihazları küçük yazılımlara dönüştü. Son örnek bir Türk'ün imzasını taşıyor.

Bu alandaki dev oyuncuların yanına, işlev olarak hiçbir eksiği bulunmayan bir isim daha katıldı: SynthMaster. Bülent Bıyıkoğlu adlı bir Türk tarafından 1995 yılında o zamanki bir yazılım yarışmasına katılmak için hazırlanmaya başlanan SynthMaster, 2004 yılından bu yana aktif olarak geliştirilerek tam bir ürün haline getirilmiş. Bıyıkoğlu, 90'lı yıllarda bu yazılım için çalışırken hazırladığı EffectsMaster adlı uygulama sayesinde Kanada'dan bir iş teklifi alarak bu ülkeye taşınma kararı vermiş.

Musonya Translator

muratdicle
19 Şubat 2009, 1 dakika okuma süresi

Geçtiğimiz günlerde Google'ın Türkçe çeviri hizmetinin devreye girmesiyle artık bizimde bu servisten sonuna kadar faydalanmamız gerektiğini düşündük. Ve "Musonya Translator" adında yeni ve ücretsiz bir ürün geliştirdik.