Python tabanlı Türkçe deasciifier

0
FZ
Kısa süre önce Deniz Yüret'in Türkçe 'deasciifier'ını (turkish-mode, Emacs Lisp ile yapılmış) Python'a çevirdim. Kaynak kod adresi: http://github.com/emres/deasciifier.

'deasciification' ve 'deasciifier' terimlerine aşina olmayanlar için kısa açıklama: Türkçe harfler kullanılmadan, sadece ASCII harfler ile yazılmış Türkçe metinlerin, düzgün şekilde Türkçe harfler kullanılarak yazılmış hale çevrilmesine 'deasciification' denir. Bu duruma bir örnek verelim, girdi metni mesela

"Opusmegi cagristiran catirtilar."

ise, çıktı metni şöyle olmalıdır:

"Öpüşmeği çağrıştıran çatırtılar."
Peki ama kim Türkçe harfleri kullanmadan Türkçe yazar, buna benzer durumlar ne zaman karşımıza çıkar? Mesela klavyeniz Türkçe olmayabilir, tembel olabilirsiniz, yahut IMDb'deki Türk film isimlerini Türkçe harfli hale getirmeniz gerekiyor olabilir (örn. "Yahsi bati"yi "Yahşi Batı" yapmanız gerekebilir).

Her ne kadar bu işi ya da benzerini yapan sistemler daha önceden geliştirilmiş olsa da Python ile yeniden yazmanın gerekli olduğuna karar verip bunu gerçekleştirdim çünkü:

- Deniz Yüret'in geliştirdiği turkish-mode Emacs için Emacs Lisp ile geliştirilmiş bir sistem. Ben de Emacs kullanıyorum ama çoğunluk için bu durum geçerli değil.

- Bu sistemin Javascript implementasyonu http://turkce-karakter.appspot.com/ adresinde mevcut ve son kullanıcı için pratik fakat komut satırından yahut kendi programları içinden iş yapmak isteyen programcılar için çok pratik değil.

- Zemberek tabanlı bir 'deasciifier' açık kodlu olarak erişilebilir durumda ve web tabanlı hali de var http://zemberek-web.appspot.com/ adresinde ama yine programcılar için çok pratik değil. Tek istediğiniz pratik şekilde 'deasciification' yapmak ise önce Java kurmak, ardından da tam teşeküllü bir imla kontrol sistemini devreye sokmak, vs. biraz yorucu bir iş. Ayrıca Zemberek'in kullandığı yöntemler farklı ve bazı metinleri düzgün 'deasciify' edemiyor.

- Sabancı Üniversitesi'de Gökhan Tür tarafından geliştirilmiş (ve burada bahsedilen deasciifier'a ilham kaynağı olmuş) sistemin bazı kısıtkamaları var: Kaynak kodu açık değil, sistemi download edemiyorsunuz, web arayüzünün uzunluk limiti var. Ayrıca neden verilerinizi bir başkası ile paylaşmak zorunda kalasınız ki?

Şimdi de birkaç kullanım örneği, önce Python içinden:



Ve şimdi de komut satırından:

$ echo "Yilanlarin Ocu" | python deasciify.py 
Yılanların Öcü

echo "Hic fena olmadi sanirim, ne dersin hocam?" | python deasciify.py 
Hiç fena olmadı sanırım, ne dersin hocam?


Elbette bu deasciifier da mükemmel değil, bazen hata yapabiliyor ancak anadili Türkçe olan biri olarak pratik olarak hemen her türlü durumda işe yaradığını ve çok pratik olduğunu söyleyebilirim. Sistemin ardındaki teoriyi merak ediyorsanız Deniz Yüret'in makalesini okuyabilirsiniz. Bu sisteme eklenebilecek en heyecan verici özellik herhalde sistem çalışırken onun hatalarını düzeltip sistemi eğitebilme özelliği olurdu ancak bu başka bir projenin konusu olsun şimdilik. Şimdiki yakın vadeli planlarım arasında şunlar var: Sisteme web arayüzü eklemek, daha da kolay kullanılmasını sağlamak için Python Package Index'e eklemek, kendi başına çalışan GUI tabanlı bir versiyon geliştirmek ve Linux ile Windows'da kolayca kullanılabilmesini sağlayacak şekilde eklemeler yapmak.

Not: Bu yazı http://ileriseviye.org/blog/?p=3274 adresindeki İngilizce yazının çevirisidir.

Görüşler

0
FZ
0
pichoscosama
Çalışma prensibi nedir? "Yilan" kelimesinin "Yılan" olduğu nasıl algılanmakta? Office veya FF gibi kelimelerin olduğu bir liste mi var?
0
FZ
Bir tür liste var evet ancak karar listesi denen özel bir yapı kullanıyor ve bu yapı da epey büyük bir Türkçe metin yığını üzerinden istatistik analiz ile oluşturukmuş durumda. Bunu gerçekleştiren Deniz Yüret'in özgün makalesini okursanız orada detaylar mevcut: http://www.denizyuret.com/2006/11/emacs-turkish-mode.html ve "Greedy prepend algorithm for decision list induction".
Görüş belirtmek için giriş yapın...

İlgili Yazılar

OS X ile Windows XP Yarışıyor

Soulblighter

www.XvsXP.com adresinde OS X ile Windows XP'nin karşılaştırılması yapılıyor. Karşılaştırmanın ayrıntıları ve verilen puanlar bir tabloda belirtilmiş.

GNU/Linux Üzerinde Streaming Media

FZ

Neden değerli hard diskimi yığınla MP3/Ogg Vorbis ile doldurayım (ya da bir sürü CD yazıp bunları kataloglamak ile uğraşayım)? Bulunduğum ağ üzerinde birileri bir sunucu kursa ve ben de misal XMMS ile doğrudan oraya bağlanıp paşa paşa müziğimi, radyomu, vs. canlı bağlantı üzerinden dinlesem diyenlerdenseniz ve böyle bir müzik sunucusunun nasıl kurulacağını merak ediyorsanız şu lezzetli makale tam ağzınıza göre: Streaming Audio the Icecast Way

İzmir'de Silikon Vadisi Kuruluyor

anonim

Turk.internet.com un haberine göre:
İzmirli 32 yazılım fiması imkansızı başardı ve ortak akılda birleşerek Silikon Vadisi'ni hayata geçirecek projenin temelini attı. Projenin mimarı olan İzmir Ticaret Odası Yönetim Kurulu Başkan Vekili Mehmet Akyelli, 32 firmayı biraraya getirerek, Amerika'daki Silikon Vadisi'nin bir benzerini İzmir'de kuracak altyapıyı hazırladı.

Zemberek 0.5 çıktı!

FZ

Açık kodlu ve özgür yazılım olarak geliştirilen Türkçe imla denetim sistemi Zemberek yazılımının son sürümü Zemberek 0.5 kamuya sunuldu. Değişiklik listesine göre sistem epey geliştirilmiş durumda. Zemberek projesinin yan ürünlerinden ve damardan Java hackerlarıyla dilbilimciler haricindeki hemen herkesi ilgilendiren Zemberek OpenOffice.org eklentisi 0.5 numaralı sürüm de kamuya sunuldu. Zemberek aynı zamanda ULUDAĞ ulusal GNU/Linux dağıtımı projesi kapsamında da Zemberek Pardus ismi ile kullanılmaya ve pek çok masaüstü programına otomatik imla denetimci olarak eklenmeye başlandı. Zemberek, LKD tarafından En İyi Özgür Yazılım kategorisinde de aday gösterilen yazılımlar arasında. Sistemin çalışma prensiplerini açıklayan geliştirici kılavuzuna ise bu adresten erişmek mümkün.

Geleceğin [Net-Enabled] Yazılımları - Bölüm I

anonim

Birkaç haftadır kafamda çözümünü aradığım (bu mesajı yazarken Sundance ile de tartıştığım) bir soru var: Geleceğin net-enabled yani internet üzerinde çalışan uygulamalarının geleceği, hangi temellerin üzerine oturacağı ve yazılım dünyasını nasıl etkileyeceği, tabii bilişim devlerinin (Microsoft, Sun, IBM vs.) bu gelişmenin neresinde duracağı. Ya da başka bir açıdan, böyle bir gelişim olacak mı?