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

Linux BIOS - Her Şeyin En İyisine Layıksınız

FZ

LinuxBIOS, makinanızı birkaç saniyede GNU/Linux yüklü olarak açmanın kestirme bir yolundan çok daha fazlasıdır.

LinuxBIOS, GPL lisanslı bir program olup pek çok BIOS´un yerini tutabilecek durumdadır, desteklenen sistemler arasında AMD64, x86, Alpha ve PowerPC sistemler de mevcuttur. LinuxBIOS üreticiden ve mimariden bağımsızdır, %95'i C dili ile yazılmıştır ve 4 yıldır geliştirilmektedir, olgunlaşmış bir yazılımdır. En büyük bilgiişlem kümelerinden tutun gömülü cihazlara dek pek çok sistem tarafından tercih edilmektedir. LinuxBIOS, AMD ve Tyan gibi pek çok üretici tarafından desteklenmetedir. Söz gelimi artık Tyan´dan LinuxBIOS yüklü anakart sipariş edebilirsiniz.

Bu makalede LinuxBIOS´un teknik yapısı ve tarihsel gelişimi detaylı olarak anlatılmaktadır. Sanayi ile işbirliği bağlamında da bir vaka analizi olarak okunabilir. En sıkı korunan endüstriyel, teknik bilgileri bize açmaları için büyük üreticileri nasıl ikna ettiğimize dair bazı dersler çıkarabilirsiniz.

DCP-Portal Gelişiyor... v4.5

anonim

Tamamen Türk içerik yönetimi uygulaması DCP-Portal'ın yeni sürümü çıktı. Yönetici alanı yeniden geliştirilen DCP-Portal, 4.5. sürümünde benzerlerinden çok daha kolay ve konfigüre edilebilir bir sistem yönetimi imkanı sunuyor. İçerisinde dosya yükleme, WYSIWYG tarzı bir HTML editör bulunduran yazılım, içerikler eklenirken ve/veya güncellenirken hiçbir HTML bilgisine gerek duymuyor.

NetBeans 6.0 Türkçe Çeviri Grubu

anonim

NetBeans 6.0'ın kararlı sürümünün duyurulmasına az bir zaman kala çeviri işlemlerine hız verildi. Çeviri yapılacak dillerden biri de Türkçe. İyi bir organizasyon eşliğinde bu editöre Türkçe desteği kazandırmak için Türkçe Çeviri Grubu'na yardım edecek arkadaşlar aranıyor.

linuxdevices.com : xynth windowing system

anhanguera

v0.7.90'ı çıkardıktan sonra download sayısını ve çeşitli haber sitelerini acaba bir hareket olur mu diye sürekli takip ederken (heyecan işte) bu akşam proje arkadaşım Ali Çaglar Oral, http://www.linuxdevices.com' daki Lightweight windowing system supports embedded Linux başlıklı haberi farketmiş, bana da haber verdi.

Böyle bir sunum izlemediniz: gapminder ve dünyanın gidişatı

FZ

Bir sunum bu kadar mı çarpıcı olur, bunca bilgi bu kadar mı net, güzel ve etkili şekilde iki boyutlu ekrana sığdırılır. Görsellik ve animasyon bu kadar mı güzel kullanılır. İstatistik ve geleceğe yönelik bakış açısı bu kadar mı eğlenceli ortaya konur!