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

Laptop Robot

FZ

Haber kategorisi yazılım ama belki de donanım demeliydim, ya da her ikisi. Tabii Firmware buna ne der bilemem (bkz. programlanın Tao'su).

Evolution Robotics adlı firma, robot olayına son noktayı koymuş gibi. Masanın üzerinde hantal hantal oturan hareketsiz bilgisayarlara paydos!

Düşünsenize salonda ya da mutfakta gezinip duran bir laptop PC, fotoğraf çekiyor, elinizdeki CD'yi görüp CD sürücünün tepsisini uzatiyor ve CD'yi çalmaya başlıyor, müziğe ara verip yeni e-mailleri yatak odanıza kadar bi koşu gelip okuyor falan ;-)

300 YTL Ödüllü Metin Seslendirme Programı Yarışması

anonim

www.delphiturk.com sitesinden alıntılanmıştır :

Merhaba,

Uzun süredir Delphi ile ilgilenen ve DelphiTurk' ün kıdemli bir üyesi olarak bir program yarışması başlatmak istiyorum. ( Bu fikrimi sitenin kurucusu sayın Tansu TÜRKOĞLU Bey’ le paylaştığımda oldukça sıcak karşıladı ve yarışma için -gerektiğinde- destek verebileceklerini bildirdi. )

Yeni ve eski birçok programlama meraklısının takip ettiği sitemizde böyle bir yarışmanın mütevazi ödülünün şimdilik 300 ytl. Ödül küçük ama duyuru yapılınca katkıda bulunmak isteyen arkadaşlar çıkabilir diye düşündüm. Belki güzel bir başlangıç olur.

TÜRKİYE yarı finalde! En büyük TÜRKİYE!! (Kendi PDF`ini Kendin Yap)

SHiBuMi

Yazının başlığı "Kendi PDF'ini Kendin Yap" olacaktı ama bu coşku içersinde bu başlığı atmak ayıp olurdu :) Çok büyük bir başarı, herkese kutlu olsun.

Herhangi bir uygulamayla hazırladığınız dokümanları, resimleri, sunumları, elektronik tabloları ve yazıcı çıktısı alınabilecek hemen her türlü nesneyi yine bu uygulama içinden ücretsiz ve Türkçe olarak PDF’e dönüştürebilmek ilginizi çeker mi? Çekiyorsa bu yazıyı okumaya devam edin.

OpenOffice.org 1.0

tongucyumruk

OpenOffice.org geliştirme takımı yazılımın 1.0 sürümünü duyurdu. MS Office ailesine güçlü bir alternatif olan OpenOffice.org Sun Microsystems'ın kaynak kodunu açtığı StarOffice temel alınarak geliştirilmiş bir ofis yazılımı. Yazılım paketinin içinde kelime işlemci, tablolama, sunum ve çizim gibi araçlar geliyor. Programın içinden StarOffice'teki en sinir bozucu olay olan integrated desktop'ın çıkarılmış olması güzel birşey. Ayrıca ekranda gösterdiği türkçe karakterler Linux altında pek iyi gözükmüyorsa da bastığınızda kağıda çok güzel geçiyor...

Opera, Internet Tarayıcısına BitTorrent Desteği Ekledi

talat

Opera Software, amiral gemisi yazılımı olan Opera internet tarayıcısının BitTorrent desteği eklenmiş deneme sürümünü çıkardı.

Bu eklenti ile Opera, ayrıca bir program gerektiren BitTorrent indirme işlemini kendiliğinden destekleyen ilk internet tarayıcısı oldu.

Ayrıntılar için tıklayın. (eWeek, İngilizce)