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

Genç Yazılımcılara Abilik Yapacak

anonim

Hamdi Koçoğlu'nun, 1999 yılında kurduğu 'İzinternet' adlı firma, Anadolu'da internet üzerinden iş yapmak isteyen ve İngilizce içerik karşısında zorlanan firmalara hizmet veriyor. Şirket, Türkçe olarak geliştirip sattığı yazılımlarla Anadolu'da önemli bir pazar yakalamış durumda. 2004 yılında 2 milyon doları muhasebe yazılımından olmak üzere 5 milyon dolarlık satışa ulaşan İzinternet, şimdi de yazılım konusunda yeni bir yapılanmaya gidiyor.

Freemind Türkçe!

batasoy

Açık kaynak kodlu "zihin haritası" programı Freemind artık Türkçe. Program hakkında Türkçe bilgiye buradan ulaşabilirsiniz.

Özellikle öğretmenlerin, proje hazırlayanların ve yazılım geliştiricilerin çok işine yarayacağını düşünüyoruz. Windows kurulum paketi hazır; GNU/Linux içinse birkaç gün daha beklemek gerekecek.

Programı www.pozitifpc.com adresinden indirebilirsiniz.

Kılavuz: Türkçe imla denetleyicisi

m1a2

Haberi önce linux.org.tr`de okudum ve hemen kaynak sayfaya zıpladım. Kılavuz, Linux ortamında çalışan bir Türkçe imlâ denetleyicisi. İşte nicedir görmek istediğim türden bir proje :) Umarım sayıları artar. Haberi hiçbir test yapmadan yazıyorum (arka plânda download devam ediyor), çünkü Türkçe`nin kendine has problemleriyle uğraşmaya yönelik her teşebbüs kutsaldır ve (Sabancı üniversitesinde çalışan ?) proje geliştiricilerini de kutluyorum ;)

typo3okulu.com

anonim

Typo3'yi Türk kullanıcılarına tanıtmak ve kullanmalarına yardımcı olmak amacıyla typo3okulu.com sitesi açıldı.

Dijital Resmi Belge Yönetim Sistemi: BelgeTurk

dilencikahin

Aranan dosyaların bulunamadığı evrak depoları ve tozlu arşivler tarihe karışıyor. Bunun yerine tıpkı arama motoru Google gibi tek tık'la yıllar öncesine ait her türlü yazılı evrak ve belgeye ulaşılabilecek bir sistem hazırlanıyor.