JamSpell
v0.0.12
JamSpell عبارة عن مكتبة للتدقيق الإملائي تحتوي على الميزات التالية:
مثال كولاب
jamspell.com - تحقق من إصدار jamspell الجديد بالميزات التالية
en, ru, de, fr, it, es, tr, uk, pl, nl, pt, hi, noJava, C#, Ruby المدمج| أخطاء | أعلى 7 أخطاء | معدل الإصلاح | أعلى 7 معدل إصلاح | مكسور | سرعة (كلمة / ثانية) | |
| JamSpell | 3.25% | 1.27% | 79.53% | 84.10% | 0.64% | 4854 |
| نورفيج | 7.62% | 5.00% | 46.58% | 66.51% | 0.69% | 395 |
| هونسبيل | 13.10% | 10.33% | 47.52% | 68.56% | 7.14% | 163 |
| دمية | 13.14% | 13.14% | 0.00% | 0.00% | 0.00% | - |
تم تدريب النموذج على 300 ألف جملة ويكيبيديا + 300 ألف جملة إخبارية (باللغة الإنجليزية). تم استخدام 95% للتدريب، و5% للتقييم. تم استخدام نموذج الأخطاء لإنشاء نص به أخطاء من النص الأصلي. تمت مقارنة مصحح JamSpell مع مصحح Norvig وHunspell ومصحح وهمي (بدون تصحيحات).
استخدمنا المقاييس التالية:
للتأكد من أن نموذجنا ليس متناسبًا مع ويكيبيديا + الأخبار، قمنا بمراجعته في نص "مغامرات شيرلوك هولمز":
| أخطاء | أعلى 7 أخطاء | معدل الإصلاح | أعلى 7 معدل إصلاح | مكسور | السرعة (كلمة في الثانية) | |
| JamSpell | 3.56% | 1.27% | 72.03% | 79.73% | 0.50% | 5524 |
| نورفيج | 7.60% | 5.30% | 35.43% | 56.06% | 0.45% | 647 |
| هونسبيل | 9.36% | 6.44% | 39.61% | 65.77% | 2.95% | 284 |
| دمية | 11.16% | 11.16% | 0.00% | 0.00% | 0.00% | - |
مزيد من التفاصيل حول الاستنساخ متوفرة في قسم "القطار".
قم بتثبيت swig3 (عادةً ما يكون موجودًا في مدير حزم التوزيعة لديك)
تثبيت jamspell :
pip install jamspellقم بتنزيل نموذج اللغة أو تدريبه
استخدمه:
import jamspell
corrector = jamspell . TSpellCorrector ()
corrector . LoadLangModel ( 'en.bin' )
corrector . FixFragment ( 'I am the begt spell cherken!' )
# u'I am the best spell checker!'
corrector . GetCandidates ([ 'i' , 'am' , 'the' , 'begt' , 'spell' , 'cherken' ], 3 )
# (u'best', u'beat', u'belt', u'bet', u'bent', ... )
corrector . GetCandidates ([ 'i' , 'am' , 'the' , 'begt' , 'spell' , 'cherken' ], 5 )
# (u'checker', u'chicken', u'checked', u'wherein', u'coherent', ...) أضف jamspell contrib في مشروعك
استخدمه:
# include < jamspell/spell_corrector.hpp >
int main ( int argc, const char ** argv) {
NJamSpell::TSpellCorrector corrector;
corrector. LoadLangModel ( " model.bin " );
corrector. FixFragment ( L" I am the begt spell cherken! " );
// "I am the best spell checker!"
corrector. GetCandidates ({ L" i " , L" am " , L" the " , L" begt " , L" spell " , L" cherken " }, 3 );
// "best", "beat", "belt", "bet", "bent", ... )
corrector. GetCandidates ({ L" i " , L" am " , L" the " , L" begt " , L" spell " , L" cherken " }, 3 );
// "checker", "chicken", "checked", "wherein", "coherent", ... )
return 0 ;
} يمكنك إنشاء ملحقات للغات أخرى باستخدام البرنامج التعليمي swig. ملف واجهة swig هو jamspell.i . نرحب بطلبات السحب مع البرامج النصية للبناء.
قم بتثبيت cmake
استنساخ وبناء Jamspell (يتضمن خادم http):
git clone https://github.com/bakwc/JamSpell.git
cd JamSpell
mkdir build
cd build
cmake ..
make./web_server/web_server en.bin localhost 8080$ curl " http://localhost:8080/fix?text=I am the begt spell cherken "
I am the best spell checker$ curl -d " I am the begt spell cherken " http://localhost:8080/fix
I am the best spell checkercurl " http://localhost:8080/candidates?text=I am the begt spell cherken "
# or
curl -d " I am the begt spell cherken " http://localhost:8080/candidates {
"results" : [
{
"candidates" : [
"best" ,
"beat" ,
"belt" ,
"bet" ,
"bent" ,
"beet" ,
"beit"
] ,
"len" : 4 ,
"pos_from" : 9
} ,
{
"candidates" : [
"checker" ,
"chicken" ,
"checked" ,
"wherein" ,
"coherent" ,
"cheered" ,
"cherokee"
] ,
"len" : 7 ,
"pos_from" : 20
}
]
} هنا pos_from - موضع الحرف الأول للكلمة التي بها خطأ إملائي، len - الكلمة التي بها خطأ إملائي len
لتدريب النموذج المخصص تحتاج إلى:
قم بتثبيت cmake
استنساخ وبناء Jamspell:
git clone https://github.com/bakwc/JamSpell.git
cd JamSpell
mkdir build
cd build
cmake ..
make قم بإعداد ملف نصي utf-8 يحتوي على جمل للتدريب عليها (على سبيل المثال، sherlockholmes.txt ) وملف آخر بأبجدية اللغة (على سبيل المثال، alphabet_en.txt )
نموذج القطار:
./main/jamspell train ../test_data/alphabet_en.txt ../test_data/sherlockholmes.txt model_sherlock.binevaluate/evaluate.py : python evaluate/evaluate.py -a alphabet_file.txt -jsp your_model.bin -mx 50000 your_test_data.txtevaluate/generate_dataset.py لإنشاء بيانات التدريب/الاختبار. وهو يدعم ملفات txt وتنسيق Leipzig Corpora Collection وكتب fb2. وهنا بعض النماذج البسيطة. لقد تدربوا على 300 ألف خبر + 300 ألف جملة ويكيبيديا. ونحن نوصي بشدة بتدريب النموذج الخاص بك، على الأقل على بضعة ملايين من الجمل لتحقيق جودة أفضل. انظر قسم القطار أعلاه.
