JamSpell
v0.0.12
JamSpell est une bibliothèque de vérification orthographique avec les fonctionnalités suivantes :
Exemple Colab
jamspell.com - découvrez une nouvelle version de jamspell avec les fonctionnalités suivantes
en, ru, de, fr, it, es, tr, uk, pl, nl, pt, hi, noJava, C#, Ruby| Erreurs | Les 7 principales erreurs | Taux fixe | Taux de correction des 7 meilleurs | Cassé | Vitesse (mots/seconde) | |
| ConfitureSpell | 3,25% | 1,27% | 79,53% | 84,10% | 0,64% | 4854 |
| Norvig | 7,62% | 5,00% | 46,58% | 66,51% | 0,69% | 395 |
| Hunspell | 13,10% | 10,33% | 47,52% | 68,56% | 7,14% | 163 |
| Factice | 13,14% | 13,14% | 0,00% | 0,00% | 0,00% | - |
Le modèle a été formé sur 300 000 phrases Wikipédia + 300 000 phrases d'actualités (anglais). 95 % ont été utilisés pour l’entraînement, 5 % pour l’évaluation. Le modèle d'erreurs a été utilisé pour générer un texte erroné à partir de celui d'origine. Le correcteur JamSpell a été comparé à celui de Norvig, Hunspell et à un correcteur factice (pas de corrections).
Nous avons utilisé les métriques suivantes :
Pour nous assurer que notre modèle n'est pas trop suréquipé pour wikipedia+news, nous l'avons vérifié sur le texte "Les Aventures de Sherlock Holmes" :
| Erreurs | Les 7 principales erreurs | Taux fixe | Taux de correction des 7 meilleurs | Cassé | Vitesse (mots par seconde) | |
| ConfitureSpell | 3,56% | 1,27% | 72,03% | 79,73% | 0,50% | 5524 |
| Norvig | 7,60% | 5,30% | 35,43% | 56,06% | 0,45% | 647 |
| Hunspell | 9,36% | 6,44% | 39,61% | 65,77% | 2,95% | 284 |
| Factice | 11,16% | 11,16% | 0,00% | 0,00% | 0,00% | - |
Plus de détails sur la reproduction disponibles dans la section "Train".
Installez swig3 (généralement, c'est dans votre gestionnaire de paquets de distribution)
Installez jamspell :
pip install jamspellTélécharger ou entraîner le modèle linguistique
Utilisez-le :
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', ...) Ajoutez les répertoires jamspell et contrib à votre projet
Utilisez-le :
# 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 ;
} Vous pouvez générer des extensions pour d'autres langues à l'aide du didacticiel swig. Le fichier d'interface swig est jamspell.i . Les demandes d'extraction avec des scripts de build sont les bienvenues.
Installer cmake
Clonez et construisez jamspell (il inclut le serveur 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
}
]
} Ici pos_from - mot mal orthographié position de la première lettre, len - mot mal orthographié len
Pour entraîner un modèle personnalisé, vous avez besoin :
Installer cmake
Cloner et créer du jamspell :
git clone https://github.com/bakwc/JamSpell.git
cd JamSpell
mkdir build
cd build
cmake ..
make Préparez un fichier texte utf-8 avec des phrases sur lesquelles vous entraîner (par exemple, sherlockholmes.txt ) et un autre fichier avec l'alphabet de langue (par exemple. alphabet_en.txt )
Modèle de train :
./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 pour générer vos données d'entraînement/test. Il prend en charge les fichiers txt, le format Leipzig Corpora Collection et les livres fb2. Voici quelques modèles simples. Ils se sont entraînés sur 300 000 actualités + 300 000 phrases Wikipédia. Nous vous recommandons fortement d'entraîner votre propre modèle, au moins sur quelques millions de phrases pour obtenir une meilleure qualité. Voir la section Train ci-dessus.
