Yapay Zeka - Bilim - Teknoloji (AI-Sci-Tech)
Yapay Zeka - Bilim - Teknoloji (AI-Sci-Tech)
DerlemTR çalışmaları yoğunlaştıkça, Zemberek tarafından analizi yapılamayan bazı kelimeler de ortaya çıkmaya başladı.Java konusunda uzman olmadığım için github’daki Zemberek projesini klonlayıp koda müdahale edebilmem mümkün değil. Ancak kaynak sözcüklere eklemeler yaparak bu eksik kelimeleri de analiz edilebilen kelimelere katmak mümkün…
Geçtiğimiz hafta, veritabanımızdaki “kelimeler” tablosunu zenginleştirebilmek için yeni adımlar attım. Bunlardan biri de TRMorph kullanımıyla ilgiliydi. Ne yazık ki, yaptığım yoğun testler sonucunda, özellikle çok sık karşılaşılmayan veya hatalı sözcükler sözkonusu olduğunda, bu araç istenmeyen sonuçlar üretiyor. Özellikle kelime zenginleştirme…
Bir hafta kadar önce, elimdeki kaynaklara göre, Türkçe’nin ayrık kelime sayısı 4 milyondan biraz fazlaydı. Veritabanıma işlenmemiş bazı sözcükler olduğundan da emindim. O yüzden toplam geçerli kelime sayısı 4-5 milyon civarında olabilir diye düşünüyordum. Eksik kelimeleri bulmak için yeni yöntemlere…
DerlemTR Projesi kapsamında toparladığım kelimeleri önce Zemberek aracılığıyla analiz ettim. Ancak bazı sözcükleri Zemberek analiz edemedi.Önümde iki seçenek vardı: Zemberek projesi java diliyle geliştirildiği için, kodlama konusunda yapabileceğim pek bir şey yok. Java’yı bilirim ama, hakim değilim. Kodları gerektiğinde yorumlayabilirim…
Benim çocukluğımda, yani 60 yıl öncesinde, en uzun Türkçe kelime “Çekoslovakyalılaştıramadıklarımızdanmısınız” şeklindeydi. Oysa bu, yanlış bir kelimeydi. Çünkü soru ekleri Türkçede ayrı yazılır. Zemberek’in kelime dağarcığımızdan yakalayabildiği ve kurallara uygun en uzun sözcük “çekoslovakyalılaştırmadıklarımızdanmışçasına”. Tam 45 harf içeriyor. İkinci sıradakinden…
Bu yazımda, benim de yeni farkına vardığım, Türkçeye ait bazı sayısal değerleri ele alacağım.Elde ettiğim sayıların mutlak olmadığını, veritabanımdaki 2,745,000 kelime ve Zemberek çözümlemelerine dayandığını peşinen belirteyim. İlk tablomuz, Türkçe sözcüklerin tiplerine göre nasıl gruplandığını gösteriyor. Toplam kolonundaki sayılar o…
Birkaç aydır Türkçe sözcükleri temiz ve denetlenmiş bir liste halinde derleme çalışmaları yapıyorum. Bu çalışma, github üzerinden paylaştığım eski DerlemTR () projemin devamı niteliğinde. DerlemTR projesinde elde ettiğim ayrık sözcükleri, onların kullanım frekanslarını kullanarak kolaylıkla temizleyebileceğimi ummuştum. Fakat hiç de…