b00f / lilak Goto Github PK
View Code? Open in Web Editor NEWPersian Spell Checking Dictionary
Home Page: http://lilak-project.com
License: Other
Persian Spell Checking Dictionary
Home Page: http://lilak-project.com
License: Other
استفاده از جمع مکثر کلماتی که ریشه عربی دارند از نظر زبانی نادرست نیست و به عنوان مثال میتوان نوشت مدارس غیرانتفاعی
ولی از این گذشته تبدیل مدارس به مدرسهها میتواند مشکلآفرین باشد به این مثال توجه کنید:
مدارس غیر انتفاعی
مدرسه ها غیر انتفاعی
همانطور که مشاهده میکنید نبود ی بعد از مدرسهها جمله را کاملا غلط کرده است.
از زحمات همگی شما متشکرم
There is a great and open source tool for checking spell and grammar named LanguageTool which is also used in other tools or platforms like KNIME Spellchecker nodes.
They have already added Persian language to the tool but it cannot check for spelling in Persian.
I asked them about this here and they suggested to add Hunspell-based Persian dictionary.
Would you please cooperate on this?
Currently LibreOffice has no dictionary for Persian language.
All the dictionaries for Libre Office are listed here
We need to add latest release to this repo.
سلام و ممنون برای برنامه خوبتون،
علیرغم اینکه این برنامه ریشه اکثر کلمات را بدرستی درمیآورد، اما تعداد زیادی از کلمات (غالباً اسامی) سهحرفی که حرف آخر آنها یکی از حروف م، ی، ت، یا ش هستند تغییر کرده و یک نتیجه دو حرفی بی معنی تحویل میدهد، مثلاً آدم به آد و رزم به رز تبدیل میشوند. چند مثال:
آدم
آلی
برش
بزم
بنی
بوم
پخت
پخش
پرت
پری
پشت
پشم
ترش
تقی
تنش
جرم
رزم
ملی
البته مثالهای بیشتری هست، ولی به همین بسنده میکنم.
ممنون از زحمتی که کشیدین.
فکر خوبی هست که دیکشنری انگلیسی هم داخلش اضافه بشه یا نسخه دومی ازش وجود داشته باشه که ترکیبی از دیکشنری انگلیسی و فارسی باشه؟
حداقل برای من دو امتیاز داره: یکی اینکه تو متن فارسیای که عبارتهای انگلیسی وجود داشته باشه هم انگلیسیها اشتباه به حساب نمیان که صفحه رو شلوغ کنن و هم به تشخیص اشتباههای تایپی تو عبارتهای انگلیسی کمک میکنه و یکی دیگه اینکه تو فایرفاکس که زبان رو به طور خودکار بر اساس محتوا حدس نمیزنه و انتخاب نمیکنه میتونیم دیکشنری رو دایما روی فارسی بذاریم و ازش هم برای نوشتن فارسی استفاده کنیم و هم انگلیسی.
من خواستم برای آزمایش خودم این کار رو بکنم، ولی متاسفانه تداخلهایی پیش میاد که برای حل کردنش باید اطلاعات کاملی در مورد این نوع دیکشنری داشت.
مضافهای مختوم به های غیرملفوظ از نویسهٔ «ٔ» به جای کسره استفاده میکنند. به نظر میرسد در همهٔ موارد اینها به عنوان اشتباه شناسایی میشوند. مثال:
خانهٔ سبز
دروازهٔ فوتبال
پروانهٔ ساخت
شهریهٔ دانشگاه
نامهٔ او
(از افزونهٔ فایرفاکس استفاده میکنم)
به نظر میرسد این موضوع مرتبط با #7 است. (واژههایی که حالت جمعشان مستقیم در دادگان وارد نشده این مشکل را دارند و اگر به انتهای مثالهای آنجا یک «ی» اضافه کنیم همین مشکل ظاهر میشود)
البته مطمئن نیستم از نظر دستور زبان چگونه طبقهبندی میشوند، ولی فکر میکنم غالب مواردی که در پیوند بالا آمدهاند چنین مشکلی دارند.
باید این امکان وجود داشته باشد که برخی کلمات و واژگان را بشود از دیکشنری نهایی حذف کرد.
برای مثال میتوان «می» به معنی شراب را از دیکشنری تولیدی حذف کرد. اینکار باعث میشود که افعال استمراری با دقت بیشتری تشخیص داده بشوند.
با سلام و احترام
من متوجه شدم که بخشی از واژهها رو بهعنوان واژههای خارجی توی دادههاتون متمایز کردید. الیته این کار بهصورت کامل انجام نشده و تنها مقدار کمی از دادهها بهاین صورت هستند. خواستم پیشنهاد کنم که واژههای خارجی رو متمایز نکنید، چراکه تنها در صورتی میتونید چنین تمایزی رو در دادههاتون قائل بشید که تمایز ریشهشناختی براشون قائل بشید. مثلن واژه «زمان» یک واژه آرامی هست، واژه «کلید» یونانی و واژه «صابون» لاتین است. بااین حال هیچ یک از سخنگوهای زبان فارسی و حتا بسیاری از زبانشناسها از چنین اطلاعات ریشهشناختیای اطلاع ندارند. شما اگر بخواهید واژههای خارجی رو متمایز کنید یا باید از اطلاعات فارسی باستان استفاده کنید یا اگر بخواهید واژههای خارجی اخیر رو متمایز کنید، باید یک معیار عینی برای این «اخیر بودن» ارائهکنید که دستیابی به چنین معیار عینیای اگه غیرممکن نباشه، ساده نیست.
من توی دادهها متوجه شدم که در بعضی از واژهها التقای واکهای وجود داره که میتونه بعدها براتون مشکل ایجادکنه.
پیشنهاد میکنم توی واجنویسی واژهها تقطیع هجایی رو هم لحاظ کنید. چنین چیزی میتونه مانع از مشکلاتی نظیر التقای واکهای بشه.
الان خروجی این پروژه کلمات غیررسمیای مانند
اونا
بریم
آروم
بشیم
داغون
میده
میون
به نظرم برای هانسپل باید حد و مرز مشخص کرد آیا فقط برای موارد رسمی و کتابی ست یا برای موارد محاورهای هم کاربرد دارد
اگر قرار باشد غیر رسمیها را هم پشتیبانی کند پس عبارتهای زیر هم باید به آن اضافه شود مانند
تهرون
ایرون الان ایرونی را میشناسد!
ایشون
روش کلیای هست که بشود اینها را تشخیص داد یا باید جداگانه وارد شوند؟
دستور sudo apt-get install libhunspell-dev برای سیستم عامل ubuntu هست و روی سیستم عامل مک خطا میده
بعد از اجرای make build >>
FileNotFoundError: [Errno 2] No such file or directory: '../build/fa-IR.aff'
make: *** [build] Error 1
Where can I download dictionary from these pages ? I need only text and pronounce columns
درود بر شما
برخی از واژگانها در این بانک اطلاعاتی این غلط گیر وجود ندارد مثلا «بیخدایان »
من در مرورگرم برخی واژگان را به دیکشنری اضافه میکنم، مشکلم حل میشود!
حال چه راهکاری وجود دارد که من بتوانم واژگان جدید را هم به بانک اصلی اضافه کنم؟
ممنون میشم بطور کلی بنده را راهنمایی کنید که چگونه و به چه نحوی میتوانم در بروز رسانی لغات این غلطگیر به نوبه خودم مشارکت داشته باشم؟
آیا نسخه کروم هم داره؟ نتونستم چیزی پیدا کنم
پ.ن : کارتون عالیه
hi
i have Hunspell spell checker on Libre office is there any simple way to add this to Hunspell ?
-thank you 👍
Following the steps provided by Aobe to add a dictionary correctly InDesign still does not recognize the dictionary. I used different versions of your dic. Thank you.
در حال حاضر یک دیکشنری کمکی در کنار مجموعه لغات برچسب گذاری شدهٔ لیلک وجود دارد که شامل تعداد زیادی واژه است. برخی از واژگان را میتوان براحتی حذف کرد تا حجم دیکشنری نهایی کاهش یابد بدون اینکه در عملکرد لیلک تاثیری بگذارد
از سویی میتوان باقی واژگان را به مرور به دادگان لیلک افزود.
دیکشنری کمکی را در اینجا پیدا کنید:
https://github.com/b00f/lilak/blob/master/src/data/dic_users
بعضی از صورتهای جمع را به عنوان اشتباه نشانهگذاری میکند:
خردمند --> خردمندان
شکارچی --> شکارچیان
روزگار --> زورگاران
حوری --> حوریان
پسوند «ان» که برای جمع اسامی جانداران به کار میرود در حال حاضر برای همه اسامی اعمال میشود.
راه حل اینست که فهرستی از تمامی اسامی که با «ان» قابل جمع هستند را بدست آورد.
البته چون از دیکشنری لیلک برای غلط یابی استفاده میشود (نه درست یابی!) این الگوریتم به نوعی ایجاد مشکل نمیکند.
بهتر است در این مورد بیشتر بحث شود.
A declarative, efficient, and flexible JavaScript library for building user interfaces.
🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.
TypeScript is a superset of JavaScript that compiles to clean JavaScript output.
An Open Source Machine Learning Framework for Everyone
The Web framework for perfectionists with deadlines.
A PHP framework for web artisans
Bring data to life with SVG, Canvas and HTML. 📊📈🎉
JavaScript (JS) is a lightweight interpreted programming language with first-class functions.
Some thing interesting about web. New door for the world.
A server is a program made to process requests and deliver data to clients.
Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.
Some thing interesting about visualization, use data art
Some thing interesting about game, make everyone happy.
We are working to build community through open source technology. NB: members must have two-factor auth.
Open source projects and samples from Microsoft.
Google ❤️ Open Source for everyone.
Alibaba Open Source for everyone
Data-Driven Documents codes.
China tencent open source team.