Benvenuto nella documentazione di MLConjug!¶
Contenuto:
mlconjug¶
- un estrattore di feature binario
- un selettore di funzionalità che utilizza la classificazione vettoriale di supporto lineare
- un classificatore che utilizza la discesa gradiente stocastica»
- Software gratuito: licenza MIT
- Documentazione: https://mlconjug.readthedocs.io.
Lingue supportate¶
- Francese
- Inglese
- Spagnolo
- Italiano
- Portoghese
- Rumeno
Caratteristiche¶
- API facile da usare»
- Include modelli pre-addestrati con un’accuratezza del 99% + nel predire la classe di coniugazione di verbi sconosciuti.
- Allena facilmente nuovi modelli o aggiungi nuove lingue.
- Integrate facilmente MLConjug nei vostri progetti.
- Può essere usato come uno strumento da riga di comando.
Crediti¶
Questo pacchetto è stato creato con l’aiuto di Verbiste e scikit-learn.
Il logo è stato progettato da Zuur.
Installazione¶
Rilascio stabile¶
Per installare MLConjug, esegui questo comando nel tuo terminale:
$ pip install mlconjug
Questo è il metodo preferito per installare MLConjug, poiché installerà sempre la versione stabile più recente.
Se non hai installato` pip`_, questa Guida all’installazione di Python può guidarti attraverso il processo.
Dalle fonti¶
Le fonti per MLConjug possono essere scaricate dal` Github repo`_.
Puoi clonare il repository pubblico:
$ git clone git://github.com/SekouD/mlconjug
Oppure scarica il` tarball`_:
$ curl -OL https://github.com/SekouD/mlconjug/tarball/master
Una volta che hai una copia del codice sorgente, puoi installarlo con:
$ python setup.py install
Utilizzo¶
Nota
La lingua predefinita è il francese: quando viene chiamato senza specificare una lingua, la libreria proverà a coniugare il verbo in francese»
Utilizzare MLConjug in un progetto con i modelli di coniugazione pre-addestrati forniti:
import mlconjug
# To use mlconjug with the default parameters and a pre-trained conjugation model.
default_conjugator = mlconjug.Conjugator(language='fr')
# Verify that the model works
test1 = default_conjugator.conjugate("manger").conjug_info['Indicatif']['Passé Simple']['1p']
test2 = default_conjugator.conjugate("partir").conjug_info['Indicatif']['Passé Simple']['1p']
test3 = default_conjugator.conjugate("facebooker").conjug_info['Indicatif']['Passé Simple']['1p']
test4 = default_conjugator.conjugate("astigratir").conjug_info['Indicatif']['Passé Simple']['1p']
test5 = default_conjugator.conjugate("mythoner").conjug_info['Indicatif']['Passé Simple']['1p']
print(test1)
print(test2)
print(test3)
print(test4)
print(test5)
# You can now iterate over all conjugated forms of a verb by using the newly added Verb.iterate() method.
default_conjugator = mlconjug.Conjugator(language='en')
test_verb = default_conjugator.conjugate("be")
all_conjugated_forms = test_verb.iterate()
print(all_conjugated_forms)
Utilizzare MLConjug in un progetto e formare un nuovo modello
# Set a language to train the Conjugator on
lang = 'fr'
# Set a ngram range sliding window for the vectorizer
ngrange = (2,7)
# Transforms dataset with CountVectorizer. We pass the function extract_verb_features to the CountVectorizer.
vectorizer = mlconjug.CountVectorizer(analyzer=partial(mlconjug.extract_verb_features, lang=lang, ngram_range=ngrange),
binary=True)
# Feature reduction
feature_reductor = mlconjug.SelectFromModel(mlconjug.LinearSVC(penalty="l1", max_iter=12000, dual=False, verbose=0))
# Prediction Classifier
classifier = mlconjug.SGDClassifier(loss="log", penalty='elasticnet', l1_ratio=0.15, max_iter=4000, alpha=1e-5, random_state=42, verbose=0)
# Initialize Data Set
dataset = mlconjug.DataSet(mlconjug.Verbiste(language=lang).verbs)
dataset.construct_dict_conjug()
dataset.split_data(proportion=0.9)
# Initialize Conjugator
model = mlconjug.Model(vectorizer, feature_reductor, classifier)
conjugator = mlconjug.Conjugator(lang, model)
#Training and prediction
conjugator.model.train(dataset.train_input, dataset.train_labels)
predicted = conjugator.model.predict(dataset.test_input)
# Assess the performance of the model's predictions
score = len([a == b for a, b in zip(predicted, dataset.test_labels) if a == b]) / len(predicted)
print('The score of the model is {0}'.format(score))
# Verify that the model works
test1 = conjugator.conjugate("manger").conjug_info['Indicatif']['Passé Simple']['1p']
test2 = conjugator.conjugate("partir").conjug_info['Indicatif']['Passé Simple']['1p']
test3 = conjugator.conjugate("facebooker").conjug_info['Indicatif']['Passé Simple']['1p']
test4 = conjugator.conjugate("astigratir").conjug_info['Indicatif']['Passé Simple']['1p']
test5 = conjugator.conjugate("mythoner").conjug_info['Indicatif']['Passé Simple']['1p']
print(test1)
print(test2)
print(test3)
print(test4)
print(test5)
# Save trained model
with open('path/to/save/data/trained_model-fr.pickle', 'wb') as file:
pickle.dump(conjugator.model, file)
Per utilizzare MLConjug dalla riga di comando
$ mlconjug manger
$ mlconjug bring -l en
$ mlconjug gallofar --language es
Documentazione pacchetto API per mlconjug¶
Riferimento API per le classi in mlconjug.mlconjug.py¶
Modulo MLConjug Main.
-
mlconjug.mlconjug.
extract_verb_features
(verb, lang, ngram_range)[sorgente]¶ - Vectorizer personalizzato ottimizzato per l’estrazione delle funzionalità dei verbi.Le sottoclassi di Vectorizer sklearn.feature_extraction.text.CountVectorizer.As in Indo-European languages verbs are inflected by adding a morphological suffix, the vectorizer extracts verb endings and produces a vector representation of the verb with binary features.Per migliorare i risultati dell’estrazione delle funzionalità, sono state incluse molte altre funzionalità:Le caratteristiche sono i n-grammi finali del verbo, che iniziano con n-grammi, la lunghezza del verbo, il numero di vocali, il numero di consonanti e il rapporto delle vocali rispetto alle consonanti.
Parametri: - verb – string. Verb to vectorize»
- lang – string. Language to analyze.
- ngram_range – tuple. La gamma della finestra scorrevole di ngram.
Ritorna: elenco. Elenco delle caratteristiche più salienti del verbo per il compito di trovare la classe di coniugazione.
-
class
mlconjug.mlconjug.
Conjugator
(language='fr', model=None)[sorgente]¶ - Questa è la classe principale del progetto.The class manages the Verbiste data set and provides an interface with the scikit-learn pipeline.If no parameters are provided, the default language is set to french and the pre-trained french conjugation pipeline is used.La classe definisce il metodo conjugate (verb, language) che è il metodo principale del modulo.
Parametri: - language – string. Lingua del coniugatore. La lingua predefinita è» fr «per il francese.
- model – mlconjug.Model o scikit-learn Pipeline o Classifier che implementano i metodi fit () e prediction (). Una pipeline fornita dall’utente se l’utente ha addestrato la propria pipeline.
-
conjugate
(verb, subject='abbrev')[sorgente]¶ - Questo è il metodo principale di questa classe.Prima controlla se il verbo è in Verbiste.If it is not, and a pre-trained scikit-learn pipeline has been supplied, the method then calls the pipeline to predict the conjugation class of the provided verb.Restituisce un oggetto Verb o None.
Parametri: - verb – string. Verb to conjugate»
- subject – string Attiva i pronomi abbreviati o pieni Il valore predefinito è» abbrev «Seleziona» pronome «per i pronomi completi.
Ritorna: Oggetto Verb o None.
-
set_model
(model)[sorgente]¶ Assigns the provided pre-trained scikit-learn pipeline to be able to conjugate unknown verbs.
Parametri: model – Scikit-learn Classifier o Pipeline.
-
class
mlconjug.mlconjug.
DataSet
(verbs_dict)[sorgente]¶ - Questa classe contiene e gestisce il set di dati.Defines helper methodss for managing Machine Learning tasks like constructing a training and testing set.
Parametri: verbs_dict – Un dizionario di verbi e la loro corrispondente classe di coniugazione. -
construct_dict_conjug
()[sorgente]¶ - Compila il dizionario contenente i modelli di coniugazione.Compila gli elenchi contenenti i verbi e i loro modelli.
-
split_data
(threshold=8, proportion=0.5)[sorgente]¶ Divide i dati in una formazione e un set di test.
Parametri: - threshold – int. Dimensione minima della classe di coniugazione da dividere»
- proportion – float. Proporzione di campioni nel set di allenamento. Deve essere compresa tra 0 e 1.
-
-
class
mlconjug.mlconjug.
Model
(vectorizer=None, feature_selector=None, classifier=None, language=None)[sorgente]¶ - Basi:
object
This class manages the scikit-learn pipeline.La pipeline include un vettore di funzionalità, un selettore di funzionalità e un classificatore.If any of the vectorizer, feature selector or classifier is not supplied at instance declaration, the __init__ method will provide good default values that get more than 92% prediction accuracy.Parametri: - vectorizer – Scikit-learn Vectorizer.
- feature_selector – Scikit-learn Classifier con un metodo fit_transform ()
- classifier – Scikit-learn Classifier con un metodo di previsione ()
- language – linguaggio del corpus di verbi da analizzare.
-
train
(samples, labels)[sorgente]¶ Trains the pipeline on the supplied samples and labels.
Parametri: - samples – sgstr «Elenco dei verbi.
- labels – sgstr «Elenco di modelli di verbi.
-
predict
(verbs)[sorgente]¶ Predice la classe di coniugazione dell’elenco di verbi fornito.
Parametri: verbs – sgstr «Elenco dei verbi. Ritorna: sgstr «Elenco dei gruppi di coniugazione previsti.
Riferimento API per le classi in mlconjug.PyVerbiste.py¶
PyVerbiste.
-
class
mlconjug.PyVerbiste.
ConjugManager
(language='default')[sorgente]¶ This is the class handling the mlconjug json files.
Parametri: language – string. | The language of the conjugator. The default value is fr for French. | The allowed values are: fr, en, es, it, pt, ro. -
_load_verbs
(verbs_file)[sorgente]¶ Load and parses the verbs from the json file.
Parametri: verbs_file – string or path object. Path to the verbs json file.
-
_load_conjugations
(conjugations_file)[sorgente]¶ Load and parses the conjugations from the xml file.
Parametri: conjugations_file – oggetto stringa o percorso Percorso per il file xml di coniugazione.
-
_detect_allowed_endings
()[sorgente]¶ - Rileva le terminazioni consentite per i verbi nelle lingue supportate.Tutte le lingue supportate tranne l’inglese limitano il formato che un verbo può assumere.Poiché l’inglese è molto più produttivo e vario nella morfologia dei suoi verbi, ogni parola è consentita come un verbo.
Ritorna: set. Un set contenente le terminazioni consentite di verbi nella lingua di destinazione.
-
is_valid_verb
(verb)[sorgente]¶ - Controlla se il verbo è un verbo valido nella lingua specificata.Le parole inglesi sono sempre trattate come possibili verbi.I verbi in altre lingue sono filtrati dai loro finali.
Parametri: verb – stringa, il verbo coniugare. Ritorna: bool, vero se il verbo è un verbo valido nella lingua, altrimenti falso.
-
get_verb_info
(verb)[sorgente]¶ Ottiene informazioni sui verbi e restituisce un’istanza VerbInfo.
Parametri: verb – string. Verb to conjugate» Ritorna: Oggetto VerbInfo o Nessuno.
-
get_conjug_info
(template)[sorgente]¶ Ottiene informazioni di coniugazione corrispondenti al modello specificato.
Parametri: template – string Nome del modello di fine del verbo. Ritorna: OrderedDict o None. OrderedDict contenente i suffissi coniugati del modello.
-
-
class
mlconjug.PyVerbiste.
Verbiste
(language='default')[sorgente]¶ Questa è la classe che gestisce i file xml di Verbiste.
Parametri: language – string. | The language of the conjugator. The default value is fr for French. | The allowed values are: fr, en, es, it, pt, ro. -
_load_verbs
(verbs_file)[sorgente]¶ Load and parses the verbs from the xml file.
Parametri: verbs_file – oggetto stringa o percorso. Percorso del file xml verbi.
-
_parse_verbs
(file)[sorgente]¶ Parses the XML file.
Parametri: file – FileObject. File XML contenente i verbi. Ritorna: OrderedDict. Un OrderedDict contenente il verbo e il suo modello per tutti i verbi nel file.
-
_load_conjugations
(conjugations_file)[sorgente]¶ Load and parses the conjugations from the xml file.
Parametri: conjugations_file – oggetto stringa o percorso Percorso per il file xml di coniugazione.
-
_parse_conjugations
(file)[sorgente]¶ Parses the XML file.
Parametri: file – FileObject. File XML contenente i modelli di coniugazione. Ritorna: OrderedDict. Un OrderedDict contenente tutti i modelli di coniugazione nel file.
-
_load_tense
(tense)[sorgente]¶ Carica e analizza le forme flesse del tempo dal file xml.
Parametri: tense – elenco di tag xml contenenti moduli flessi. L’elenco delle forme flesse per il tempo corrente in elaborazione. Ritorna: list. List of inflected forms.
-
_detect_allowed_endings
()¶ - Rileva le terminazioni consentite per i verbi nelle lingue supportate.Tutte le lingue supportate tranne l’inglese limitano il formato che un verbo può assumere.Poiché l’inglese è molto più produttivo e vario nella morfologia dei suoi verbi, ogni parola è consentita come un verbo.
Ritorna: set. Un set contenente le terminazioni consentite di verbi nella lingua di destinazione.
-
get_conjug_info
(template)¶ Ottiene informazioni di coniugazione corrispondenti al modello specificato.
Parametri: template – string Nome del modello di fine del verbo. Ritorna: OrderedDict o None. OrderedDict contenente i suffissi coniugati del modello.
-
get_verb_info
(verb)¶ Ottiene informazioni sui verbi e restituisce un’istanza VerbInfo.
Parametri: verb – string. Verb to conjugate» Ritorna: Oggetto VerbInfo o Nessuno.
-
is_valid_verb
(verb)¶ - Controlla se il verbo è un verbo valido nella lingua specificata.Le parole inglesi sono sempre trattate come possibili verbi.I verbi in altre lingue sono filtrati dai loro finali.
Parametri: verb – stringa, il verbo coniugare. Ritorna: bool, vero se il verbo è un verbo valido nella lingua, altrimenti falso.
-
-
class
mlconjug.PyVerbiste.
VerbInfo
(infinitive, root, template)[sorgente]¶ Questa classe definisce la struttura delle informazioni sui verbi del Verbese.
Parametri: - infinitive – stringa, forma infinita del verbo»
- root – stringa, radice lessicale del verbo»
- template – string Nome del modello di fine del verbo.
-
class
mlconjug.PyVerbiste.
Verb
(verb_info, conjug_info, subject='abbrev', predicted=False)[sorgente]¶ This class defines the Verb Object. TODO: Make the conjugated forms iterable by implementing the iterator protocol.
Parametri: - verb_info – Oggetto VerbInfo.
- conjug_info – OrderedDict.
- subject – string Attiva i pronomi abbreviati o pieni Il valore predefinito è» abbrev «Seleziona» pronome «per i pronomi completi.
- predicted – bool. Indica se le informazioni di coniugazione sono state previste dal modello o recuperate dal set di dati.
-
iterate
()[sorgente]¶ Iterates over all conjugated forms and returns a list of tuples of those conjugated forms. :return:
-
_load_conjug
()[sorgente]¶ - Compila le forme flesse del verbo.Questa è la versione generica di questo metodo.Non aggiunge pronomi personali alle forme coniugate.Questo metodo può gestire qualsiasi nuovo linguaggio se la struttura di coniugazione è conforme allo schema XML di Verbiste.
-
class
mlconjug.PyVerbiste.
VerbFr
(verb_info, conjug_info, subject='abbrev', predicted=False)[sorgente]¶ - Basi:
mlconjug.PyVerbiste.Verb
Questa classe definisce l’oggetto verbo francese.
-
_load_conjug
()[sorgente]¶ - Compila le forme flesse del verbo.Aggiunge pronomi personali ai verbi incurvati.
-
iterate
()¶ Iterates over all conjugated forms and returns a list of tuples of those conjugated forms. :return:
-
-
class
mlconjug.PyVerbiste.
VerbEn
(verb_info, conjug_info, subject='abbrev', predicted=False)[sorgente]¶ - Basi:
mlconjug.PyVerbiste.Verb
Questa classe definisce l’oggetto verbo inglese.
-
_load_conjug
()[sorgente]¶ - Compila le forme flesse del verbo.Aggiunge pronomi personali ai verbi incurvati.
-
iterate
()¶ Iterates over all conjugated forms and returns a list of tuples of those conjugated forms. :return:
-
-
class
mlconjug.PyVerbiste.
VerbEs
(verb_info, conjug_info, subject='abbrev', predicted=False)[sorgente]¶ - Basi:
mlconjug.PyVerbiste.Verb
Questa classe definisce l’oggetto verbo spagnolo.
-
_load_conjug
()[sorgente]¶ - Compila le forme flesse del verbo.Aggiunge pronomi personali ai verbi incurvati.
-
iterate
()¶ Iterates over all conjugated forms and returns a list of tuples of those conjugated forms. :return:
-
-
class
mlconjug.PyVerbiste.
VerbIt
(verb_info, conjug_info, subject='abbrev', predicted=False)[sorgente]¶ - Basi:
mlconjug.PyVerbiste.Verb
Questa classe definisce l’oggetto Verb italiano.
-
_load_conjug
()[sorgente]¶ - Compila le forme flesse del verbo.Aggiunge pronomi personali ai verbi incurvati.
-
iterate
()¶ Iterates over all conjugated forms and returns a list of tuples of those conjugated forms. :return:
-
-
class
mlconjug.PyVerbiste.
VerbPt
(verb_info, conjug_info, subject='abbrev', predicted=False)[sorgente]¶ - Basi:
mlconjug.PyVerbiste.Verb
Questa classe definisce l’oggetto Verb Portoghese.
-
_load_conjug
()[sorgente]¶ - Compila le forme flesse del verbo.Aggiunge pronomi personali ai verbi incurvati.
-
iterate
()¶ Iterates over all conjugated forms and returns a list of tuples of those conjugated forms. :return:
-
-
class
mlconjug.PyVerbiste.
VerbRo
(verb_info, conjug_info, subject='abbrev', predicted=False)[sorgente]¶ - Basi:
mlconjug.PyVerbiste.Verb
Questa classe definisce l’oggetto Verb Rumeno.
-
iterate
()¶ Iterates over all conjugated forms and returns a list of tuples of those conjugated forms. :return:
-
_load_conjug
()[sorgente]¶ - Compila le forme flesse del verbo.Aggiunge pronomi personali ai verbi incurvati.
-
Contribuire¶
I contributi sono ben accetti e sono molto apprezzati! Ogni piccolo aiuto e il credito verrà sempre dato»
Puoi contribuire in molti modi:
Tipi di contributi¶
Segnala bug¶
Segnala bug a https://github.com/SekouD/mlconjug/issues.
Se stai segnalando un bug, includi:
- Nome e versione del tuo sistema operativo.
- Qualsiasi dettaglio sulla configurazione locale che potrebbe essere utile nella risoluzione dei problemi.
- Passaggi dettagliati per riprodurre il bug.
Bug corretti¶
Cerca tra i problemi di GitHub per i bug. Qualsiasi cosa taggata con » bug «e » help wanted «è aperta a chiunque voglia implementarla.
Implementa funzionalità¶
Cerca tra i problemi di GitHub per le funzionalità. Qualsiasi cosa taggata con » enhancement «e » help wanted «è aperta a chiunque voglia implementarla.
Scrivi documentazione¶
MLConjug potrebbe sempre usare più documentazione, sia come parte dei documenti ufficiali di MLConjug, in docstrings, o anche sul Web in post di blog, articoli e simili.
Invia feedback¶
Il modo migliore per inviare feedback è presentare un problema su https://github.com/SekouD/mlconjug/issues.
Se stai proponendo una funzione:
- Spiega in dettaglio come funzionerebbe.
- Tieni l’ambito il più stretto possibile, per renderlo più facile da implementare.
- Ricorda che questo è un progetto guidato dai volontari e che i contributi sono i benvenuti :)
Iniziare!¶
Pronto a contribuire? Ecco come impostare` mlconjug` per lo sviluppo locale.
Prepara il repo “mlconjug` su GitHub.
Clona la tua forcella localmente
$ git clone git@github.com:your_name_here/mlconjug.git
Installa la tua copia locale in un virtualenv. Supponendo che hai virtualenvwrapper installato, questo è il modo in cui imposti la tua forcella per lo sviluppo locale
$ mkvirtualenv mlconjug $ cd mlconjug/ $ python setup.py develop
Crea un ramo per lo sviluppo locale
$ git checkout -b name-of-your-bugfix-or-feature
Ora puoi apportare le modifiche localmente.
Quando hai finito di fare modifiche, controlla che le tue modifiche superino flake8 e i test, incluso testare altre versioni di Python con tox
$ flake8 mlconjug tests $ python setup.py test or py.test $ tox
Per ottenere flake8 e tox, basta installarli nel tuo virtualenv.
Confida le tue modifiche e invia il tuo ramo a GitHub
$ git add . $ git commit -m "Your detailed description of your changes." $ git push origin name-of-your-bugfix-or-feature
Invia una richiesta di pull tramite il sito Web GitHub.
Pull Request Guidelines¶
Prima di inviare una richiesta di pull, controlla che soddisfi le seguenti linee guida:
- La richiesta di pull dovrebbe includere test.
- Se la richiesta pull aggiunge funzionalità, i documenti dovrebbero essere aggiornati. Inserisci la tua nuova funzionalità in una funzione con una docstring e aggiungi la funzione all’elenco in README.rst.
- The pull request should work for Python 3.3, 3.4, 3.5 and 3.6. Check https://travis-ci.org/SekouD/mlconjug/pull_requests and make sure that the tests pass for all supported Python versions.
Crediti¶
Lead di sviluppo¶
- SekouD <sekoud.python@gmail.com> GPG key ID: B51D1046EF63C50B
Storia¶
3.4 (2019-29-04)¶
- Fixed bug when verbs with no common roots with their conjugated form get their root inserted as a prefix.
- Added the method iterate() to the Verb Class as per @poolebu’s feature request.
- Updated Dependencies.
3.3.2 (2019-06-04)¶
- Corrected bug with regular english verbs not being properly regulated. Thanks to @vectomon
- Updated Dependencies.
3.3.1 (2019-02-04)¶
- Corrected bug when updating dependencies to use scikit-learn v 0.20.2 and higher.
- Updated Dependencies.
3.3 (2019-04-03)¶
- Updated Dependencies to use scikit-learn v 0.20.2 and higher.
- Updated the pre-trained models to use scikit-learn v 0.20.2 and higher.
3.2.3 (2019-26-02)¶
- Updated Dependencies.
- Fixed bug which prevented the installation of the pre-trained models.
3.2.2 (2018-18-11)¶
- Updated Dependencies.
3.2.0 (2018-04-11)¶
- Updated Dependencies.
3.1.3 (2018-07-10)¶
- Updated Documentation.
- Added support for pipenv.
- Included tests and documentation in the package distribution.
3.1.2 (2018-06-27)¶
- Aggiornato Scrivi annotazioni sull’intera libreria per la conformità PEP-561.
3.1.1 (2018-06-26)¶
- Miglioramento di Api minori (vedere Documentazione API)
3.1.0 (2018-06-24)¶
- Aggiornati i modelli di coniugazione per lo spagnolo e il portoghese.
- Modifiche interne al formato dei dati verbiste da xml a json per una migliore gestione dei caratteri Unicode.
- ConjugManager di nuova classe per aggiungere più facilmente nuove lingue a mlconjug.
- Miglioramento di Api minori (vedere Documentazione API)
3.0.1 (2018-06-22)¶
- Aggiornati tutti i modelli di previsione pre-formati forniti:
- Implementato un nuovo vectrorizer che estrae funzionalità più significative.
- Di conseguenza, le prestazioni dei modelli hanno attraversato il tetto in tutte le lingue.
- Recall e Precision sono intimamente vicini al 100%. L’inglese è l’unico a ottenere un punteggio perfetto sia in Recall che in Precision.
- Principali modifiche API:
- Ho rimosso la classe EndingCustomVectorizer e ho rifattorizzato la sua funzionalità in una funzione di livello superiore chiamata extract_verb_features ()
- Il nuovo modello migliorato fornito viene ora compresso tramite zip prima del rilascio perché lo spazio delle funzioni è cresciuto così tanto che le loro dimensioni li hanno resi poco pratici da distribuire con il pacchetto.
- Rinominato «Model.model» in «Model.pipeline»
- Rinominati «DataSet.liste_verbes» e «DataSet.liste_templates» rispettivamente in «DataSet.verbs_list» e «DataSet.templates_list». (Perdona il mio francese ;-) )
- Aggiunti gli attributi «predetto» e «confidence_score» alla classe Verb.
- L’intero pacchetto è stato controllato a macchina. Presto aggiungerò gli stub del tipo di mlconjug a typeshed.
2.1.11 (2018-06-21)¶
- Aggiornato tutti i modelli di previsione pre-formati forniti
- Il coniugatore francese ha una precisione di circa il 99,94% nel predire la corretta classe di coniugazione di un verbo francese. Questa è la linea di base, come ho lavorato su di esso per qualche tempo.
- Il coniugatore inglese ha una precisione di circa il 99,78% nel predire la corretta classe di coniugazione di un verbo inglese. Questo è uno dei maggiori miglioramenti dalla versione 2.0.0
- Il coniugatore spagnolo ha una precisione di circa il 99,65% nel predire la corretta classe di coniugazione di un verbo spagnolo. Ha anche visto un notevole miglioramento dalla versione 2.0.0
- Il coniugatore rumeno ha una precisione di circa il 99,06% nel predire la corretta classe di coniugazione di un verbo rumeno. Questo è di gran lunga il guadagno maggiore. Ho modificato il vettore per meglio tenere conto delle caratteristiche morfologiche o dei verbi rumeni. (il punteggio precedente era circa l’86%, quindi sarà bello per i nostri amici rumeni avere un coniuge affidabile)
- Il coniugatore portoghese ha una precisione di circa il 96,73% nel predire la corretta classe di coniugazione di un verbo portoghese.
- Il coniugatore italiano ha una precisione di circa il 94,05% nel predire la corretta classe di coniugazione di un verbo italiano.
2.1.9 (2018-06-21)¶
- Ora il coniugatore aggiunge ulteriori informazioni all’oggetto Verb restituito.
- Se il verbo preso in considerazione è già in Verbiste, la coniugazione per il verbo viene recuperata direttamente dalla memoria.
- Se il verbo in considerazione è sconosciuto in Verbiste, la classe Coniugatore imposta ora l’attributo booleano “predetto” e il punteggio di confidenza dell’attributo float sull’istanza dell’oggetto Verb che restituisce il coniugatore.conjugato (verbo).
- Aggiunte le annotazioni di tipo su tutta la libreria per robustezza e facilità di ridimensionamento.
- Le prestazioni dei modelli engish e rumeni sono migliorate significativamente negli ultimi tempi. Immagino che in qualche altra versione saranno alla pari con il modello francese che al momento è il migliore in quanto ho messo a punto i suoi parametri per un anno intero. Non così tanto con le altre lingue, ma se aggiorni regolarmente vedrai dei bei improvvisi nella versione 2.2.
- Migliorata la localizzazione del programma.
- Ora l’interfaccia utente di mlconjug è disponibile in francese, spagnolo, italiano, portoghese e rumeno, oltre all’inglese.
- Tutta la documentazione del progetto è stata tradotta nelle lingue supportate.
2.1.5 (2018-06-15)¶
- Aggiunta localizzazione.
- Ora l’interfaccia utente di mlconjug è disponibile in francese, spagnolo, italiano, portoghese e rumeno, oltre all’inglese.
2.1.2 (2018-06-15)¶
- Aggiunto riconoscimento verbo non valido.
2.1.0 (2018-06-15)¶
- Aggiornamento di tutti i modelli linguistici per compatibilità con scikit-learn 0.19.1.
2.0.0 (2018-06-14)¶
- Include il modello di coniugazione inglese.
- Include il modello di coniugazione spagnolo.
- Include il modello di coniugazione italiano.
- Include il modello di coniugazione portoghese.
- Include il modello di coniugazione rumeno.
1.2.0 (2018-06-12)¶
- Rifattorizzato l’API. Ora è necessario un coniugatore di classe singola per interfacciarsi con il modulo.
- Include un modello di coniugazione francese migliorato.
- Aggiunto supporto per più lingue.
1.1.0 (2018-06-11)¶
- Rifattorizzato l’API. Ora è necessario un coniugatore di classe singola per interfacciarsi con il modulo.
- Include un modello di coniugazione francese migliorato.
1.0.0 (2018-06-10)¶
- Prima versione su PyPI.
\ Sort by:\ best rated\ newest\ oldest\
\\
Add a comment\ (markup):
\``code``
, \ code blocks:::
and an indented block after blank line