https://wiki.smc.org.in/api.php?action=feedcontributions&feedformat=atom&user=Tachyons 2026-05-09T16:55:25Z User contributions MediaWiki 1.40.1 https://wiki.smc.org.in/index.php?title=User_talk:Tachyons&diff=4930 2014-03-19T18:44:17Z

<p>Tachyons: Blanked the page</p> <hr /> <div></div>

Tachyons https://wiki.smc.org.in/index.php?title=User:Tachyons/gsoc_2014_proposal&diff=4929 2014-03-19T18:42:54Z

<p>Tachyons: /* Personal information */</p> <hr /> <div>====Personal information====<br /> * Email Address:aboobackervyd AT gmail DOT com<br /> * Telephone: '''No Need to Provide Phone Number in Wiki since it is going to be public'''<br /> * Blog URL:<br /> * Freenode IRC Nick: tachyons<br /> * Your university and current education: <br /> <br /> B-Tech Final year student at college of Engineering Trikaripur<br /> <br /> * Why do you want to work with the Swathanthra Malayalam Computing?<br /> * Do you have any past involvement with the Swathanthra Malayalam Computing or another open source project as a contributor?<br /> Conducted a opensource workshop in our college as the part of 12th anniversary of smc<br /> * Did you participate with the past GSoC programs, if so which years, which organizations?<br /> No<br /> * Do you have other obligations between May and August ? Please note that we expect the Summer of Code to be a full time, 40 hour a week commitment<br /> <br /> No<br /> * Will you continue contributing/ supporting the Swathanthra Malayalam Computing after the GSoC 2014 program, if yes, which area(s), you are interested in?<br /> <br /> NLP<br /> * Why should we choose you over other applicants?<br /> <br /> ====Proposal Description====<br /> Please describe your proposal in detail.<br /> <br /> '''NOTE''': Please do not verbatim copy text from the ideas page, or from other people's<br /> discussions about your project, but rewrite it in your own words.If you<br /> include any significant text or code from another source in your<br /> application, it must be accompanied with a proper citation. All papers or<br /> references that you use or plan to use must also be cited. Put all this in<br /> a &quot;References&quot; section at the bottom of your application.<br /> <br /> '''Include''':<br /> * An overview of your proposal<br /> * The need you believe it fulfills<br /> * Any relevant experience you have<br /> * How you intend to implement your proposal<br /> * A rough timeline for your progress with phases <br /> * Any other details you feel we should consider<br /> * Tell us about something you have created.<br /> * Have you communicated with a potential mentor? If so, who?<br /> * SMC Wiki link of your proposal</div>

Tachyons https://wiki.smc.org.in/index.php?title=User:Tachyons/gsoc_2014_proposal&diff=4925 2014-03-19T18:27:55Z

<p>Tachyons: Created page with &quot;====Personal information==== * Email Address: * Telephone: &#039;&#039;&#039;No Need to Provide Phone Number in Wiki since it is going to be public&#039;&#039;&#039; * Blog URL: * Freenode IRC Nick: * Your...&quot;</p> <hr /> <div>====Personal information====<br /> * Email Address:<br /> * Telephone: '''No Need to Provide Phone Number in Wiki since it is going to be public'''<br /> * Blog URL:<br /> * Freenode IRC Nick:<br /> * Your university and current education: <br /> * Why do you want to work with the Swathanthra Malayalam Computing?<br /> * Do you have any past involvement with the Swathanthra Malayalam Computing or another open source project as a contributor?<br /> * Did you participate with the past GSoC programs, if so which years, which organizations?<br /> * Do you have other obligations between May and August ? Please note that we expect the Summer of Code to be a full time, 40 hour a week commitment<br /> * Will you continue contributing/ supporting the Swathanthra Malayalam Computing after the GSoC 2014 program, if yes, which area(s), you are interested in?<br /> * Why should we choose you over other applicants?<br /> <br /> ====Proposal Description====<br /> Please describe your proposal in detail.<br /> <br /> '''NOTE''': Please do not verbatim copy text from the ideas page, or from other people's<br /> discussions about your project, but rewrite it in your own words.If you<br /> include any significant text or code from another source in your<br /> application, it must be accompanied with a proper citation. All papers or<br /> references that you use or plan to use must also be cited. Put all this in<br /> a &quot;References&quot; section at the bottom of your application.<br /> <br /> '''Include''':<br /> * An overview of your proposal<br /> * The need you believe it fulfills<br /> * Any relevant experience you have<br /> * How you intend to implement your proposal<br /> * A rough timeline for your progress with phases <br /> * Any other details you feel we should consider<br /> * Tell us about something you have created.<br /> * Have you communicated with a potential mentor? If so, who?<br /> * SMC Wiki link of your proposal</div>

Tachyons https://wiki.smc.org.in/index.php?title=User:Xvidun/Gsoc_proposal&diff=4922 2014-03-19T18:22:51Z

<p>Tachyons: </p> <hr /> <div>== Personal Information ==<br /> Provided on melange.<br /> <br /> <br /> === Why do you want to work with the Swathanthra Malayalam Computing?===<br /> <br /> It would be awesome to be a part of an organisation that is making technology accessible with the contribution and research on indic languages and computing. Swanthanthra Malayalam Computing being an organisation that is native, it would be easier for me to relate, collaborate and contribute easily with no barriers.<br /> <br /> === Do you have any past involvement with the Swathanthra Malayalam Computing or another open source project as a contributor? ===<br /> <br /> I've worked on some open source projects before I don't have any major contributions yet as I’m fairly new here. My [https://github.com/xvidun github] profile has a list of all my open source works.<br /> <br /> === Did you participate with the past GSoC programs, if so which years, which organizations? ===<br /> <br /> This is my first attempt at GSoC.<br /> <br /> === Do you have other obligations between May and August ? ===<br /> I can give around 40-45 hours a week. Although I have to take a max three day break in between to visit home reflected in the timeline, apart from this I have no other commitments. To ensure that I can give my full time without interruptions I am looking to get permission to stay back in the college(hostel) during summer, this way I will have all the resources in terms of connectivity and books required to ensure my productivity.<br /> <br /> === Will you continue contributing/ supporting the Swathanthra Malayalam Computing after the GSoC 2013 program, if yes, which area(s), you are interested in? ===<br /> <br /> I will enhance, maintain, resolve issues, fix bugs for everything I develop this summer. Apart from this I have interests towards working on Braille keyboard layout and working with i18n on apps to support indic languages. This summer will provide me with the necessary resources, knowledge and great connections with the organisation to start begin working on contributions to Swathanthra Malayalam Computing.<br /> <br /> === Why should we choose you over other applicants? ===<br /> <br /> It's been years since I've switched focus to FOSS products(Ubuntu and others) which has helped me in many ways to observe, learn and grow. Open communities has also taught me to collaborate and communicate well, one of the major skill in open source. I am passionate, enjoy and use open software on a regular basis giving back my little contributions where I can.<br /> <br /> I've set up Grandham locally and have been hacking into the code-base for sometime now and have some clear understanding on the functionality, features and working. With guidance and feedback from mentor Ershad I have been learning more about Marc-21 metadata with their different fields from loc.gov. I even wrote a simple ruby script to handle Marc data using ruby-marc, looking to play around more with it.<br /> <br /> I have been learning rails and its ecosystem for almost 4 months now and was also looking into Marc-21 for sometime now, using this experience along my enthusiasm will make me sufficient for working on this project.<br /> <br /> I try to be as self-sufficient as possible using google and mailing lists effectively. To make sure of this I will use the pre-coding period to learn and improve upon the areas I lack in. I will also make updates and progress on my work in my blog for the mentor to keep track of where the project is heading.<br /> Project Description<br /> <br /> <br /> == An Overview of your proposal ==<br /> <br /> Grandham is a web-based rails application built to hold and process bibliographical data. This application is mostly based on malayalagrandham with more features added. The aim of this project is to add the feature import/export Marc-21 data formats in the application. Marc is a machine readable digital data standard format for cataloging various formats of bibliographical metadata. Adding this feature will make a standardized format for bibliographic data available and also to use the bibliographical data from other libraries using the Marc-21 format, this way we can allow open usage and sharing of meta data.<br /> <br /> === The need you think it fulfills ===<br /> <br /> Adding this feature to Grandham has the following benefits.<br /> <br /> * Making bibliographical data open using the Marc format, this will provide a standard format by which libraries across the world can use the Grandham bibliographical data.<br /> * Access to different bibliographical data from across the world that has Marc data formats. Most of the libraries have made their bibliographical data open to all with the standard Marc data format, this way Grandham can have access to all bibliographical data from libraries that have open MARC21 data.<br /> * The Marc data format have a lot of fields and subfields that make the bibliographical metadata as descriptive as possible, only 10% of the fields are commonly used. This project can give the flexibility to select the fields that are required to use and also personalize the description of the field in any way including localized language description.<br /> <br /> === Any relevant experience you have ===<br /> <br /> I have decent experience working with rails, have used various learning resources for it in the past months. I use [http://stackoverflow.com/users/3082075/xvidun stackoverflow] to answer rails related questions and learn.<br /> <br /> I have been learning and working with rails for sometime now. I have set up grandham locally and have been looking into its codebase understanding the internals, features and functionalities. I have also been reading about MARC21 documentation and examples from the loc.gov website and have also identified the resources that would be useful for the same. For parsing MARC21 fields this project will use the ruby-marc gem, which I have been testing and playing around with.<br /> <br /> === How you intend to implement your proposal ===<br /> <br /> There are some problems that we will have to solve to implement MARC record import and export.<br /> <br /> ''' Migrating to MARC21 '''<br /> * Currently Grandham has a system to process bibliographical information. Implementing MARC21 would mean migrating the current system architecture to enable to use and process MARC21 data efficiently. This project should make some workaround to migrate the current cataloging structure to use MARC21 data structure in the database completely.<br /> * As there is a live version of Grandham with a lot of records running, feature must be added to compile the existing records into MARC format database to enable the use of existing records as MARC.<br /> <br /> ''' MARC records '''<br /> * MARC21 has a lot of records that will mostly go unused, this means that we will have to allow the flexibility for the admins to opt out from using particular fields.<br /> * Too many fields also means that we have to restrict the number of fields displayed in the view according to user.<br /> <br /> ''' Export data to MARC21 '''<br /> * Once we completely migrate Grandham to use MARC21 inherently exporting can be easily handled. Export formats will include MARC21 and MARCXML<br /> * Exporting to MARC can also be done based on criteria.<br /> ** Export all Grandham records.<br /> ** Export records that belong to a particular library.<br /> ** Export record based on publisher.<br /> ** The above points can be made friendlier by placing links on view book page to download MARC21 data for the book.<br /> <br /> ''' Import MARC21 '''<br /> * The import function can be handled to import MARC bibliographical data completely. The user can decide later as to what data can be displayed.<br /> <br /> ''' Handling API '''<br /> * Currently Grandham has support to handle API that can be used by client applications, additional feature will be worked on to handle API support with MARC using MARCXML.<br /> <br /> === Timeline ===<br /> <br /> ''' Precoding Period (upto may 19): '''<br /> * Get a familiar with Grandham architecture and the codebase.<br /> * Investigate and learn the required tools required for the project like marc-ruby gem noting the relevant support and drawbacks.<br /> * Bond with community while identifying required resources for learning or help.<br /> * Plan a basic approach to solving the project problems noting and clarifying on the issues involved.<br /> <br /> ''' May 19 - June 5: '''<br /> * Create list of all MARC records and work on creating database for the same.<br /> * Initial works on migrating Grandham structure is done.<br /> <br /> ''' June 5 - June 15: '''<br /> * Complete migration of Grandham to use MARC21.<br /> * Works on compiling existing bibliographic database to # MARC21 structure.<br /> <br /> ''' June 11 - June 21: '''<br /> * Work on interface to let user make preference for displaying MARC21 fields. User can also toggle to list all non-null fields from MARC21.<br /> * Work on displaying the MARC records according to the preference<br /> <br /> ''' June 21 - June 30: '''<br /> * Work on feature to import MARC21 records while displaying progress.<br /> * Work on polishing the interface.<br /> <br /> ''' July 1 - July 10: '''<br /> * Work on getting the basic export to Marc feature to work.<br /> * Work on the interface for the same.<br /> <br /> ''' July 10 - July 30: '''<br /> * Work on implementing complex export features like export by library, timeline, Grandham<br /> * Work on polishing the interface.<br /> <br /> ''' July 20 - August 11: '''<br /> * Work on implementation to handle MARCXML API's.<br /> * Write basic tests for the features.<br /> <br /> ''' Upto August 21: '''<br /> * Test the overall code, fix bugs, document the areas that are necessary while getting ready for the final evaluations.<br /> <br /> === Tell us something about you have created ===<br /> <br /> List of things I’ve worked on , recent first.<br /> <br /> * Worked on a ruby gem to handle [https://github.com/xvidun/bitcoin-ruby dogecoin crypto] currency address generation and transactions, used the bitcoin-ruby fork for this.<br /> * Worked on integrating bitcoin payment and donation to the [https://github.com/xvidun/privly-web Privly-web stack].<br /> * Worked on a [https://github.com/xvidun/Kick-Starter kick-start app], handling authentications using devise and omniauth(facebook, twitter, google) and uploads using paperclip gem on dropbox.<br /> * Contributed to making the College Tech Fest website, Anokha for the year 2012 using PHP.<br /> * Apart from this I’ve worked on several hobby projects on rails(part of the learning process) and several college projects.<br /> <br /> === Have you communicated with a potential mentor? If so who? ===<br /> <br /> I have communicated and had discussions with mentor Ershad k.<br /> <br /> [[Category:GSoC 2014 Student proposals|Xvidun]]</div>

Tachyons https://wiki.smc.org.in/index.php?title=User:Sujithvm&diff=4918 2014-03-19T18:11:54Z

<p>Tachyons: </p> <hr /> <div>== '''Personal Information''' ==<br /> <br /> *'''Name''' : Sujith V<br /> *'''Telephone''' : +91 7259281007<br /> *'''Freenode IRC Nick''' : sujithvm<br /> *'''University and Current Education''' : Pursuing 2nd year Computer Science Engineering at PES Institute of Technology, Bangalore South Campus.<br /> *'''Github''' : https://github.com/SujithVadakkepat<br /> <br /> *'''Why do you want to work with the Swathanthra Malayalam Computing? ''':<br /> Swathanthra Malayalam Computing has been technologically serving a large part of Indian community by developing state of the art modules in Indic Language processing. It would be a great privilege to collaborate and work with SMC and simultaneously have an enriching experience of contributing to Open Source Community.<br /> <br /> *'''Do you have any past involvement with the Swathanthra Malayalam Computing or another open source project as a contributor? ''':<br /> No.<br /> <br /> *'''Did you participate with the past GSoC programs, if so which years, which organizations? ''':<br /> No, this will be my first time participating in GSoC.<br /> <br /> *'''Do you have other obligations between May and August ? Please note that we expect the Summer of Code to be a full time, 40 hour a week commitment ''':<br /> No.<br /> <br /> *'''Will you continue contributing/ supporting the Swathanthra Malayalam Computing after the GSoC 2014 program, if yes, which area(s), you are interested in? ''':<br /> Yes, I would love to contribute to SMC even after GSoC 2014. The areas which I am interested in contributing to are Natural Language Processing Algorithms, Java modules and Bug Fixing.<br /> <br /> *'''Why should we choose you over other applicants? ''':<br /> Good programming experience in Java, Android, Python, C#, C, C++ And Javascript. I have developed quite a number of Android applications and have also worked on projects with Natural Language Processing in Python using NLTK Library. Also I am a regular participant in online coding competitions and have established a good position in CodeChef, TopCoder and Hackerrank.<br /> <br /> =='''Proposal Title : Android SDK for SILPA'''==<br /> '''&lt;br&gt;<br /> <br /> *'''Summary'''&lt;br&gt;<br /> SILPA (Swathanthra Indian Language Processing Applications) comprises of a set of applications for processing Indian Languages. The project aims at the development of Android SDK for Silpa modules which can be used by developers to support their Indic applications.<br /> <br /> *'''Project Description'''&lt;br&gt;<br /> Currently all the SILPA modules and applications for processing Indian Languages are programmed in python and Android developers face the limitation of benefiting from these efficient language processing modules by using it as a web service and is devoid of proper support for Indian Languages. The project focuses on developing an Android SDK for SILPA applications by porting all modules to Android Library and packing fonts to achieve consistency in viewing texts of different languages on all platforms and hence bridging the gap between SILPA modules and Android developers. This SDK will enable developers to enjoy freedom from Android fragmentation and support their Indic applications in the dominating Android application market.<br /> <br /> *'''Benefits of the project'''&lt;br&gt;<br /> i) This library will help developers to support their Indic Android applications.&lt;br&gt;<br /> ii) Can possibly help millions of Indians who can communicate only in their native languages.&lt;br&gt;<br /> iii) Popularising Silpa in the developer community.&lt;br&gt;<br /> <br /> *'''Project Objectives and Goals'''&lt;br&gt;<br /> The main goals for the project are summarized as follows:&lt;br&gt;<br /> i) Identification of modules that can be ported to Java and List of dependencies for each module.&lt;br&gt;<br /> ii) Preparing asset data and resources for all the modules (such as fonts, dictionaries, language specific maps and text references etc).&lt;br&gt;<br /> iii) Porting all selected modules to Java and adding API calls to libraries and Unit testing of all modules using JUnit.&lt;br&gt;<br /> iv) Building Android library for Android SDK. &lt;br&gt;<br /> v) Stress Testing and Documentation of all modules. &lt;br&gt;<br /> vi) Developing code snippets and sample Android application portraying usage of all modules. &lt;br&gt;<br /> vii) Releasing Android SDK under a license.&lt;br&gt;<br /> <br /> *'''Implementation Details'''<br /> '''i) Identification of modules that can be ported to Java and List of dependencies for each module :''' &lt;br&gt;<br /> This task mainly involves identification of modules (namely Indic Soundex, Payyans, Transliterator, Text similarity, Script Renderer, Guess Language, Katapayadi, Fortune , Syllabalizer, Sort, Hyphenator, UCA sort, Stemmer, Syllabalizer, Character Details and Spell check) which is to be ported to Java based on its feasibility and charting out an order of port based on dependencies of each module and its alternative for Java. <br /> &lt;br&gt;Dependencies and java alternative&lt;br&gt;<br /> Python Cairo – Java bindings for Cairo&lt;br&gt;<br /> Python Beautiful Soup – Jsoup for Java&lt;br&gt;<br /> Python lxml – TagSoup for Java&lt;br&gt;<br /> Python imaging – ImageJ&lt;br&gt;<br /> <br /> <br /> '''ii) Preparing asset data and resources for all the modules : ''' &lt;br&gt;<br /> Asset data and resources for each module: Indic Soundex – phonetic codes for languages, Payyans – font map, Transliterator – CMU dictionary, Guess language – trigrams and language map, Katapayadi – language map, Hyphenator – hyphenator rules for languages, UCA sort – sort keys, Stemmer – stemmer rules, Syllabalizer – syllable list and language map, Character Details – Unicode character database, SpellCheck – spell check dictionaries.<br /> <br /> <br /> '''iii) Porting all selected modules to Java and adding API calls to libraries and Unit Testing of all modules : ''' &lt;br&gt;<br /> This task involves writing core language processing functions of modules efficiently in Java after which API calls to all library functions is written. All modules to be written under maximum language optimization. Rigorous unit testing of all library functions using JUnit and tweaking code to remove all flaws.<br /> <br /> <br /> '''iv) Building Android SDK : ''' &lt;br&gt;<br /> Task of building Android SDK can be sub divided into : &lt;br&gt;<br /> a) Creating base model classes for all modules.&lt;br&gt;<br /> b) Generating all constructors, getter and setter functions which are required to initialize each module.&lt;br&gt;<br /> c) Creating instances of the each module class and creating custom xml layouts for Android UI elements and views such as TextView, EditText etc which instances of class linked to them. For eg. TextView of Transliteration modules is designed to convert entered text into any specific language when text is applied to it.&lt;br&gt;<br /> d) The input for Indic languages in Android Application in provided by integrating Indic Keyboard developed by SMC itself.&lt;br&gt;<br /> e) Define dependencies for the project such as Java bindings for Cairo, JSoup, ImageJ, TagSoup which are required for modules such as Script Renderer.&lt;br&gt;<br /> <br /> <br /> '''v) Stress Testing and Documentation of all modules : ''' &lt;br&gt;<br /> Extensive well written documentation of all classes and methods using Javadoc tool.<br /> <br /> <br /> '''vi) Developing code snippets and sample Android application portraying usage of all modules: ''' &lt;br&gt;<br /> Writing code snippets and other sample Java and Android codes so as help developers in benefitting from the Android SDK.<br /> <br /> <br /> '''vii) Releasing Android SDK under license: ''' &lt;br&gt;<br /> Silpa is licensed under GNU Affero General Public License. However license for Android SDK is to be mentioned by mentor.&lt;br&gt;<br /> <br /> <br /> <br /> *'''Communication with Mentor'''&lt;br&gt;<br /> Contacted Jishnu Mohan and Hrishikesh K.B <br /> <br /> =='''Tentative Timeline'''==<br /> '''During Community Bonding Period'''<br /> <br /> '''April 21 – April 30 :''' Communication with mentor regarding the approach and developing definite objective list for the project after careful scrutinization of existing modules.&lt;br&gt; <br /> '''May 1 – May 10 : ''' Familiarizing myself with libraries such as ImageJ, JSoup, Cairo and TagSoup&lt;br&gt;<br /> '''May 11 – May 18 : ''' Familiarizing myself with creation of Android libraries and creating custom views for each module.&lt;br&gt;<br /> &lt;br&gt;'''Coding Period '''&lt;br&gt;&lt;br&gt;<br /> '''May 19 - May 26 : ''' Preparing asset data and resources for all modules and importing them into the project.&lt;br&gt;<br /> '''May 26 - June 6 : ''' Complete porting of half of modules and discussion with mentor regarding the same.&lt;br&gt;<br /> '''June 7 - June 8 : ''' Tweaking codes and implementing suggested changes as per remarks given by mentor.&lt;br&gt;<br /> '''June 8 - June 24 : ''' Complete Porting of all modules with testing.&lt;br&gt;<br /> &lt;br&gt;'''Mid-Term Evaluation''' &lt;br&gt;&lt;br&gt;<br /> '''June 24 – June 30 : ''' Integrating all modules into Android library with creation of base model classes, constructors, getters and setters and other essential requirements.&lt;br&gt;<br /> '''July 1 – July 10 : ''' Creating custom xml and views which developers can integrate into their code&lt;br&gt;<br /> '''July 11 – July 20 : ''' Bug fixing and Stress Testing of android components and discussion with mentor regarding the same.&lt;br&gt;<br /> '''July 20 – July 30 : ''' Optimizing, Documentation, Fine tuning, Code clean up.&lt;br&gt;<br /> '''August 1 - August 10 : ''' Writing sample codes in java and building sample Android fragments and activity demonstrating features of SDK.&lt;br&gt;<br /> '''August 11 – August 17 (Pencils down) : ''' Discussion with mentor, writing tests, improving documentation and adding project license.&lt;br&gt;<br /> &lt;br&gt;'''End-Term Evaluation '''&lt;br&gt;<br /> <br /> =='''About Me'''==<br /> I am Sujith V, BE Computer Science Student from PES Institute of Technology, Bangalore. My programming interests lies mainly in algorithms, data structures and application development domains. I possess a fair amount of knowledge and experience in Java, Python and Android Application Development. I have developed quite some Android Applications. Among few are : i) GuideDog - An Android application to enable visually challenged people to use features of a smart touchscreen phone through user friendly gestures and voice. ii) Mechanics - An Android application for engineering students to resolve vectors graphically, access engineering calculator, enhanced notes, visual animations. iii) Sudoku - Android application re invent popular game Sudoku. iv) Worked in Python in creating NLP modules such as efficient sentiment analyzer, Readability index for text etc. v) Worked in Unity 3D to create animation in response to user moves. I m also a regular participant in online coding platforms such as Codechef, Topcoder and Hackerrank.<br /> <br /> [[Category:GSoC 2014 Student proposals|Sujithvm]]</div>

Tachyons https://wiki.smc.org.in/index.php?title=User:Lonesword/gsoc_2014_proposal&diff=4917 2014-03-19T18:09:16Z

<p>Tachyons: </p> <hr /> <div><br /> == '''Personal Information''' ==<br /> <br /> <br /> '''Name''' : Kevin Martin Jose<br /> <br /> '''Email''' : youcancallmekevin@gmail.com<br /> <br /> '''Phone''' : +917736693833<br /> <br /> '''Blog''' : http://kevincoder.wordpress.com/<br /> <br /> '''Personal website''' : http://www.kevinkoder.tk<br /> <br /> '''Freenode IRC nick''' : lonesword<br /> <br /> '''github handle''' : lonesword<br /> <br /> '''current education''' : 3rd year computer science, college of engineering Thiruvananthapuram<br /> <br /> '''Previous involvement with SMC''': Improved freedom toaster [4] as part of an SMC hackathon conducted at Thiruvananthapuram. It was a part of Praveen A's and Sooraj Kenoth's cycling campaign. I was a volunteer when SMC celebrated 'vyazhavattom' at Thrissur in 2013.<br /> <br /> '''Other projects''' : Contributing to Nupic - numenta platform for intelligent computing [3]<br /> <br /> '''Why SMC''' : A GSoC mentoring organization from my place is something to be proud of. Moreover, any work I do as a part of SMC will benefit the residents of my country and is my chance to bond with the community.<br /> <br /> '''Other commitments''' : I will be having university exams starting by April end or start of May and will end by the last week of May. My classes will reopen after semester break by mid July. I believe the milestones I have set have sufficient time between them and I'm sure that I can manage my time effectively during my exam, and that I can devote 40 hours to the project per week.<br /> <br /> I will contribute to SMC even after GSoC 2014. I'm interested in the varnam project, and something that involves user interaction. I love working with processing.<br /> <br /> <br /> '''Why me''' : I meet the skills needed for the project (c and basic ruby) and have done a thorough preliminary research. I'm geographically close to SMC and is fluent in Malayalam - which is necessary to draft the stem rules (initial draft here [1] ) and come up with a general algorithm. I'm passionate about open source and is a linux enthusiast. A small portfolio can be found at my personal website [5].<br /> <br /> <br /> == '''Summary''' ==<br /> <br /> <br /> <br /> Varnam is a transliterator for indic languages that can convert English phones to corresponding patterns in an indic language. That aim of this project is two-fold :<br /> <br /> 1) Implement and integrate an algorithm that can infer the base word when a complex word is encountered into the varnam framework.<br /> <br /> 2) Implement a queuing system to improve concurrency support for the learn function<br /> <br /> <br /> == '''Motivation''' ==<br /> <br /> <br /> In a country like India, being able to interact with a computer in one's native language is of paramount importance. A good majority of the country's residence are not English educated and hence are unable to comprehend the latin characters found in most interactive applications. Varnam is a project that has stepped in to solve transliteration woes and being an Indian, I understand the need for a solid transliterator. Currently varnam supports just two languages - Malayalam and Hindi. Support for other indic languages are of high priority. However, the current learning mechanism needs to be improved prior to adding support for other languages.<br /> <br /> <br /> == '''The problem''' ==<br /> <br /> <br /> <br /> 1) Today when a word is learned, varnam takes all possible prefixes into account and learns all of them to improve future suggestions. For example, assume that the word മലയാളം ('malayalam') is supplied to varnam. Varnam tokenizes it and learns the patterns മല, മലയാ, മലയാള ('mala', 'malaya', 'malayala') e.t.c so that any complex word that has one of these prefixes as the base word can be easily predicted : as in മലയാളി ('malayali') which has മലയാള ('malayala') as the base word. However, the patterns corresponding to മല and മലയാ e.t.c are almost never encountered independently but only മലയാള is encountered frequently. Hence it was wasteful for varnam to learn the first two prefixes since this makes the database larger and searches longer.<br /> <br /> <br /> <br /> 2) The learn function cannot execute concurrently. This is due to a limitation with SQLite. For example, if a training session is in progress and words are being learned from a text file, any calls to varnam_learn() from a client will result in an error since the whole database file will be locked when a transaction is in progress. Hence all requests to varnam_learn() will be lost. Some mechanism is required which will allow these failed requests to be re-executed when the database is not locked.<br /> <br /> <br /> <br /> == '''The solution''' ==<br /> <br /> <br /> 1) The solution to this problem is to infer the base word when a complicated word is encountered. Thus when മലയാളം is encountered the base word മലയാള is inferred and only this base is learned by varnam. The base word can be obtained using a stemming algorithm. Hence the objective is to develop a malayalam stemmer, similar in concept to that of the English stemmer[1]. The stemming algorithm uses a set of stem rules to convert the complex word into its base form. Each language will have its own set of stem rules. In order to avoid a separate algorithm for each language, the stem rules will be specified in the scheme file. These rules will be compiled with the scheme file to an SQLite database and will be used by an algorithm specified in learn.c. Doing so will make it easier to add support for other indic languages since it separates the algorithm from the stem rules. I have made an initial draft of the malayalam stem rules here[2].<br /> <br /> <br /> 2) To save the requests to varnam_learn() when the database file was locked, a temporary database will be implemented. When the database is no longer locked, the contents of the temporary database will be read and fed into varnam_learn() to be stored in the primary database.<br /> <br /> <br /> == '''Milestones''' ==<br /> <br /> <br /> '''Required Deliverables''' :<br /> <br /> a. May 25 : Finish drafting stem rules for Malayalam<br /> <br /> b. June 5 : Decide an ordering of the stem rules and test it. Correct ordering is required so as to avoid recursion in the algorithm. A sample malayalam text (wikipedia source) will be used to test the stem rules.<br /> <br /> c. June 10 : Add stem rules to scheme file. Compile and test it by calling stem rules on individual Malayalam words.<br /> <br /> d. June 15 : Finish drafting the stemming algorithm.<br /> <br /> e. June 25 : Implement the algorithm in learn.c<br /> <br /> f. July 10 : Perfect the algorithm after testing on a text corpus.<br /> <br /> g. July 20 : Implement and test a simple queue using a temporary database to store patterns that were to be learned when the primary database was busy.<br /> <br /> e. July 30 : Code cleaning, documentation.<br /> <br /> <br /> '''Nice to haves''' :<br /> <br /> 1. A detailed tutorial on how to add support for another indic language.<br /> <br /> 2. Stem rules for Hindi - allows Hindi to use the improved learning mechanism.<br /> <br /> 3. Help with incomplete documentation.<br /> <br /> <br /> <br /> I have communicated with the mentor, Navaneeth K N , about the project and he was very helpful. I developed an interest in machine learning and linguistics only recently - when I came to know about Numenta and their project Nupic. I was mainly interested in graphical applications before that and most of the projects I did was using processing and python/pygame. I had created a '''paint application in processing''' [6] and a '''conway's game of life simulator''' in pygame [7].<br /> <br /> <br /> == '''References''' ==<br /> <br /> <br /> 1. http://snowball.tartarus.org/algorithms/english/stemmer.html<br /> <br /> 2. https://github.com/lonesword/mlstemmer/blob/master/stemmer_rules<br /> <br /> 3. https://github.com/numenta/nupic/pull/722#issuecomment-37193358<br /> <br /> 4. https://github.com/aneesh/freedomtoaster/pull/1<br /> <br /> 5. http://www.kevinkoder.tk<br /> <br /> 6. http://www.kevinkoder.tk/paint7.htm<br /> <br /> 7. http://kevincoder.wordpress.com/2013/01/17/living-the-life/<br /> <br /> <br /> [[Category:GSoC 2014 Student proposals|Lonesword]]</div>

Tachyons https://wiki.smc.org.in/index.php?title=User:Lonesword&diff=4916 2014-03-19T18:09:00Z

<p>Tachyons: Replaced content with &quot;User:Lonesword/gsoc_2014_proposal&quot;</p> <hr /> <div>[[User:Lonesword/gsoc_2014_proposal]]</div>

Tachyons https://wiki.smc.org.in/index.php?title=User:Lonesword/gsoc_2014_proposal&diff=4915 2014-03-19T18:07:18Z

<p>Tachyons: copied</p> <hr /> <div><br /> == '''Personal Information''' ==<br /> <br /> <br /> '''Name''' : Kevin Martin Jose<br /> <br /> '''Email''' : youcancallmekevin@gmail.com<br /> <br /> '''Phone''' : +917736693833<br /> <br /> '''Blog''' : http://kevincoder.wordpress.com/<br /> <br /> '''Personal website''' : http://www.kevinkoder.tk<br /> <br /> '''Freenode IRC nick''' : lonesword<br /> <br /> '''github handle''' : lonesword<br /> <br /> '''current education''' : 3rd year computer science, college of engineering Thiruvananthapuram<br /> <br /> '''Previous involvement with SMC''': Improved freedom toaster [4] as part of an SMC hackathon conducted at Thiruvananthapuram. It was a part of Praveen A's and Sooraj Kenoth's cycling campaign. I was a volunteer when SMC celebrated 'vyazhavattom' at Thrissur in 2013.<br /> <br /> '''Other projects''' : Contributing to Nupic - numenta platform for intelligent computing [3]<br /> <br /> '''Why SMC''' : A GSoC mentoring organization from my place is something to be proud of. Moreover, any work I do as a part of SMC will benefit the residents of my country and is my chance to bond with the community.<br /> <br /> '''Other commitments''' : I will be having university exams starting by April end or start of May and will end by the last week of May. My classes will reopen after semester break by mid July. I believe the milestones I have set have sufficient time between them and I'm sure that I can manage my time effectively during my exam, and that I can devote 40 hours to the project per week.<br /> <br /> I will contribute to SMC even after GSoC 2014. I'm interested in the varnam project, and something that involves user interaction. I love working with processing.<br /> <br /> <br /> '''Why me''' : I meet the skills needed for the project (c and basic ruby) and have done a thorough preliminary research. I'm geographically close to SMC and is fluent in Malayalam - which is necessary to draft the stem rules (initial draft here [1] ) and come up with a general algorithm. I'm passionate about open source and is a linux enthusiast. A small portfolio can be found at my personal website [5].<br /> <br /> <br /> == '''Summary''' ==<br /> <br /> <br /> <br /> Varnam is a transliterator for indic languages that can convert English phones to corresponding patterns in an indic language. That aim of this project is two-fold :<br /> <br /> 1) Implement and integrate an algorithm that can infer the base word when a complex word is encountered into the varnam framework.<br /> <br /> 2) Implement a queuing system to improve concurrency support for the learn function<br /> <br /> <br /> == '''Motivation''' ==<br /> <br /> <br /> In a country like India, being able to interact with a computer in one's native language is of paramount importance. A good majority of the country's residence are not English educated and hence are unable to comprehend the latin characters found in most interactive applications. Varnam is a project that has stepped in to solve transliteration woes and being an Indian, I understand the need for a solid transliterator. Currently varnam supports just two languages - Malayalam and Hindi. Support for other indic languages are of high priority. However, the current learning mechanism needs to be improved prior to adding support for other languages.<br /> <br /> <br /> == '''The problem''' ==<br /> <br /> <br /> <br /> 1) Today when a word is learned, varnam takes all possible prefixes into account and learns all of them to improve future suggestions. For example, assume that the word മലയാളം ('malayalam') is supplied to varnam. Varnam tokenizes it and learns the patterns മല, മലയാ, മലയാള ('mala', 'malaya', 'malayala') e.t.c so that any complex word that has one of these prefixes as the base word can be easily predicted : as in മലയാളി ('malayali') which has മലയാള ('malayala') as the base word. However, the patterns corresponding to മല and മലയാ e.t.c are almost never encountered independently but only മലയാള is encountered frequently. Hence it was wasteful for varnam to learn the first two prefixes since this makes the database larger and searches longer.<br /> <br /> <br /> <br /> 2) The learn function cannot execute concurrently. This is due to a limitation with SQLite. For example, if a training session is in progress and words are being learned from a text file, any calls to varnam_learn() from a client will result in an error since the whole database file will be locked when a transaction is in progress. Hence all requests to varnam_learn() will be lost. Some mechanism is required which will allow these failed requests to be re-executed when the database is not locked.<br /> <br /> <br /> <br /> == '''The solution''' ==<br /> <br /> <br /> 1) The solution to this problem is to infer the base word when a complicated word is encountered. Thus when മലയാളം is encountered the base word മലയാള is inferred and only this base is learned by varnam. The base word can be obtained using a stemming algorithm. Hence the objective is to develop a malayalam stemmer, similar in concept to that of the English stemmer[1]. The stemming algorithm uses a set of stem rules to convert the complex word into its base form. Each language will have its own set of stem rules. In order to avoid a separate algorithm for each language, the stem rules will be specified in the scheme file. These rules will be compiled with the scheme file to an SQLite database and will be used by an algorithm specified in learn.c. Doing so will make it easier to add support for other indic languages since it separates the algorithm from the stem rules. I have made an initial draft of the malayalam stem rules here[2].<br /> <br /> <br /> 2) To save the requests to varnam_learn() when the database file was locked, a temporary database will be implemented. When the database is no longer locked, the contents of the temporary database will be read and fed into varnam_learn() to be stored in the primary database.<br /> <br /> <br /> == '''Milestones''' ==<br /> <br /> <br /> '''Required Deliverables''' :<br /> <br /> a. May 25 : Finish drafting stem rules for Malayalam<br /> <br /> b. June 5 : Decide an ordering of the stem rules and test it. Correct ordering is required so as to avoid recursion in the algorithm. A sample malayalam text (wikipedia source) will be used to test the stem rules.<br /> <br /> c. June 10 : Add stem rules to scheme file. Compile and test it by calling stem rules on individual Malayalam words.<br /> <br /> d. June 15 : Finish drafting the stemming algorithm.<br /> <br /> e. June 25 : Implement the algorithm in learn.c<br /> <br /> f. July 10 : Perfect the algorithm after testing on a text corpus.<br /> <br /> g. July 20 : Implement and test a simple queue using a temporary database to store patterns that were to be learned when the primary database was busy.<br /> <br /> e. July 30 : Code cleaning, documentation.<br /> <br /> <br /> '''Nice to haves''' :<br /> <br /> 1. A detailed tutorial on how to add support for another indic language.<br /> <br /> 2. Stem rules for Hindi - allows Hindi to use the improved learning mechanism.<br /> <br /> 3. Help with incomplete documentation.<br /> <br /> <br /> <br /> I have communicated with the mentor, Navaneeth K N , about the project and he was very helpful. I developed an interest in machine learning and linguistics only recently - when I came to know about Numenta and their project Nupic. I was mainly interested in graphical applications before that and most of the projects I did was using processing and python/pygame. I had created a '''paint application in processing''' [6] and a '''conway's game of life simulator''' in pygame [7].<br /> <br /> <br /> == '''References''' ==<br /> <br /> <br /> 1. http://snowball.tartarus.org/algorithms/english/stemmer.html<br /> <br /> 2. https://github.com/lonesword/mlstemmer/blob/master/stemmer_rules<br /> <br /> 3. https://github.com/numenta/nupic/pull/722#issuecomment-37193358<br /> <br /> 4. https://github.com/aneesh/freedomtoaster/pull/1<br /> <br /> 5. http://www.kevinkoder.tk<br /> <br /> 6. http://www.kevinkoder.tk/paint7.htm<br /> <br /> 7. http://kevincoder.wordpress.com/2013/01/17/living-the-life/</div>

Tachyons https://wiki.smc.org.in/index.php?title=User:Joemathai&diff=4887 2014-03-19T13:21:57Z

<p>Tachyons: </p> <hr /> <div>'''Google Summer of Code 2014 Proposal for Swathanthra Malalayalam Computing'''<br /> ----<br /> <br /> ----<br /> <br /> == Personal details ==<br /> <br /> <br /> '''Name :''' Joe Mathai<br /> '''IRC Nicks :''' joemathai on freenode<br /> '''Email :''' joemathai16@gmail.com<br /> '''Education/College :''' B.Tech Computer Science and Engineering , Govt. Model Engineering College.<br /> '''Blog :''' http://joemathai.github.io<br /> '''Github Username :''' joemathai<br /> <br /> ----<br /> <br /> ----<br /> === Why do you want to work with the Swathanthra Malayalam Computing? ===<br /> Swathanthra Malayalam Computing is contributing much to Indic languages and language computing, apart from that it will be a great learning opportunity to work in an active opensource community like SMC.<br /> <br /> === Do you have any past involvement with the Swathanthra Malayalam Computing or another open source project as a contributor? ===<br /> Yes,I have contributed to opensource projects like ThinkUp , Mozilla and few other projects in github.<br /> <br /> === Did you participate with the past GSoC programs, if so which years, which organizations? ===<br /> No, I've not participated in GSoC programs before.<br /> <br /> === Do you have other obligations between May and August ? Please note that we expect the Summer of Code to be a full time, 40 hour a week commitment ===<br /> It will be possible for me to work 40 hours / Week.<br /> <br /> === Will you continue contributing/ supporting the Swathanthra Malayalam Computing after the GSoC 2014 program, if yes, which area(s), you are interested in? ===<br /> I will definitely continue doing it along with maintaining the Javascript port of SILPA which i am proposing to implement as a part of GSoC 2014.My interest mainly lies in language processing algorithms and their optimization.<br /> <br /> === Why should we choose you over other applicants? ===<br /> I am an active a FOSS advocate and have previous experience in working with opensource projects,which puts me at a good position to write good quality code with necessary testing.Apart from this i have experience in working on Node.js and python modules which is needed for successful completion of my project.<br /> <br /> <br /> == Proposal Description ==<br /> <br /> == Title ==<br /> Converting indic processing modules currently in SILPA into javascript modules library<br /> <br /> <br /> == Abstract ==<br /> <br /> The SILPA project has a lot of indic language processing modules which are written in python,a lot of which can be used to a greater extend and benefit if they are available in JavaScript. JavaScript has turned into the lingua franca of the web and it is extremely efficient when it come to creating web applications.I would like to propose a project where individual modules in SILPA code base is ported to javscript modules which can be used on the client-side and server side,along with its dependencies and implement a RESTful API for SILPA with Node.js.<br /> <br /> <br /> == Implementation Details ==<br /> <br /> The implementation of this proposal <br /> <br /> <br /> 1.'''Identification of dependencies''' : The first task it to identify all the dependencies of various indic language processing modules within SILPA and they chart out the order of porting the modules.<br /> <br /> 2.'''Implementing Modules''' : The next task is to successfully mimic the processing done by the corresponding python module.Then implement universal modules using Universal Module Definition(https://github.com/umdjs/umd) so that the module can be used successfully both on a client-side and also on the server side.The UMD pattern that suits the project best is the one with support for node,AMD and browser globals(https://github.com/umdjs/umd/blob/master/returnExports.js). <br /> <br /> 3.'''Unit testing''' : Create unit tests for individual modules using Jquery qunit for client-side and mocha/grunt for the server side code.<br /> <br /> 4.'''Documentation'''<br /> <br /> 5.'''Publishing''' : The modules can be published easily with npm and bower.<br /> <br /> After the modules are ported <br /> <br /> Implementation of a RESTful API with Node.js using express.js framework using the ported modules.<br /> <br /> == GSoC 2014 Timeline ==<br /> <br /> Yet to be determined.Will update soon :)<br /> <br /> == About Me ==<br /> <br /> I am Joe Mathai ,a computer science engineering student who is passionate about programming , FOSS and above all a free and open web.I am currently doing my 3rd year B.Tech in Govt. Model Engineering College,Kochi.Apart from participating in competitive coding events and hackathons,i spend most of my free time either working with my college FOSS team or cooking up some cool script.Happy to mail my resume on request :).<br /> [[Category:GSoC 2014 Student proposals|Joemathai]]</div>

Tachyons https://wiki.smc.org.in/index.php?title=User:Saatvikshah1994&diff=4886 2014-03-19T13:21:08Z

<p>Tachyons: </p> <hr /> <div><br /> == Details ==<br /> <br /> Name : Saatvik Shah<br /> <br /> IRC Nick : tangy<br /> <br /> Programming Interests : Machine Learning, Android<br /> <br /> <br /> == GSOC 2014 ==<br /> <br /> Links to Proposals<br /> <br /> Android SDK for Silpa [http://wiki.smc.org.in/Project_Proposal_:Android_SDK_for_Silpa_by_Saatvik_Shah]<br /> <br /> [[Category:GSoC 2014 Student proposals|Saatvikshah]]</div>

Tachyons https://wiki.smc.org.in/index.php?title=User:Navinct&diff=4885 2014-03-19T13:20:44Z

<p>Tachyons: </p> <hr /> <div><br /> == Personal Information ==<br /> <br /> '''Name:''' Navin Cherian Thomas<br /> <br /> '''Email:''' navinct123@gmail.com<br /> <br /> '''Freenode IRC Nick:''' navinct<br /> <br /> '''Current Education:'''<br /> <br /> 3rd year in Computer Science and Engineering, at College of Engineering Trivandrum,<br /> <br /> University of Kerala.<br /> <br /> '''Why do you want to work with the Swathanthra Malayalam Computing?'''<br /> <br /> I like the open source model of project developement and SMC has numerous open source projects that improves the application and use of various Indian languages in computing. Being a malayali, I am happy to see the amount of focus SMC gives to Malayalam. I would be extremely delighted and proud if was able to take part in one of the SMC projects that would benefit my language and other Indian languages.<br /> <br /> '''Do you have any past involvement with the Swathanthra Malayalam Computing or another open source project as a contributor?'''<br /> <br /> No<br /> <br /> '''Did you participate with the past GSoC programs, if so which years, which organizations?'''<br /> <br /> No<br /> <br /> '''Do you have other obligations between May and August ?'''<br /> <br /> My University Exams will start around April end and finish before May last week. After that my classes will reopen. I understand that GSOC is a full time commitment. My free time during the exams might be slightly limited. But once the exams end I will be completely free. Classes wont be a hindrance and I can easily work 40 hrs a week.<br /> <br /> '''Will you continue contributing/ supporting the Swathanthra Malayalam Computing after the GSOC 2014 program, if yes, which area(s), you are interested in? '''<br /> <br /> I would love to continue working for SMC even after GSOC. I am interested in algorithms and data structures. I wish to contribute to projects that would benefit Malayalam such as Varnam, in which I am very much interested.<br /> <br /> '''Why should we choose you over other applicants? '''<br /> <br /> I love the concept of open source and wish to contribute to the open source world. I am dedicated and passionate about my work. I am an expert in c/c++ and Java. I also know a little bit of Python. Moreover, I am very fluent in Malayalam.<br /> <br /> <br /> <br /> == Proposal Description ==<br /> <br /> '''Project Name:'''<br /> <br /> Integrate Varnam into SILPA<br /> <br /> '''Overview'''<br /> <br /> The main aim of this project is to integrate Varnam into SILPA.<br /> <br /> '''Solution'''<br /> <br /> This can be done by creating a SILPA module that host varnam (will be elaborated after some time).<br /> <br /> '''Motivation'''<br /> <br /> English dominates the world of computing. Its hard to do anything on a computer without having a basic knowledge of English. In India, there is a huge number of people who don’t know English. It would be much easier to introduce them to technology such as mobiles and PCs if the devices use a familiar language. Even technophobic people can be encouraged to interact with technology if its in their native language. I believe that the Varnam project is a huge step forward in achieving that goal and I wish to contribute to it in any way possible.<br /> <br /> '''Timeline'''<br /> <br /> Will be added soon<br /> <br /> <br /> '''Have you communicated with a potential mentor? If so, who? '''<br /> <br /> I have introduced myself in the student projects mailing list and the mentor, Navaneeth K N has responded.<br /> <br /> [[Category:GSoC 2014 Student proposals|Navinct]]</div>

Tachyons https://wiki.smc.org.in/index.php?title=User:Gsoc_2014_proposal&diff=4884 2014-03-19T13:16:26Z

<p>Tachyons: </p> <hr /> <div>== Personal details ==<br /> <br /> <br /> '''Name :''' Augustus Francis<br /> '''IRC Nicks :''' Augustus061193 on freenode<br /> '''Email :''' augustusfrancis@gmail.com<br /> '''Education/College :''' B.Tech Computer Science and Engineering , Govt. Model Engineering College.<br /> '''StackOverflow :''' [http://stackoverflow.com/users/2151172/augustus-francis Augustus Francis]<br /> '''Github Username :''' Augustus061193<br /> <br /> ----<br /> ----<br /> <br /> === Why do you want to work with the Swathanthra Malayalam Computing? ===<br /> SMC aims at providing Malayalam Linguistics in Computing. Being a Keralite, I find it pretty patriotic to provide back to the Society. As Computing is my area of interest and expertise, I believe this is one of the best chance at it.<br /> <br /> === Did you participate with the past GSoC programs, if so which years, which organizations? ===<br /> No, I've not participated in GSoC programs before.<br /> <br /> === Do you have other obligations between May and August ? Please note that we expect the Summer of Code to be a full time, 40 hour a week commitment ===<br /> Yes.I do have some volunteering at college but nothing too important that I can't spend 6 hours a daily.<br /> <br /> === Will you continue contributing/ supporting the Swathanthra Malayalam Computing after the GSoC 2014 program, if yes, which area(s), you are interested in? ===<br /> Sure. I would maintain my projects regularly with updates and bug fixes. I am obliged to do that.<br /> <br /> === Why should we choose you over other applicants? ===<br /> I am an active member in community discussions and Q&amp;A sites on programming like [http://stackoverflow.com/users/2151172/augustus-francis StackOverflow]. I have worked in 2 startups bearing the position of Lead Android Developer. During this period, I have well formed knowledge on the coding strategies and methodologies. Apart from Android, I am really good at native programming like C,C++, JAVA. Moreover, I am proficient in Web Designing and designed numerous website for my college. You could choose me for the fact that I have an overall knowledge in all fields of programming especially Android, where wish to contribute to.<br /> <br /> <br /> === What I believe in? ===<br /> Lets start with a quote, &quot;Knowledge is not enough, you must apply&quot;. I couldn't agree more with this. I am a really enthusiastic programmer with a heart of perseverance and finds fulfillment in my output. I believe Community Discussions and Open Source Project Contributions are the best ways of practice for a student with a lots to learn and give to.<br /> <br /> === Do you have any past involvement with the Swathanthra Malayalam Computing or another open source project as a contributor? ===<br /> Nope. I haven't contributed to any open source project yet. This would be a good start.<br /> <br /> [[Category:GSoC 2014 Student proposals|Augustus Francis]]</div>

Tachyons https://wiki.smc.org.in/index.php?title=User:Augustus_Francis&diff=4883 2014-03-19T13:14:05Z

<p>Tachyons: Tachyons moved page User:Augustus Francis to User:Gsoc 2014 proposal</p> <hr /> <div>#REDIRECT [[User:Gsoc 2014 proposal]]</div>

Tachyons https://wiki.smc.org.in/index.php?title=User:Gsoc_2014_proposal&diff=4882 2014-03-19T13:14:04Z

<p>Tachyons: Tachyons moved page User:Augustus Francis to User:Gsoc 2014 proposal</p> <hr /> <div>== Personal details ==<br /> <br /> <br /> '''Name :''' Augustus Francis<br /> '''IRC Nicks :''' Augustus061193 on freenode<br /> '''Email :''' augustusfrancis@gmail.com<br /> '''Education/College :''' B.Tech Computer Science and Engineering , Govt. Model Engineering College.<br /> '''StackOverflow :''' [http://stackoverflow.com/users/2151172/augustus-francis Augustus Francis]<br /> '''Github Username :''' Augustus061193<br /> <br /> ----<br /> ----<br /> <br /> === Why do you want to work with the Swathanthra Malayalam Computing? ===<br /> SMC aims at providing Malayalam Linguistics in Computing. Being a Keralite, I find it pretty patriotic to provide back to the Society. As Computing is my area of interest and expertise, I believe this is one of the best chance at it.<br /> <br /> === Did you participate with the past GSoC programs, if so which years, which organizations? ===<br /> No, I've not participated in GSoC programs before.<br /> <br /> === Do you have other obligations between May and August ? Please note that we expect the Summer of Code to be a full time, 40 hour a week commitment ===<br /> Yes.I do have some volunteering at college but nothing too important that I can't spend 6 hours a daily.<br /> <br /> === Will you continue contributing/ supporting the Swathanthra Malayalam Computing after the GSoC 2014 program, if yes, which area(s), you are interested in? ===<br /> Sure. I would maintain my projects regularly with updates and bug fixes. I am obliged to do that.<br /> <br /> === Why should we choose you over other applicants? ===<br /> I am an active member in community discussions and Q&amp;A sites on programming like [http://stackoverflow.com/users/2151172/augustus-francis StackOverflow]. I have worked in 2 startups bearing the position of Lead Android Developer. During this period, I have well formed knowledge on the coding strategies and methodologies. Apart from Android, I am really good at native programming like C,C++, JAVA. Moreover, I am proficient in Web Designing and designed numerous website for my college. You could choose me for the fact that I have an overall knowledge in all fields of programming especially Android, where wish to contribute to.<br /> <br /> <br /> === What I believe in? ===<br /> Lets start with a quote, &quot;Knowledge is not enough, you must apply&quot;. I couldn't agree more with this. I am a really enthusiastic programmer with a heart of perseverance and finds fulfillment in my output. I believe Community Discussions and Open Source Project Contributions are the best ways of practice for a student with a lots to learn and give to.<br /> <br /> === Do you have any past involvement with the Swathanthra Malayalam Computing or another open source project as a contributor? ===<br /> Nope. I haven't contributed to any open source project yet. This would be a good start.</div>

Tachyons https://wiki.smc.org.in/index.php?title=User:Nalinc/NETRA&diff=4881 2014-03-19T13:13:34Z

<p>Tachyons: </p> <hr /> <div>=='''Nalin Chhibber'''==<br /> <br /> '''Personal Information'''<br /> <br /> *'''Birthday''': July 10, 1992<br /> *'''Home''': New Delhi, India<br /> *'''IRC Nick''': NLN<br /> *'''Contact Number''': +91 7838960846<br /> *'''IM Service And Username''': &lt;br&gt;GTalk- nalin.chhibber@gmail.com,&lt;br&gt; Skype- nalinc5 <br /> *'''Email Address''': nalin.chhibber@gmail.com<br /> *'''College/University''':&lt;br&gt; B.Tech [Computer Science &amp; Engineering] from Maharaja Surajmal Institute Of Technology, &lt;br&gt;Guru Gobind Singh Indraprastha University, New Delhi, India.<br /> <br /> *'''Location (City, Country and/or Time Zone)''':&lt;br&gt; Vikas Puri, New Delhi, India &lt;br&gt;Indian Standard Time [GMT+ 5:30]<br /> *'''Website''': http://www.nalinchhibber.com<br /> *'''Past involvement with SMC/GSoC''': No<br /> *'''40 hrs/week dedication for GSoC?''': Absolutely, its a dream project! <br /> *'''Will I Support SMC after GSoC?''': A big Yes, I would love to keep enhancing NETRA and later move towards fixing bugs in other projects. <br /> *'''Community Interaction''': So far, I have communicated with Navaneeth K N(nkn__) at mailing list and IRC. He is happy to mentor this project. However, since GSoC is community-driven, I urge all community developers to provide their valuable(and much needed) feedback/suggestions (spirit of open-source)<br /> <br /> =='''Proposal Title'''==<br /> '''NETRA:''' u'''N'''ifi'''E'''d '''T'''ool-cum-b'''R'''aille '''A'''pplication for Indic scripts&lt;br&gt;<br /> <br /> =='''Project Abstract'''==<br /> Braille has been the mode of knowledge consumption for the visually impaired for quite a while. Although to most of us it remains a mystery. The primary reason for this is the fact that very few applications bring visually challenged and normal sighted people together at a common platform. The purpose of this project is to develop an educational application for visually challenged people familiar with (bharati) braille with usable interface. <br /> <br /> During GSoC, my tasks would be to develop an engaging user-experience by letting visually challenged to use Linux systems and normal sighted people to explore a variety of interactive activities theming braille. NETRA is intended to focus on Indic scripts(primarily Hindi) with audio feedback with the help of suitable TTS(Text-To-Speech) API.<br /> <br /> =='''Motivation for Proposal'''==<br /> I choose this project since its rooted from FOSS and is a genuine attempt to enable visually challenged people who studied braille layouts to use GNU/Linux systems. In past I’ve been associated with opensource,and have made minor fixes in few KDE projects[8]. <br /> *'''Why this project? ''':<br /> i) For enabling visually challenged users to use Computers <br /> ii) To make GNU/Linux Systems more popular among Indians<br /> iii) For the education of visually challenged students<br /> iv) To bring normal sighted and visually challenged people at common platform.<br /> <br /> *'''Why NETRA is primarily focused on Indian Languages? ''':<br /> i) English literacy rate in India in not much high compared to that in languages spoken locally in different regions.<br /> ii) There already exist a lot of English-Braille teaching tools.<br /> iii) We need to read our languages too<br /> <br /> Further, Steve Jobs once said &quot;search for what you love till you get it&quot; at Stanford convocation. I love to code, I love opensource, and everything happening at same place. This is my motivation to work for Swathanthra Malayalam Computing and I am very delighted to be a part of it.<br /> <br /> =='''Proposal Description &amp; Project Goals'''==<br /> <br /> [[File:mindmap.png]]&lt;br&gt;<br /> Project NETRA has been decomposed into '''5 major phases''' with sub-phases in each phase. Main goals of the proposal are following:<br /> *Create a seamless user-interface with a cross-platform GUI framework(using Qt)<br /> *Braille'O Work- 6 dot Bharati Braille support using m17n layouts.<br /> *Braille'O Fun- Fun activities themeing braille(identifying answers with braille code given as a clue <br /> *Audio feedback support using a TTS API (possibly 'Dhvani')<br /> *Tweaking code and fixing accessibility related issues.<br /> <br /> <br /> =='''Implementation Details'''==<br /> <br /> I believe in an incremental approach and that the there should be deliverable's at each stage of the project. This way there will be accountability at each stage plus bug tracking and removal will be much easier. I plan to keep appropriate buffer time and time for documentation.<br /> Also I will provide periodic updates to my mentor and use the mailing list and IRC channel when at a roadblock. Following are the details of work that I intend to do.<br /> <br /> &lt;h5&gt;'''Creating a seamless user-interface with a cross-platform GUI framework(using Qt)'''&lt;/h5&gt;<br /> ----<br /> Qt is a cross-platform application framework[1] that is widely used for developing application software with a graphical user interface (GUI). Qt uses standard C++ but makes extensive use of a special code generator(called the Meta Object Compiler, or moc) together with several macros to enrich the language. Creating the UI with Qt is essentially a composite of following phases.<br /> i) Creating the application main window and desktop integration.<br /> ii) Layout management: deciding a suitable layout after discussing with mentor. We can use any of&lt;br&gt; the standard layout manager(horizontal,vertical,grid and form layout) or choose a custom layout. <br /> iii) Use openclipart/gimp for creating the icons,skins,etc <br /> iv) Creating Dialog windows, 'help' and 'whats this?' features with accessibility for visually&lt;br&gt; impaired (via audio feedback or dedicated shortcuts).<br /> v) Events and event handling: creating signals and slots for respective events.<br /> vi) Integrating GUI with dummy code and classes keeping MVC architecture and OOP in mind<br /> <br /> &lt;h5&gt;'''Braille'O Work- 6 dot Bharati Braille support using m17n layouts'''&lt;/h5&gt;<br /> ----<br /> Bharati Braille[2] standard is the official Braille standard in India. Bharati braille alphabets use a 6-dot cell with values based largely on English Braille. Letters are assigned as consistently as possible across the various regional scripts of India as they are transliterated in the Latin script, so that, for example, Hindi, Urdu, Bengali, and English are rendered largely the same in braille. A regular QWERTY keyboard is used for data entry. SDF-JKL keys are used for six dots of Braille.<br /> <br /> 1 4 f j<br /> 2 5 d k<br /> 3 6 s l<br /> <br /> <br /> NETRA relies on a set of 'mapping files' from 6 dot braille code to respective languages.<br /> These mapping files would consist of mapping from SDF-JKL to each and every character,number and special character of the language. <br /> <br /> For instance, a typical hindi.m file would consist of <br /> fs क<br /> jl ख<br /> fdjk ग ....<br /> <br /> Similarly, a typical english.m file would consist of<br /> f a<br /> fd b<br /> fj c ....<br /> <br /> Following this scheme will enable us to include more languages(and mapping) in future with minimum change in existing code.<br /> <br /> Figure (a) describes the Bharati braille layout for Devanagari script.<br /> [[File:hin.jpg]] <br /> न -&gt; fsjk <br /> लि -&gt; fds-dj<br /> न -&gt; fsjk <br /> <br /> Figure (b) describes the braille layout for English.&lt;br&gt;<br /> [[File:eng.jpg]]<br /> n -&gt; fsjk<br /> a -&gt; f <br /> l -&gt; fds <br /> i -&gt; jd <br /> n -&gt; fsjk <br /> Map files for mapping language characters and numbers to braille code will be loaded right after the language selection(ctrl+L). So for Hindi, NETRA would load hindi.m <br /> <br /> &lt;h6&gt;'''Language Selection'''&lt;/h6&gt;<br /> i) ctrl + L<br /> ii) Followed by an audio message <br /> iii) Selection of language code.<br /> 1 (f)- Hindi <br /> 2 (d)- English*<br /> iv) Load appropriate map file for the language(eg, hindi.m for hindi)<br /> <br /> &lt;h6&gt;'''Matras(मात्रा): Distinguishing लि and ल+इ or लू and ल+ऊ'''&lt;/h6&gt;<br /> <br /> Matras(मात्रा) in Hindi can be included using the 'shift' key. For example,&lt;br&gt;<br /> ल + इ -&gt; '''fds''' followed by '''dj''', while&lt;br&gt; <br /> लि -&gt; '''fds'''&lt;shift&gt;'''dj'''&lt;br&gt;<br /> <br /> <br /> &lt;h5&gt;'''Braille'O Fun- Fun activities themeing braille'''&lt;/h5&gt;<br /> ----<br /> <br /> This will enable normal sighted people to discover the braille world &amp; share literacy who otherwise are fascinated by braille as a kind of 'secret code'. They will begin to understand its significance for people who are visually impaired in a play-way manner. <br /> <br /> &lt;h6&gt;'''Introduction to Braille'''&lt;/h6&gt;<br /> <br /> This part shall teach Braille to normal sighted people. It is also beneficial for the instructors to teach Braille symbols to visually impaired. Introduction will be in the form of a video or spoken tutorial like one mentioned here[3] <br /> <br /> &lt;h6&gt;'''Lets Braille'''&lt;/h6&gt;<br /> <br /> Second phase for this module will consist of implementing an interactive activity for practicing braille. NETRA will provide a set of words in braille and user will be asked to enter corresponding answer. <br /> <br /> [[File:fun.jpg]]&lt;br&gt;&lt;br&gt;<br /> <br /> &lt;h5&gt;'''Audio feedback support using a TTS API'''&lt;/h5&gt;<br /> <br /> With NETRA, we cannot simply use any screenreader because of 2 reasons:<br /> i) Most of the screenreaders are not designed to speak Hindi and other Indian languages.<br /> ii) With each context switch(more specifically, application switch), screen reader will&lt;br&gt; re-iterate unnecessary parts(like menu options, previously written text)<br /> <br /> Following are some of the TTS systems available:<br /> i) ORCA – good but does not support Indian languages<br /> ii) eSpeak – trivial support for Hindi <br /> iii) Festival – trivial support for Hindi and Tamil<br /> iv) Dhvani – Supports 10 Indian languages, have a nice API for C/C++, best option at present.<br /> <br /> Another good thing about Dhvani is that, it is developed by 'Swathanthra Malayalam Computing' itself. Thus NETRA wont be depending on third-party APIs and use of NETRA will automatically promote the use of Dhvani. Dhvani's C/C++ API is nice and for situations where it might create issues, we can use it as a screen-reader as well. However, Dhvani lacks in any stable support for English language. This issue can be resolved in future or we can install a Speech Dispatcher , take any of the Indian language localized desktops such as gnome or KDE and use orca with that. Since Speech Dispatcher provides a device independent layer for speech synthesis, audio feedback performance would essentially be same on different architectures.<br /> <br /> =='''Tentative Timeline | Roadmap'''==<br /> <br /> '''Up to May 9(Preproject Research)''' : This will include the understanding of important requirement&lt;br&gt; from actual users. There's a blind school (Rashtriya Virjanand&lt;br&gt; Andh Kanya Mahavidyalaya) near my place and I plan to personally&lt;br&gt; visit it and gather their views/expectations from such a product.&lt;br&gt; If everything works well in time and I get some free time,&lt;br&gt; I will be going to start coding part as well.&lt;br&gt;<br /> '''May 10-May 25''' : Create User Interface, dialog boxes and overall project structure.&lt;br&gt; <br /> '''May 26-May 28''' : Create mapping files for English and Hindi&lt;br&gt;<br /> '''May 29-May 31(Introspection)''' : Analyze pace, current workflow and decide approach for further work&lt;br&gt;<br /> '''June 1-June 15''' : Braille'O Work: Implement 6 dot Braille support using m17n layouts.&lt;br&gt;<br /> '''June 16-June 20''' : Integrate GUI with the 6 dot braille code.&lt;br&gt;<br /> '''June 21-June 22''' : Code review and bug fixes&lt;br&gt;<br /> '''June 23-June 27(mid-term evaluation)''': Submit two complete activities along with necessary documentation.&lt;br&gt; <br /> '''June 28-June 30(Introspection)''' : Analyze pace, current workflow and decide approach for further work&lt;br&gt;<br /> '''July 1-July 5''' : Braille'O Fun: Implement the 'introductory module'.&lt;br&gt;<br /> '''July 6-July 11''' : Implement 'Lets Braille' module&lt;br&gt;<br /> '''July 12-July 23''' : Add TTS support and fix accessibility related problems.&lt;br&gt;<br /> '''July 24-July 30''' : Add more mapping file perform preliminary test with native people.&lt;br&gt; <br /> '''July 31-Aug 4(Review Process)''' : Create binaries/build packages and reviewing the whole code&lt;br&gt;<br /> '''Aug 5-Aug 11(Pencil down)''' : Perform unit tests for necessary features. Adding required&lt;br&gt; documentation for understanding NETRA and to have a perfect release&lt;br&gt;<br /> '''Aug 12-Aug18(firm pencil down)''' : Tweaking code to improve its quality. Discussion with mentor&lt;br&gt; about the Final Evaluation and submission of code.&lt;br&gt;<br /> '''Aug 19-Later(After GSoC ends)''' : Now, we can have a perfect NETRA release. Most of the&lt;br&gt; bugs would be fixed and features would have been polished.&lt;br&gt; I will try to introduce new features and decide future moves&lt;br&gt; that would make it much interactive as well as user-friendly.<br /> <br /> <br /> =='''About Me'''== <br /> <br /> I am a final year student[4] pursuing bachelors of Computer Science &amp; Engineering from MSIT, GGS Indraprastha University[5-6] - New Delhi (India). I am a FOSS enthusiast, contributing to OSS since 3+ years from now and have been using GNU/linux since high school. In past I’ve been associated with OSS projects, which avails free &amp; open source educational tools to students. Apart from regular college curriculum , I spend a considerable amount of time doing things outside of work as well. My biggest contribution towards opensource is 'codeasy' which is an IDE(Integrated Development Environment) for Java programming developed by me[7]. Codeasy is licensed under GNU general public licence(version 3). During spare time, I fix minor bugs in some of the KDE opensource projects[8].&lt;br&gt;<br /> I have working knowledge of c,c++,java &amp; python. I have worked on coding projects like WRN, project444, chaos theory in cryptosystems, GAs in cryptanalysis, bulls &amp; bears, TBC project, FOSSEE-IIT Bombay and visual simulation on ACO- IIT Delhi. I am a yahoo summer school 2013 participant and well versed with community interactions and dynamics of OSS projects. I use irc, mailing lists, version control systems, such as git(with working knowledge of hg,svn) &amp; host all my projects at github[9] hence I can start early with coding.&lt;br&gt; <br /> Rest apart I am a member of ILUG-D(Indian Linux User Group-Delhi)[10]. Contributed in organizing lug sessions at our college campus as a part of SIGs(student interest groups) &amp; delivered a couple of talks. I am also the founder of MSIT-Java User Group (a special interest group under IEEE-MSIT).<br /> I take Summer of Code as an opportunity to get engaged with SMC as a contributor and continue this association even after GSoC. I am very much willing to be a stable member of community. I would love to be contacted if any part of this proposal is not clear. Thank you for considering this proposal and for your time! <br /> <br /> <br /> =='''References'''==<br /> <br /> [1] http://en.wikipedia.org/wiki/Qt_(software)&lt;br&gt;<br /> [2] http://en.wikipedia.org/wiki/Bharati_Braille&lt;br&gt;<br /> [3] https://www.youtube.com/watch?v=sqQ3gdE7ks0&lt;br&gt;<br /> [4] http://www.nalinchhibber.com &lt;br&gt;<br /> [5] http://www.msit.in &lt;br&gt;<br /> [6] http://www.ipu.ac.in&lt;br&gt;<br /> [7] http://www.sourceforge.net/projects/codeasy &lt;br&gt;<br /> [8] https://git.reviewboard.kde.org/users/nalinc/&lt;br&gt;<br /> [9] http://www.github.com/nalinc &lt;br&gt;<br /> [10] http://www.en.wikipedia.org/wiki/ILUG-Delhi&lt;br&gt;<br /> <br /> [[Category:GSoC 2014 Student proposals|Nalinc]]</div>

Tachyons https://wiki.smc.org.in/index.php?title=User:Abhineet/GSoC_Proposal&diff=4880 2014-03-19T13:12:10Z

<p>Tachyons: </p> <hr /> <div><br /> == '''Language Filter For Diaspora''' ==<br /> <br /> ----<br /> <br /> <br /> == Personal Information ==<br /> <br /> '''Email Address''': agarwal.abhi93@gmail.com&lt;br/&gt;<br /> '''Telephone''': +919966551158&lt;br/&gt;<br /> '''Freenode IRC Nick''': Abhineet&lt;br/&gt;<br /> '''Github''': abhineet08[https://github.com/abhineet08]&lt;br/&gt;<br /> '''University and current education''': &lt;br/&gt;<br /> 4th year , B.Tech [ Computer Science &amp; Engineering ] and M.S [Computatonal Natural Sciences],&lt;br/&gt;<br /> IIIT Hyderabad, Hyderabad , India.<br /> '''Why do you want to work with the Swathanthra Malayalam Computing?'''<br /> I always wanted to contribute to open source apllications and had a concern to improve them. SMC has projects which provides me a platform to do so.&lt;br/&gt; A GSoC mentoring organization on Indian Language is a even more compelling cause. <br /> <br /> '''Do you have any past involvement with the Swathanthra Malayalam Computing or another open source project as a contributor?'''<br /> I have recently been fiddling around with diaspora’s codebase and recently I added support for a wide range of Emoticons(Emoji) to Diaspora [https://github.com/diaspora/diaspora/pull/4860].&lt;br/&gt; (Interestingly diaspora being a social networking platform didn’t have Emoticons support till now)<br /> <br /> '''Do you have other obligations between May and August ?''' <br /> I don’t have any sort of obligations between May and August and can work for 40 hours a week with full commitment<br /> <br /> '''Will you continue contributing/ supporting the Swathanthra Malayalam Computing after the GSoC 2014 program, if yes, which area(s), you are interested in?'''<br /> Yes, I will continue to contribute in projects which focus on cross-language experimenting and use technologies which I am familiar with ( RoR, C, Python , Java , Javascript etc.)<br /> <br /> '''Why should we choose you over other applicants?'''<br /> I have decent experience with RoR , have worked as a summer intern in Groupon and was author of the backend script Nightcrawler (performs insert, upsert , update on required fields and imports data &lt;br/&gt;from Mysql to MongoDB) and was UI developer for HAWK tool( used for curation of deals and plotting using HighchartsAPI) .I have done my B.Tech project in LTRC( Linguistics Centre) at IIIT Hyderabad . &lt;br/&gt;The Project Customizes a NLIDB system to work on Hindi Language (a cross-language experiment) . &lt;br/&gt;This project being an intersection of both RoR and application of Linguistics , I think I’ll be a good fit . <br /> <br /> <br /> == Proposal Overview ==<br /> <br /> <br /> <br /> <br /> '''Project Summary''' &lt;br/&gt;<br /> Diaspora is a social networking platform . It has features which enables its users to follow their interests but it doesn’t have any language filter i.e users being able to post on languages which are recognized and tagged accordingly. A user who is acquainted to certain language will also not want posts from other languages to show up on his wall. This project is about enabling this feature and allow user to view translated posts.<br /> <br /> <br /> <br /> '''Cause it fulfills''' &lt;br/&gt;<br /> Social networking platforms are built for active involvement of a user in the language he/she is comfortable with. Language should not be a barrier for such platforms . If they want better understanding of other posts they should be able to get them in the language they’re used to. This project fulfills both the needs. <br /> <br /> <br /> <br /> ==Implementation Overview ==<br /> <br /> <br /> '''Language Tagging :'''&lt;br/&gt;<br /> All the posts and comments in Diaspora will be tagged automatically with their respective languages and manual tagging will be enabled for modification by the user. While posting user will be given an option of “Tag Automatically” which would be the ideal case else User will use HashTag (given the option of auto-complete) as in the new user page to choose the language of his choice.For comments we will use tag them automatically . &lt;br/&gt;<br /> <br /> We will use “''whatlanguage''” gem for the automatic detection of languages . This gem ideally uses statistical language identification API which will analyze the post or comment and score them accordingly so speedwise it will be the best fit for language identification purpose. <br /> <br /> ''“act_as_taggable_on”'' gem will be used for the purpose of tagging the post with the language given by detection or the language specified by the user . It has been already used by diaspora so it goes with the standard convention .<br /> <br /> '''Show posts with preferred languages:''' &lt;br/&gt;<br /> While signing up for a new account the user chooses his preferred language by entering it into a dialogue box which will be provided additionally to the existing “What are you into” box . User enters his preferred languages which would contain auto-complete feature too. &lt;br/&gt;&lt;br/&gt;<br /> [[File:Signup.png | thumb | center | 900px]]&lt;br/&gt;&lt;br/&gt;<br /> <br /> Besides this user can add , delete his preferred languages in “Account Settings” section. A new field with label “Preferred Languages” will be added to the above mentioned section.&lt;br/&gt;&lt;br/&gt;<br /> [[File:Settings.png|thumb |center |900px]]&lt;br/&gt;&lt;br/&gt;<br /> <br /> <br /> Using the above settings , all the posts to the user stream which are in the languages mentioned in his preferred language settings will only be visible by default. <br /> <br /> '''Translate:'''&lt;br/&gt; <br /> Due to the complexity involved in setting up a translation system we can use Google translate or Bing API for the translation purpose , but recently due to the unavailability of Google Translate API we prefer using Bing API wherein we can translate 1 million characters in total but then we would need to wait for a month for further translation.<br /> <br /> '''Note:''' Incase any of the steps turn out to be resource hogging and affect our performance issues, we will use job scheduling using redis.<br /> <br /> <br /> == Tentative Timeline ==<br /> <br /> '''Up to May 19th(Preproject Research)''' : This will include creating a rake task for language tagging of all the posts.<br /> However it has to be either scheduled (to be performed periodically ) so it’s not a real time <br /> implementation but a prototype for the whole application. During the creation of the prototype , all the <br /> potential problems and possibilities will be discussed with the mentors.<br /> <br /> '''May 19th - May 30th''' : Real-time Implementation of identification the posts and the comments<br /> <br /> '''May 30th - June 11th''' : Enabling automatic tagging and manual edit options <br /> <br /> '''June 11th- June 20th''' : Creation of UIs for entering Preferred languages and it’s edit options in user account settings.<br /> <br /> '''June 23rd - June 27th''' : ''Mid term evaluations''<br /> <br /> '''June 28th - July 15th''' : Showing all the posts and comments in languages provided by the user in his preferred languages <br /> and hiding the ones in other languages. Testing the implemented feature<br /> <br /> '''July 15th -July 31st''' : Adding the translate feature using BING API<br /> <br /> '''July 31st - August 11th''' : Implementation of the UI to show translated posts ( previously hidden) to the user <br /> <br /> '''August 11th - August 18th''' : Look for compatibility issues and protocol breaches and fix them. Formalize all RSpec tests and <br /> propery write all the documentation for all the code written during summer.<br /> <br /> '''August 18th - August 22nd''' : Vigorously use test cases for the improvement and checking of all the features. Fix minor bugs<br /> and submit the final code.<br /> <br /> <br /> <br /> <br /> <br /> '''Communication with mentor''' &lt;br/&gt;<br /> I have been regularly in talks with Ershad K (irc nick: ershad) about the implementation details and possible challenges . I have kept him updated regarding my progress and ideas so far. <br /> <br /> '''Other Programming Activities'''&lt;br/&gt; <br /> I have worked as a summer intern at Groupon for the last summer. Groupon is hosted on RoR .<br /> <br /> [[Category:GSoC 2014 Student proposals|Abhineet]]</div>

Tachyons https://wiki.smc.org.in/index.php?title=User:Diadara/GSoC2014&diff=4879 2014-03-19T13:10:01Z

<p>Tachyons: </p> <hr /> <div>====Personal information====<br /> * Email Address: nithin111@gmail.com<br /> * Telephone: '''No Need to Provide Phone Number in Wiki since it is going to be public'''<br /> * Blog URL: diadara.github.io<br /> * Freenode IRC Nick: diadara<br /> <br /> * Your university and current education: <br /> I am 4th year student doing dual degrees in physics and computer science form Birla Institute of Technology and Science.<br /> <br /> * Why do you want to work with the Swathanthra Malayalam Computing?<br /> I have participated in last years GSoC with SMC. Last year I applied because of the novelty of working for an organisation that wants to bring ones mother tongue to the computer.This year I feel part of the community and want to participate just to get involved.<br /> <br /> * Do you have any past involvement with the Swathanthra Malayalam Computing or another open source project as a contributor?<br /> * Did you participate with the past GSoC programs, if so which years, which organizations?<br /> I participated in GSoC 2013 with the SMC with the silpa project.<br /> <br /> * Do you have other obligations between May and August ? Please note that we expect the Summer of Code to be a full time, 40 hour a week commitment<br /> Last year I had grossly under estimated the workload, I had classes during the last one and a half month of the program and couldn't work as much as I would have liked.This years time is more favorable to me as I will be available fulltime, apart from a week during the community bondng period I won't available due to exams. <br /> <br /> * Will you continue contributing/ supporting the Swathanthra Malayalam Computing after the GSoC 2014 program, if yes, which area(s), you are interested in ?<br /> SMC is the first opensource organization, I have gotten involved with. I have learnt a lot from last years GSoC working with SMC and project-silpa is very dear to me now. I would certainly get involved more. <br /> <br /> * Why should we choose you over other applicants?<br /> I passed the evaluation successfully even though I could not complete all the tasks from my timeline as the project evolved during the coding period and I grossly under estimated the time requirements needed for planning and testing. This year I am a lot more experienced and I have gone through almost every line of code in the project-silpa repos. I believe my past experience will help me during the course of the project. Also I believe I have the required command over the programming languages used in project to complete them successfully.<br /> <br /> ====Proposal Description====<br /> I would like to combine two, ideas from the ideas list that struck me. I believe both of these can be completed successfully in the given timeline<br /> 1. Porting varnam to SILPA<br /> Silpa modules are written in python and have a uniform interface across the modules. In order to integrate varnam with silpa, we will have to port libvarnam to python. I have gone through api.h and the implementation of ruby and nodejs bindings for libvarnam as well as the python guide for making c library calls( [http://docs.python.org/2/extending/extending.html extending python ]). Once this is ported to python I could make a template file and add varnam to project-silpa. I have been using python and c for a variety of projects.(academic and personal) and I am confident that this can be done within 2-3 weeks.<br /> <br /> 2. Varnam Daemon<br /> I would like to implement varnam daemon as json-rpc2.0 compliant API over raw TCP sockets I have limited experience with sockets. I have written basic HTTP servers as part of my computer networks course and really interested in protocols and computer networks.The libvarnam daemon will be using a json library for parsing the messages and sending back to client with a preforking model for serving the requests.<br /> Once the protocol is finalised and the daemon is made. I would also make a couple of referece implementations for the library in python and php.<br /> <br /> The first idea is still relavant as native bindings will be preferable in some use cases and python is one of the most popular languages around.<br /> <br /> Timeline<br /> <br /> community bonding period<br /> ========================<br /> get familiar with the python c extension process. The module will need to follow all the conventions to be followed such as right exceptions.<br /> <br /> [[Category:GSoC 2014 Student proposals|Diadara]]</div>

Tachyons https://wiki.smc.org.in/index.php?title=Category:GSoC_2014_Student_proposals&diff=4878 2014-03-19T13:08:09Z

<p>Tachyons: Created page with &quot;Gsoc 2014 proposal list&quot;</p> <hr /> <div>Gsoc 2014 proposal list</div>

Tachyons https://wiki.smc.org.in/index.php?title=User:Psbots/gsoc2014&diff=4877 2014-03-19T13:07:00Z

<p>Tachyons: </p> <hr /> <div>== Personal Information ==<br /> <br /> *'''Name''' : Praveen Sridhar<br /> *'''Email Address''' : prvn431@gmail.com<br /> *'''Blog URL''' : [http://psbots.blogspot.in http://psbots.blogspot.in]<br /> *'''Freenode IRC Nick''' : psbots<br /> <br /> *'''Current Education''' : 3rd year, B.Tech [Mechanical Engineering] from School of Engineering, CUSAT, Kochi<br /> <br /> <br /> * '''Do you have any past involvement with the Swathanthra Malayalam Computing or another open source project as a contributor?'''<br /> I have been involved with SMC recently for the &quot;Workshop on Open Mobile Platforms&quot; at ICFOSS, where I had the opportunity to take a session on Firefox OS. I'm also part of the Diaspora Yatra Campaign planned by the SMC members.<br /> <br /> I'm also a contributor to various Mozilla projects, especially Gaia, which is the UI of the Firefox OS platform.<br /> <br /> <br /> * '''Why do you want to work with the Swathanthra Malayalam Computing?'''<br /> I firmly believe that language should not be a barrier for interaction with technology. I am sure that with SMC, I can work for the benefit of the Indian Society at large while learning more about Indian Language Computing and various open source technologies.<br /> <br /> <br /> * '''Do you have other obligations between May and August ?'''<br /> I have my college holidays during May and June, during which I'll be fully devoted for the project. Even after the college reopens in August, I'm sure I'll be able to devote more than 40 hours a week for the project at hand.<br /> <br /> <br /> * '''Will you continue contributing/ supporting the Swathanthra Malayalam Computing after the GSoC 2014 program, if yes, which area(s), you are interested in'''?<br /> I'm proud that SMC is promoting Indian Language Computing and is striving to remove the language barrier to technology. I'll defnitely continue contributing to the community both by development as well as events and other activities of the Organisation.<br /> <br /> <br /> * '''Why should we choose you over other applicants'''?<br /> I am a strong supporter of open technologies - both software and hardware. I believe that my project proposal has a good value for the community. I have good command over Javascript and problem solving in general, which make me an ideal choice for the project at hand.<br /> <br /> <br /> == Project Abstract ==<br /> The advent of 'smartphones' have changed the way people interact with technology. But language is still a barrier for many people to engage with the Web. Firefox OS is a new platform, built with the technology of the &quot;Open Web&quot;. India is a big market for the platform owing to its philosophy of targeting lower end, low cost hardware. During GSoC, my project would be to implement Indian Language input support to the core Firefox OS codebase. The jquery.ime library would be used for the implementation. The plan is to port the library to pure Javascript. An automatic porting tool in Python will be developed for the same.<br /> <br /> <br /> == The Problem ==<br /> There are two problems being addressed in this project. One is that there is currently no support for Indian Languages on Firefox OS. The other is regarding jquery.ime library. The library was designed for working in multiple browsers and uses jQuery to abstract away the browser specific issues. But situations arrive where this is not needed, the best example being Firefox OS, which is based on Gecko. Besides, a pure Javascript library would also enable developers using modern libraries like AngularJS and EmberJS to add language support without any dependency on jQuery. Also by writing a generic porting tool, it will be easy for developers to extend the tool to support their programming language of choice.<br /> <br /> <br /> == The Solution ==<br /> The User Interface of Firefox OS, called Gaia is written entirely in HTML5/CSS and Javascript. This enables the use of jquery.ime library. But since Firefox OS runs Gecko, there is no use of the extra code that jquery provides for browser support. Hence the project would involve porting the jquery.ime library into pure Javascript. An automatic porting tool will be implemented in Python after studying the detailed implementation of the jquery.ime library.<br /> Using the plain Javascript library developed in the first phase of the project, the Firefox OS UI, Gaia will be tweaked to add support for Indian Language IMEs. The final IME created would be pushed to the official Gaia codebase maintained by Mozilla, which would mean that the Indian Language support will come default within the OS.<br /> <br /> <br /> == Implementation Details ==<br /> '''Deliverable 1''' : Porting tool for jquery.ime<br /> The porting tool for jquery.ime library will be implemented using the Python language. The development will consist of the following 3 stages :<br /> * Manual Porting and implementation of one of the input methods to plain Javascript on Firefox OS.<br /> This would allow the assessment of the library. Once the structure of the library is understood, a plan for the porting tool can be built.<br /> * Development of Tool :<br /> The tool will be coded in such a way that it is Generic in nature and anyone would be able to extend it to support porting to other programming languages.<br /> * Testing framework :<br /> A testing framework will also be devised for testing the functionality of the ported Javascript library.<br /> <br /> '''Deliverable 2''' : Indian Language IMEs for Firefox OS<br /> * The default Gaia Keyboard in Firefox OS can be configured and modified to include Indian Language IMEs.<br /> * For phonetic/transliteration based input methods, the layout.js specified in Gaia Keyboard needs to be updated with the different language IM engines and dictionaries. Dictionary suggestions can be displayed as an overlay just above the keyboard. Such type of IME have been implemented in Chinese and Japanese languages for Firefox OS.<br /> * For InScript Keyboard, a new layout needs to be designed and implemented to include the various characters of the languages. This is supported by the new KeyboardIME API of Firefox OS. More details on Gaia Keyboard can be found on [https://developer.mozilla.org/en-US/Firefox_OS/Developing_Firefox_OS/Customizing_the_keyboard MDN].<br /> * The final IME will be pushed to the core Gaia repositories, maintained by Mozilla.<br /> <br /> == Previous Experience ==<br /> I am an open web enthusiast and part of the Mozilla Community. I have contributed to Mozilla projects, especially the Gaia, which is the UI of Firefox OS. I also help in fixing bugs for the platform. I've also done a feasibility study of the project by implementing a crude IME for Hindi which can be read on my [http://psbots.blogspot.in/2014/03/indian-language-support-on-firefox-os.html blog].<br /> <br /> <br /> == Tentative Timeline ==<br /> <br /> '''During Community Bonding Period''' : <br /> * April 21 - May 11 : Study the implementation and architechture of jquery.ime library<br /> * May 11 - May 19 : Improve upon the [http://psbots.blogspot.in/2014/03/indian-language-support-on-firefox-os.html Proof of Concept] made before application proposal and learn about IME's in other platforms<br /> <br /> '''Coding Period Begins'''<br /> * May 19 - May 28 : Commence Manual porting of one of the input methods of jquery.ime<br /> * May 29 - June 4 : Complete Manual porting of one input method. Commence development of Automatic porting tool in Python using information obtained in the manual porting.<br /> * June 5 - June 19 : Implement the manually ported input method in Firefox OS. Continue development of Automatic porting tool.<br /> * June 20 - June 23 : Device a strategy to test the automatically ported library. Research on implementation of Keyboard layouts. Continue development of Automatic porting tool.<br /> * June 24 - June 27 : Complete development of Automatic Porting Tool<br /> <br /> '''Mid-Term Evaluation'''<br /> <br /> * June 28 - July 12 : Implement testing methods for the ported code and general bug fixing of tool. Research on keyboard layout implementation in Gaia.<br /> * July 13 - July 29 : Thorough testing of the poretd Javascript library and Documentation. Implementing IME's on Firefox OS - Gaia. Tweaking the tool to improve its quality. <br /> * July 30 - August 1 : Get review from SMC for keyborad layouts implemented and improve on it.<br /> * August 2 - August 5 : Push the code to core Gaia codebase maintained by Mozilla. Documentation, fine-tuning and bug-fixing.<br /> * August 5 - August 19 : General bugfixing and Buffer time for unforeseen delays.<br /> <br /> '''End-Term Evaluation'''<br /> <br /> <br /> I have discussed the project with Anivar, Hrishikesh and Santhosh. Hrishikesh suggested to keep the porting tool generic so that it can be extended for other programming languages. Santhosh designed the jquery.ime library, and has helped me review my Concept.<br /> [[Category:GSoC 2014 Student proposals|Psbots]]</div>

Tachyons https://wiki.smc.org.in/index.php?title=User:Pskirann/gsoc-2014-proposal&diff=4876 2014-03-19T13:04:14Z

<p>Tachyons: </p> <hr /> <div><br /> == '''Personal Information''' ==<br /> <br /> <br /> '''Name :''' Kiran PS<br /> <br /> '''Email :''' pskirann@gmail.com<br /> <br /> '''Phone :''' 9495588058<br /> <br /> '''Blog :'''recursivelooper.blogspot.com<br /> <br /> '''Freenode IRC Nick:''' kiranps<br /> <br /> '''University :''' Calicut University<br /> <br /> '''Current Education :''' 3rd year Computer Science and Engineering , Government Engineering College, Thrissur<br /> <br /> '''Why Swathanthra Malayalam Computing?'''<br /> <br /> To make a good contribution to open source, support of a local community is need.The community provides a platform to work with experienced people. We already have entered into a Digital world, digitalization in this field is necessary for the survival of language.So i think smc is best option to work with.<br /> <br /> '''Past involvement with the Swathanthra Malayalam Computing'''<br /> <br /> I was a volunteer when SMC celebrated 'vyazhavattom' at Thrissur kerala sahithya academy<br /> '''<br /> <br /> '''Did you participate with the past GSoC programs ?'''<br /> <br /> No<br /> <br /> '''Do you have other obligations between May and August ?'''<br /> <br /> University exam during may(5 days),I can easily catch up with it in further weeks<br /> <br /> '''Will you continue contributing/ supporting the Swathanthra Malayalam Computing after the GSoC 2014 program, if yes, which area(s), you are interested in?'''<br /> <br /> Varnam project and building word corpus<br /> <br /> '''Why should we choose you over other applicants?'''<br /> <br /> I have good skills in C, C++, python, java, golang, Qt.I have researched about developing linguistic corpa, which helped me to realise the need of buiding a text corpus.I'm already familair with code of varnam-bus and libvarnam.I fixed some bugs in libvarnam and varnam-ibus.Added Datuk Corpus and silpa spell checker dictionary to varnam.<br /> <br /> <br /> == Proposal Description ==<br /> <br /> '''Overview'''<br /> <br /> Varnam is a predictive transliterator for indian languages. Varnam has a self learning program called ilibvarnam, it can learn words as you type using an input tool(varnam-ibus). It stores the words it has learned, and makes use of this knowledge to provide suggestions while transliterating.<br /> Another way by which varnam learns new words is by feeding the word corpus to learning system, more data that you feed, the better it will be. The aim of the project is to<br /> <br /> '''1)''' Upload the personal learnings from the input tool to the online word corpus<br /> <br /> '''2)''' Download the new releases of word corpus and feed it to the learning system<br /> <br /> <br /> '''The need i believe it fulfills'''<br /> <br /> Unlike other transliterators varnam has got a prediction and learninig system. In my view varnam is not only learning word but also the user, which helps to increase the typing speed of the user. <br /> <br /> Word corpus syncing feaure will be helful in many ways<br /> <br /> '''1)''' New learnings from the input tool will be helful to build online corpus<br /> <br /> '''2)''' Currently when a new word corpus is released, user have to manually feed the traininig data.Sync feature can overcome this problem<br /> <br /> '''3)''' Users will able to use their the personal learnings from multiple devices and platforms<br /> <br /> '''4)''' Users with similar learnings can be categorised together <br /> <br /> '''5)''' Sync works a backup of their personal learning<br /> <br /> '''6)''' Online corpus helps to track how new words and senses are emerging, as well as spotting other trends in usage, spelling.<br /> <br /> '''7)''' Privacy of users will be considered, Before uploading user will given an option to remove unwanted words from local corpus<br /> <br /> <br /> '''Implementation'''<br /> <br /> Varnam uses sqllite for save the learning from command-line and varnam-ibus. Each record in sqlite will have a timestamps,mentioning when i it created. Newly added record to learning file will be selected on the basis of the timestamps and date when last sync was performed,using sql query.It will be uploaded the online corpus. User will be give an interface to remove unwanted word and an option to manually train their favorite words. Sync will be performed using curl or rsync.User will be notified when new word corpus is released.<br /> <br /> <br /> '''Rough Timeline'''<br /> <br /> May 19 - May 31 : Analyze the the current learning database<br /> <br /> Jun 1 - Jun 7 : Redesigning the learning database to make it for uploading<br /> <br /> Jun 7 - Jun 15 : Designing the online database of corpus<br /> <br /> Jun 15 - Jun 25 : Create program for uploading<br /> <br /> Jul 25 - Jul 5 : Create program for downloading<br /> <br /> Jul 5 - Jul 15 : Create Gui using QT <br /> <br /> Jul 15 - Jul 25 : Testing<br /> <br /> Jul 25 - Aug 5 : Fix all existing bugs.<br /> <br /> Aug 5 - Aug 18 : Review code and database. also fix bugs and get ready for final evaluation<br /> <br /> <br /> '''Something I have created'''<br /> <br /> I have created an application scroll the page using face.<br /> <br /> <br /> '''Communication with Mentor'''<br /> <br /> I have communicated with Navaneeth K N , about the project and he was very helpful.He answered almost every question i asked.<br /> <br /> <br /> '''Reference'''<br /> <br /> facescroll : [https://github.com/kiranps/facescroll]<br /> <br /> Varnamproject - Bugs: bug #40510 : [https://docs.google.com/file/d/0B-5aQGt-4wv7VVhkS0VoNkZ4UkE/edit]<br /> <br /> <br /> [[Category:GSoC 2014 Student proposals|Pskirann]]</div>

Tachyons https://wiki.smc.org.in/index.php?title=%E0%B4%B2%E0%B4%B3%E0%B4%BF%E0%B4%A4&diff=4267 2013-08-28T15:15:48Z

<p>Tachyons: /* Related Links */</p> <hr /> <div>{{prettyurl|Lalitha}}<br /> Lalitha keyboard is a phonetic keymap for XKB. It is inspired by [http://www.indlinux.org/wiki/index.php/BolNagri Bolnagri]. <br /> <br /> * Download the layout file from [http://download.savannah.nongnu.org/releases/smc/ here]<br /> <br /> ==ആമുഖം==<br /> phonetic XIM malayalam input method by [[User:jinesh.k|ജിനേഷ്]]<br /> <br /> 'ലളിത' അതിന്റെ പേര് സൂചിപ്പിക്കുന്നതു പോലെ ലളിതവും സുഗമവുമായ രീതിയാണ്.<br /> <br /> XIM(X Input Method) ഗ്നു/ലിനക്സ് പ്രവര്‍ത്തകസംവിധാനത്തിലെ അടിസ്ഥാന നിവേശകരീതി(Input method) ആണ്. <br /> <br /> ==ഉപയോഗം==<br /> <br /> നാലു തട്ടുകളുള്ള layout ആണ് ഇവിടെ ഉപയോഗിച്ചിരിക്കുന്നത്. അതായത് ഒരു keyക്ക് അക്ഷരമാലയിലെ 4 ചിഹ്നങ്ങളെ ‌വരെ പ്രധിനിധീകരിക്കാം. <br /> <br /> [[Image:Lalitha_map.png]]<br /> <br /> <br /> ഉദാഹരണത്തിന്<br /> <br /> 'o' gives ൊ<br /> <br /> 'Shift+o' gives ോ<br /> <br /> 'Right Alt+o' gives ഒ<br /> <br /> 'Right Alt+Shift+o' gives ഓ<br /> <br /> ലളിതയില്‍ ഇപ്പോള്‍ ഉപയോഗത്തിലുള്ള അറബിക് അക്കങ്ങളും മലയാളം അക്കങ്ങളും സന്നിവേശിപ്പിച്ചിട്ടണ്ട്.<br /> <br /> ഉദാഹരണത്തിന്<br /> <br /> '1' gives 1<br /> <br /> 'Right Alt+1' gives ൧<br /> <br /> കൂടാതെ കീബോര്‍ഡിലുള്ള പരമാവധി ചിഹ്നങ്ങളെയും നിലനിര്‍ത്തിക്കൊണ്ടാണ് ലളിത തയ്യാറാക്കിയിരിക്കുന്നത്.<br /> <br /> ==ഇന്‍സ്റ്റാള്‍ ചെയ്യുന്നതിന്==<br /> <br /> [http://groups.google.com/group/smc-discuss/files ഇവിടെ] നിന്നും Lalitha.tar.gz ഡൌണ്‍ലോഡ് ചെയ്യുക. <br /> <br /> untar ചെയ്ത ശേഷം Lalitha എന്ന കൂടയില്‍ കയറി root അവകാശങ്ങളോടുകൂടി install.sh എന്ന സ്ക്രിപ്റ്റ് പ്രവര്‍ത്തിപ്പിക്കുക.<br /> <br /> ലിപി വിന്യാസം കാണുന്നതിനും, README ക്കുമായി, /usr/share/doc/Lalitha-ml നോക്കുക. <br /> <br /> ==അഭിപ്രായങ്ങ‍ളും നിര്‍​ദ്ദേശങ്ങളും==<br /> നിങ്ങളുടെ അഭിപ്രായങ്ങളും നിര്‍​ദ്ദേശങ്ങളും താഴെ കൊടുത്തിരിക്കുന്ന ഇ-മെയില്‍ വിലാസത്തില്‍ അയക്കുക.<br /> <br /> ജിനേഷ് കെ ജെ jinesh.k@gmail.com<br /> <br /> സ്വതന്ത്ര മലയാളം കമ്പ്യൂട്ടിങ്ങ് smc-discuss@googlegroups.com<br /> <br /> ==Related Links==<br /> * [http://savannah.nongnu.org/task/?1576 Swathanthra Malayalam Computing - Tasks: task #1576, Transliteration IM (XIM)]<br /> * [http://www.charvolant.org/~doug/xkb/ An Unreliable Guide to XKB Configuration]<br /> * [http://code.google.com/soc/smc/appinfo.html?csaid=460F54E7ADBCE7CC Comprehensive malayalam input system for GNU/Linux (google soc)]<br /> * [[http://wiki.smc.org.in/%E0%B4%B8%E0%B5%8D%E0%B4%B5%E0%B4%A8%E0%B4%B2%E0%B5%87%E0%B4%96 - Malayalam phonetic input method for SCIM]]<br /> * [http://bugs.freedesktop.org/show_bug.cgi?id=12426 Bug report in x-keyboard-config for upstream submition]<br /> ----<br /> <br /> &quot;എന്റെ കമ്പ്യൂട്ടറിന് എന്റെ ഭാഷ&quot;<br /> <br /> ഒരു സ്വതന്ത്ര മലയാളം കമ്പ്യൂട്ടിങ്ങ് സംരംഭം.</div>

Tachyons https://wiki.smc.org.in/index.php?title=Machine_translation&diff=4264 2013-08-28T08:23:55Z

<p>Tachyons: /* morphological Analyzer */</p> <hr /> <div><br /> == Machine language translation with apertium ==<br /> കമ്പ്യൂട്ടറിന്റെ സഹായത്താല്‍ ഒരു ഭാഷയിലുള്ള ഉള്ളടക്കത്തെ മറ്റൊരു ഭാഷയിലേക്ക് പരിഭാഷപ്പെടുത്തുന്നതിനെയാണ് യാന്ത്രിക പരിഭാഷ എന്നു പറയുന്നത്. ഒരു ഭാഷയിലെ വാക്കുകള്‍ക്ക് പകരം target ഭാഷയിലെ വാക്കുകള്‍ പകരം വച്ചതുകൊണ്ടു മാത്രം പരിഭാഷ സാധ്യമല്ല , കാരണം ഓരോ ഭാഷയ്ക്കും വ്യത്യസ്തമായ വ്യാകരണമാണ്. <br /> <br /> യാന്ത്രിക പരിഭാഷയെ പ്രധാനമായും രണ്ടായി തിരിക്കാം.<br /> <br /> # Rule Based<br /> # Corpus Based<br /> <br /> === Rule Based ===<br /> വ്യാകരണ നിയമങ്ങളുടെ അടിസ്ഥാനമാക്കി പരിഭാഷപെടുത്തുന്നതിനെയാണ് റൂള്‍ ബേസ്ഡ് എന്നു പറയുന്നത് <br /> &quot;Rule-based machine translation is like taking a set of dictionaries and a descriptive grammar, and trying to translate from one language you don’t know into another.&quot;<br /> ==== ഗുണങ്ങള്‍ ====<br /> # പ്രവചിക്കാവുന്ന ഫലം (predictable output)<br /> # പ്രവചിക്കാവുന്ന തെറ്റുകള്‍(predictable errors)<br /> # (incremental improvements)<br /> # തെറ്റുകള്‍ എളുപ്പത്തില്‍ കണ്ടുപിടിക്കാം <br /> # വലിയ അളവില്‍ നിലവിലുള്ള പരിഭാഷയുടെ ലഭ്യത ആവശ്യമില്ല.<br /> <br /> ====ദോഷങ്ങള്‍ ====<br /> # Lack of fluency<br /> # Lack of idiomaticness<br /> # “Mechanical” output<br /> # Development (വികസനം) കൂടുതല്‍ സമയമെടുത്തേക്കാം <br /> <br /> === Corpus Based ===<br /> ലഭ്യമായ മുന്‍ പരിഭാഷകള്‍ ഉപയോഗിച്ച് word matchingങ്ങിലൂടെ പരിഭാഷപ്പെടുത്തുന്നതിനെയാണ് കോര്‍പസ് ബേസ്ഡ് പരിഭാഷ എന്നു പറയുന്നത് <br /> &quot;Corpus-based machine translation is like taking two documents in two languages you don’t know which are translations of each other and trying to match up words. Then you use these words to build sentences which you put into Google to see if they sound likely.&quot;<br /> <br /> ==== ഗുണങ്ങള്‍ ====<br /> # Fluent output<br /> # Idiomatic output<br /> # No need for linguistic resources:<br /> ## dictionaries<br /> ## grammars<br /> ## linguists<br /> <br /> ====ദോഷങ്ങള്‍ ====<br /> # Unpredictable<br /> # Incremental improvements are hard<br /> # Development can be time consuming<br /> <br /> റൂള്‍ ബേസ്ഡ് പരിഭാഷയെ അടിസ്താനമാകിയുള്ള സ്വതന്ത്ര സോഫ്ട്വൈര്‍ ആണ് apertium. wikimeadia യുടെ പുതിയ പരിഭാഷ പദ്ധതിയിലും apertium ആണ് ഉപയോഗിക്കുന്നത് .ലളിതവും extensibility യുമാണ് അപെറ്ടിയത്തെ പ്രിയങ്കരമാക്കുന്നത് . 2004 ഇല്‍ സ്പൈന് വ്യവസായ വകുപ്പിന്റെ കീഴില്‍ കണ്‍സോര്ഷ്യമാണ് അപെറ്ടിയം ഉണ്ടാക്കിയത് <br /> <br /> == സ്ഥാപിക്കാന്‍/Installation ==<br /> Installing the newest version from SVN<br /> <br /> <br /> Step 1: '''install the prerequisites.'''<br /> ടെര്‍മിനല്‍ ഓപെണ്‍ ചെയ്ത് താഴെയുള്ള കോഡ് എന്റെര്‍ ചെയ്യുക <br /> &lt;pre&gt;<br /> sudo apt-get install subversion build-essential pkg-config gawk libxml2 libxml2-dev libxml2-utils xsltproc flex automake libtool libpcre3-dev <br /> &lt;/pre&gt;<br /> ''പാസ്വെര്‍ഡ് ട്യെപ് ചെയ്ത് എന്റെര്‍ ചെയ്യുക .'' <br /> <br /> Step 2: '''Download required packages.'''<br /> &lt;pre&gt;<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/lttoolbox<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/apertium<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/apertium-lex-tools<br /> &lt;/pre&gt;<br /> <br /> Step 2: '''compile and install.'''<br /> &lt;pre&gt;<br /> cd lttoolbox<br /> ./autogen.sh <br /> make<br /> make install<br /> ldconfig<br /> &lt;/pre&gt;<br /> &lt;pre&gt;<br /> cd apertium<br /> ./autogen.sh <br /> make<br /> make install<br /> ldconfig<br /> &lt;/pre&gt;<br /> &lt;pre&gt;<br /> cd apertium-lex-tools<br /> ./autogen.sh <br /> make<br /> make install<br /> ldconfig<br /> &lt;/pre&gt;<br /> <br /> ==ഘടന ==<br /> [[File:Structure.png]]<br /> <br /> ; Deformatter<br /> <br /> : ഈ സ്ടെപ്പില്‍ പരിഭാഷപ്പെടുത്തേണ്ട textഇനെ ഫോര്‍മാറ്റിങ്ങുകളില്‍ നിന്നു മുക്തമാകും , ഉദാഹരണത്തിന് പരിഭാഷപെടുത്തേണ്ട text ഒരു html ഫയല്‍ ആണെങ്കില്‍ അതിലെ ടാഗ്സ് ഒഴിവാക്കും<br /> ; Morphological analyzer<br /> : ഈ സ്ടെപ്പില്‍ പരിഭാഷപ്പെടുത്തേണ്ട textഇനെ സര്‍ഫസ് ഫോമുകളായി ഭാഗിക്കുകയും , ഒരോന്നിനും ഒന്നോ അതിലതികമോ ലെക്സിക്കല്‍ ഫോമുകള്‍ കണ്ടെത്തുകയും ചെയ്യും <br /> ; Part of speech tagger<br /> : ഒന്നിലതികം ലെക്സിക്കല്‍ ഫോമുകളുള്ള വാക്കുക്കളില്‍ ഏറ്റവും അനുയോജ്യമായത് തിരഞെടുക്കും <br /> ; Lexical transfer<br /> ; Lexical Selection<br /> ; Structural Transfer<br /> ; Morphological generator<br /> ; Post generator<br /> ; Reformatter<br /> : ആദ്യത്തെ സ്ടെപ്പില്‍ ഒഴിവാക്കിയ ഫോര്‍മാറ്റിങ്ങ് വിവരങ്ങള്‍ വീണ്ടും ചേര്‍ക്കും<br /> <br /> == മലയാളം പരിഭാഷ ==<br /> എനി നമുക്ക് അപെര്‍ടിയം ഉപയോഗിച്ച് മലയാളം പരിഭാഷ എങ്ങനെ ചെയ്യും എന്നു നോക്കം (It is difficult to handle agglutination in the following method) <br /> === morphological Analyzer ===<br /> ഇതിനു നമുക്ക് മൂന്ന് നിഘണ്ടുകള്‍ വേണം<br /> # mono lingual dictionary of malayalam<br /> # mono lingual dictionary of malayalam<br /> # bilingual english malayalam dictionary<br /> <br /> ആദ്യം മലയാളം മോണൊlingual നിഘണ്ടു എങ്ങനെ ഉണ്ടാക്കും എന്നു നോക്കാം<br /> &lt;pre&gt;<br /> <br /> &lt;?xml version=&quot;1.0&quot; encoding=&quot;UTF-8&quot;?&gt;<br /> &lt;dictionary&gt;<br /> &lt;alphabet&gt;അആഇഈഉഊഋഌഎഏഐഒഓഔകഖഗഘങചഛജഝഞടഠഡഢണതഥദധനഩപഫബഭമയരറലളഴവശഷസഹഽാിീുൂൃൄെേൈൊോൌ്ൗൠൡൢൣൺൻര്‍ൾൿംഃ&lt;/alphabet&gt;<br /> &lt;sdefs&gt;<br /> &lt;/sdefs&gt;<br /> &lt;pardefs&gt;<br /> <br /> &lt;/pardefs&gt;<br /> &lt;section id=&quot;main&quot; type=&quot;standard&quot;&gt;<br /> <br /> &lt;/section&gt;<br /> &lt;/dictionary&gt;<br /> <br /> &lt;/pre&gt;<br /> <br /> ഇതിലെ ഒരോ ടാഗുകളും അതിന്റെ ഉപയോഗങ്ങളും <br /> * &lt;dictionary&gt;&lt;/dictionary&gt; : ഈ ടഗിനകത്താണ് നമ്മുടെ നിഗണ്ടുവിലെ ഉള്ളടക്കം ചേര്‍ക്കേണ്ടത് <br /> * &lt;alphabet&gt;&lt;/alphabet&gt; : ഈ ടാഗിനകതാണ് അക്ഷരങ്ങള്‍ ചേര്‍ക്കേണ്ടത് <br /> * &lt;sdefs&gt;&lt;/sdefs&gt; : സിംബlലുകള്‍ നിര്‍വചിക്കാന്‍<br /> * &lt;pdefs&gt;&lt;/pdefs&gt; : paradigms നിര്‍വചിക്കാന്‍ <br /> * &lt;section&gt;&lt;/section&gt; : വാക്കുകള്‍ നിര്‍വചിക്കാന്‍<br /> * &lt;sdef&gt;&lt;/sdef&gt; : സിംബല്‍ നിര്വചിക്കാന്‍ <br /> * &lt;pdef&gt;&lt;/pdef&gt; :paradigms നിര്‍വചിക്കാന്‍ <br /> **&lt;e&gt; : എന്റിറ്റി <br /> ** &lt;p&gt; : pair<br /> **&lt;l&gt; : left<br /> **&lt;r&gt; : right<br /> <br /> note: &lt;l&gt;&lt;/&gt; ടാഗിനകത്ത് വാക്കിന്റെ അവസാനം വരുന്ന മാറ്റങ്ങളും &lt;r&gt;&lt;/r&gt; ടാഗിനകത്ത് അതിന്റെ സിംബല്‍സുമാണ് ചേര്‍ക്കുക <br /> നമുക്കിതില്‍ മരം എന്ന വാക്ക് ചേര്‍ത്തു നോക്കാം <br /> &lt;pre&gt;<br /> &lt;?xml version=&quot;1.0&quot; encoding=&quot;UTF-8&quot;?&gt;<br /> &lt;dictionary&gt;<br /> &lt;alphabet&gt;അആഇഈഉഊഋഌഎഏഐഒഓഔകഖഗഘങചഛജഝഞടഠഡഢണതഥദധനഩപഫബഭമയരറലളഴവശഷസഹഽാിീുൂൃൄെേൈൊോൌ്ൗൠൡൢൣൺൻര്‍ൾൿംഃ&lt;/alphabet&gt;<br /> &lt;sdefs&gt;<br /> &lt;sdef n=&quot;n&quot; c=&quot;Noun . നാമം&quot;/&gt;<br /> &lt;sdef n=&quot;nom&quot; c=&quot;Nominative&quot;/&gt;<br /> &lt;sdef n=&quot;acc&quot; c=&quot;Accusative&quot;/&gt;<br /> &lt;sdef n=&quot;ins&quot; c=&quot;Instrumental&quot;/&gt;<br /> &lt;sdef n=&quot;soc&quot; c=&quot;Sociative&quot;/&gt;<br /> &lt;sdef n=&quot;dat&quot; c=&quot;Dative&quot;/&gt;<br /> &lt;sdef n=&quot;voc&quot; c=&quot;Vocative&quot;/&gt;<br /> &lt;sdef n=&quot;gen&quot; c=&quot;Genitive&quot;/&gt;<br /> &lt;sdef n=&quot;loc&quot; c=&quot;Locative&quot;/&gt;<br /> &lt;sdef n=&quot;sg&quot; c=&quot;Singular . ഏകവചനം&quot;/&gt;<br /> &lt;sdef n=&quot;pl&quot; c=&quot;Plural . ബഹു വചനം&quot;/&gt;<br /> &lt;sdef n=&quot;sp&quot; c=&quot;Singular / Plural . ഏകവചനം/ബഹുവചനം&quot;/&gt;<br /> &lt;/sdefs&gt;<br /> &lt;pardefs&gt;<br /> &lt;pardef n=&quot;മര/ം__n&quot;&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ം&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;sg&quot;/&gt;&lt;s n=&quot;nom&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ത്തെ&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;sg&quot;/&gt;&lt;s n=&quot;acc&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ത്തിന്റെ&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;sg&quot;/&gt;&lt;s n=&quot;gen&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ത്തിന്&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;sg&quot;/&gt;&lt;s n=&quot;dat&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ത്തില്‍&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;sg&quot;/&gt;&lt;s n=&quot;loc&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ത്താല്‍&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;sg&quot;/&gt;&lt;s n=&quot;ins&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;മേ&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;sg&quot;/&gt;&lt;s n=&quot;voc&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ത്തൊടു&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;sg&quot;/&gt;&lt;s n=&quot;soc&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ങ്ങള്‍&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;pl&quot;/&gt;&lt;s n=&quot;nom&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ങ്ങളെ&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;pl&quot;/&gt;&lt;s n=&quot;acc&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ങ്ങളുടെ&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;pl&quot;/&gt;&lt;s n=&quot;gen&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ങ്ങള്‍കൂ&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;pl&quot;/&gt;&lt;s n=&quot;dat&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ങ്ങളില്‍&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;pl&quot;/&gt;&lt;s n=&quot;loc&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ങ്ങളാല്‍&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;pl&quot;/&gt;&lt;s n=&quot;ins&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ങ്ങളേ&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;pl&quot;/&gt;&lt;s n=&quot;voc&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ങ്ങളോടു&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;pl&quot;/&gt;&lt;s n=&quot;soc&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;/pardef&gt;<br /> &lt;/pardefs&gt;<br /> &lt;section id=&quot;main&quot; type=&quot;standard&quot;&gt;<br /> &lt;e lm=&quot;മരം&quot;&gt;&lt;i&gt;മര&lt;/i&gt;&lt;par n=&quot;മര/ം__n&quot;/&gt;&lt;/e&gt;<br /> &lt;/section&gt;<br /> &lt;/dictionary&gt;<br /> &lt;/pre&gt;<br /> <br /> ഇതിനെ apertium-mal-eng.sh.dix എന്ന പേരില്‍ സേവ് ചെയ്യുക <br /> എനി നമുക്കിതിനെ അനലെസര്‍ ആയി കംബെല്‍ ചെയ്യാം ( left to right)<br /> &lt;pre&gt;<br /> lt-comp lr apertium-mal-eng.sh.dix mal-eng.automorf.bin<br /> &lt;/pre&gt;<br /> <br /> ജെനെറേടര്‍ ആയി കംബെല്‍ ചെയ്യാന്‍ (right to left)<br /> &lt;pre&gt;<br /> lt-comp rl apertium-mal-eng.sh.dix eng-mal.autogen.bin<br /> &lt;/pre&gt;<br /> <br /> ഇതിനെ ടെസ്ട് ചെയ്യാന്‍ lt-comp ട്ടൂള്‍ ഉപയോഗിക്കാം <br /> &lt;pre&gt;<br /> lt-proc mal-eng.automorf.bin<br /> &lt;/pre&gt;<br /> <br /> ശേഷം മരം എന്നെഴുതി എന്റെര്‍ പ്രെസ്സ് ചെയ്താല്‍ ഇതു പോലെയുള്ള ഔട്പുട് ലഭിക്കും <br /> &lt;pre&gt;<br /> മരം<br /> ^മരം/മരം&lt;n&gt;&lt;sg&gt;&lt;nom&gt;$<br /> &lt;/pre&gt;<br /> <br /> == റിസോഴ്സെസ് ==<br /> <br /> == കൂടുതല്‍ വിവരങ്ങള്‍ക്ക് ==<br /> * http://wiki.apertium.org<br /> * http://wiki.apertium.org/wiki/Apertium_New_Language_Pair_HOWTO<br /> * [[User:Tachyons]]</div>

Tachyons https://wiki.smc.org.in/index.php?title=Machine_translation&diff=4263 2013-08-28T08:22:17Z

<p>Tachyons: /* morphological Analyzer */</p> <hr /> <div><br /> == Machine language translation with apertium ==<br /> കമ്പ്യൂട്ടറിന്റെ സഹായത്താല്‍ ഒരു ഭാഷയിലുള്ള ഉള്ളടക്കത്തെ മറ്റൊരു ഭാഷയിലേക്ക് പരിഭാഷപ്പെടുത്തുന്നതിനെയാണ് യാന്ത്രിക പരിഭാഷ എന്നു പറയുന്നത്. ഒരു ഭാഷയിലെ വാക്കുകള്‍ക്ക് പകരം target ഭാഷയിലെ വാക്കുകള്‍ പകരം വച്ചതുകൊണ്ടു മാത്രം പരിഭാഷ സാധ്യമല്ല , കാരണം ഓരോ ഭാഷയ്ക്കും വ്യത്യസ്തമായ വ്യാകരണമാണ്. <br /> <br /> യാന്ത്രിക പരിഭാഷയെ പ്രധാനമായും രണ്ടായി തിരിക്കാം.<br /> <br /> # Rule Based<br /> # Corpus Based<br /> <br /> === Rule Based ===<br /> വ്യാകരണ നിയമങ്ങളുടെ അടിസ്ഥാനമാക്കി പരിഭാഷപെടുത്തുന്നതിനെയാണ് റൂള്‍ ബേസ്ഡ് എന്നു പറയുന്നത് <br /> &quot;Rule-based machine translation is like taking a set of dictionaries and a descriptive grammar, and trying to translate from one language you don’t know into another.&quot;<br /> ==== ഗുണങ്ങള്‍ ====<br /> # പ്രവചിക്കാവുന്ന ഫലം (predictable output)<br /> # പ്രവചിക്കാവുന്ന തെറ്റുകള്‍(predictable errors)<br /> # (incremental improvements)<br /> # തെറ്റുകള്‍ എളുപ്പത്തില്‍ കണ്ടുപിടിക്കാം <br /> # വലിയ അളവില്‍ നിലവിലുള്ള പരിഭാഷയുടെ ലഭ്യത ആവശ്യമില്ല.<br /> <br /> ====ദോഷങ്ങള്‍ ====<br /> # Lack of fluency<br /> # Lack of idiomaticness<br /> # “Mechanical” output<br /> # Development (വികസനം) കൂടുതല്‍ സമയമെടുത്തേക്കാം <br /> <br /> === Corpus Based ===<br /> ലഭ്യമായ മുന്‍ പരിഭാഷകള്‍ ഉപയോഗിച്ച് word matchingങ്ങിലൂടെ പരിഭാഷപ്പെടുത്തുന്നതിനെയാണ് കോര്‍പസ് ബേസ്ഡ് പരിഭാഷ എന്നു പറയുന്നത് <br /> &quot;Corpus-based machine translation is like taking two documents in two languages you don’t know which are translations of each other and trying to match up words. Then you use these words to build sentences which you put into Google to see if they sound likely.&quot;<br /> <br /> ==== ഗുണങ്ങള്‍ ====<br /> # Fluent output<br /> # Idiomatic output<br /> # No need for linguistic resources:<br /> ## dictionaries<br /> ## grammars<br /> ## linguists<br /> <br /> ====ദോഷങ്ങള്‍ ====<br /> # Unpredictable<br /> # Incremental improvements are hard<br /> # Development can be time consuming<br /> <br /> റൂള്‍ ബേസ്ഡ് പരിഭാഷയെ അടിസ്താനമാകിയുള്ള സ്വതന്ത്ര സോഫ്ട്വൈര്‍ ആണ് apertium. wikimeadia യുടെ പുതിയ പരിഭാഷ പദ്ധതിയിലും apertium ആണ് ഉപയോഗിക്കുന്നത് .ലളിതവും extensibility യുമാണ് അപെറ്ടിയത്തെ പ്രിയങ്കരമാക്കുന്നത് . 2004 ഇല്‍ സ്പൈന് വ്യവസായ വകുപ്പിന്റെ കീഴില്‍ കണ്‍സോര്ഷ്യമാണ് അപെറ്ടിയം ഉണ്ടാക്കിയത് <br /> <br /> == സ്ഥാപിക്കാന്‍/Installation ==<br /> Installing the newest version from SVN<br /> <br /> <br /> Step 1: '''install the prerequisites.'''<br /> ടെര്‍മിനല്‍ ഓപെണ്‍ ചെയ്ത് താഴെയുള്ള കോഡ് എന്റെര്‍ ചെയ്യുക <br /> &lt;pre&gt;<br /> sudo apt-get install subversion build-essential pkg-config gawk libxml2 libxml2-dev libxml2-utils xsltproc flex automake libtool libpcre3-dev <br /> &lt;/pre&gt;<br /> ''പാസ്വെര്‍ഡ് ട്യെപ് ചെയ്ത് എന്റെര്‍ ചെയ്യുക .'' <br /> <br /> Step 2: '''Download required packages.'''<br /> &lt;pre&gt;<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/lttoolbox<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/apertium<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/apertium-lex-tools<br /> &lt;/pre&gt;<br /> <br /> Step 2: '''compile and install.'''<br /> &lt;pre&gt;<br /> cd lttoolbox<br /> ./autogen.sh <br /> make<br /> make install<br /> ldconfig<br /> &lt;/pre&gt;<br /> &lt;pre&gt;<br /> cd apertium<br /> ./autogen.sh <br /> make<br /> make install<br /> ldconfig<br /> &lt;/pre&gt;<br /> &lt;pre&gt;<br /> cd apertium-lex-tools<br /> ./autogen.sh <br /> make<br /> make install<br /> ldconfig<br /> &lt;/pre&gt;<br /> <br /> ==ഘടന ==<br /> [[File:Structure.png]]<br /> <br /> ; Deformatter<br /> <br /> : ഈ സ്ടെപ്പില്‍ പരിഭാഷപ്പെടുത്തേണ്ട textഇനെ ഫോര്‍മാറ്റിങ്ങുകളില്‍ നിന്നു മുക്തമാകും , ഉദാഹരണത്തിന് പരിഭാഷപെടുത്തേണ്ട text ഒരു html ഫയല്‍ ആണെങ്കില്‍ അതിലെ ടാഗ്സ് ഒഴിവാക്കും<br /> ; Morphological analyzer<br /> : ഈ സ്ടെപ്പില്‍ പരിഭാഷപ്പെടുത്തേണ്ട textഇനെ സര്‍ഫസ് ഫോമുകളായി ഭാഗിക്കുകയും , ഒരോന്നിനും ഒന്നോ അതിലതികമോ ലെക്സിക്കല്‍ ഫോമുകള്‍ കണ്ടെത്തുകയും ചെയ്യും <br /> ; Part of speech tagger<br /> : ഒന്നിലതികം ലെക്സിക്കല്‍ ഫോമുകളുള്ള വാക്കുക്കളില്‍ ഏറ്റവും അനുയോജ്യമായത് തിരഞെടുക്കും <br /> ; Lexical transfer<br /> ; Lexical Selection<br /> ; Structural Transfer<br /> ; Morphological generator<br /> ; Post generator<br /> ; Reformatter<br /> : ആദ്യത്തെ സ്ടെപ്പില്‍ ഒഴിവാക്കിയ ഫോര്‍മാറ്റിങ്ങ് വിവരങ്ങള്‍ വീണ്ടും ചേര്‍ക്കും<br /> <br /> == മലയാളം പരിഭാഷ ==<br /> എനി നമുക്ക് അപെര്‍ടിയം ഉപയോഗിച്ച് മലയാളം പരിഭാഷ എങ്ങനെ ചെയ്യും എന്നു നോക്കം (It is difficult to handle agglutination in the following method) <br /> === morphological Analyzer ===<br /> ഇതിനു നമുക്ക് മൂന്ന് നിഘണ്ടുകള്‍ വേണം<br /> # mono lingual dictionary of malayalam<br /> # mono lingual dictionary of malayalam<br /> # bilingual english malayalam dictionary<br /> <br /> ആദ്യം മലയാളം മോണൊlingual നിഘണ്ടു എങ്ങനെ ഉണ്ടാക്കും എന്നു നോക്കാം<br /> &lt;pre&gt;<br /> <br /> &lt;?xml version=&quot;1.0&quot; encoding=&quot;UTF-8&quot;?&gt;<br /> &lt;dictionary&gt;<br /> &lt;alphabet&gt;അആഇഈഉഊഋഌഎഏഐഒഓഔകഖഗഘങചഛജഝഞടഠഡഢണതഥദധനഩപഫബഭമയരറലളഴവശഷസഹഽാിീുൂൃൄെേൈൊോൌ്ൗൠൡൢൣൺൻര്‍ൾൿംഃ&lt;/alphabet&gt;<br /> &lt;sdefs&gt;<br /> &lt;/sdefs&gt;<br /> &lt;pardefs&gt;<br /> <br /> &lt;/pardefs&gt;<br /> &lt;section id=&quot;main&quot; type=&quot;standard&quot;&gt;<br /> <br /> &lt;/section&gt;<br /> &lt;/dictionary&gt;<br /> <br /> &lt;/pre&gt;<br /> <br /> ഇതിലെ ഒരോ ടാഗുകളും അതിന്റെ ഉപയോഗങ്ങളും <br /> * &lt;dictionary&gt;&lt;/dictionary&gt; : ഈ ടഗിനകത്താണ് നമ്മുടെ നിഗണ്ടുവിലെ ഉള്ളടക്കം ചേര്‍ക്കേണ്ടത് <br /> * &lt;alphabet&gt;&lt;/alphabet&gt; : ഈ ടാഗിനകതാണ് അക്ഷരങ്ങള്‍ ചേര്‍ക്കേണ്ടത് <br /> * &lt;sdefs&gt;&lt;/sdefs&gt; : സിംബlലുകള്‍ നിര്‍വചിക്കാന്‍<br /> * &lt;pdefs&gt;&lt;/pdefs&gt; : paradigms നിര്‍വചിക്കാന്‍ <br /> * &lt;section&gt;&lt;/section&gt; : വാക്കുകള്‍ നിര്‍വചിക്കാന്‍<br /> * &lt;sdef&gt;&lt;/sdef&gt; : സിംബല്‍ നിര്വചിക്കാന്‍ <br /> * &lt;pdef&gt;&lt;/pdef&gt; :paradigms നിര്‍വചിക്കാന്‍ <br /> **&lt;e&gt; : എന്റിറ്റി <br /> **&lt;p&gt; : pair<br /> **&lt;l&gt; : left<br /> **&lt;r&gt; : right<br /> <br /> note: &lt;l&gt;&lt;/&gt; ടാഗിനകത്ത് വാക്കിന്റെ അവസാനം വരുന്ന മാറ്റങ്ങളും &lt;r&gt;&lt;/r&gt; ടാഗിനകത്ത് അതിന്റെ സിംബല്‍സുമാണ് ചേര്‍ക്കുക <br /> നമുക്കിതില്‍ മരം എന്ന വാക്ക് ചേര്‍ത്തു നോക്കാം <br /> &lt;pre&gt;<br /> &lt;?xml version=&quot;1.0&quot; encoding=&quot;UTF-8&quot;?&gt;<br /> &lt;dictionary&gt;<br /> &lt;alphabet&gt;അആഇഈഉഊഋഌഎഏഐഒഓഔകഖഗഘങചഛജഝഞടഠഡഢണതഥദധനഩപഫബഭമയരറലളഴവശഷസഹഽാിീുൂൃൄെേൈൊോൌ്ൗൠൡൢൣൺൻര്‍ൾൿംഃ&lt;/alphabet&gt;<br /> &lt;sdefs&gt;<br /> &lt;sdef n=&quot;n&quot; c=&quot;Noun . നാമം&quot;/&gt;<br /> &lt;sdef n=&quot;nom&quot; c=&quot;Nominative&quot;/&gt;<br /> &lt;sdef n=&quot;acc&quot; c=&quot;Accusative&quot;/&gt;<br /> &lt;sdef n=&quot;ins&quot; c=&quot;Instrumental&quot;/&gt;<br /> &lt;sdef n=&quot;soc&quot; c=&quot;Sociative&quot;/&gt;<br /> &lt;sdef n=&quot;dat&quot; c=&quot;Dative&quot;/&gt;<br /> &lt;sdef n=&quot;voc&quot; c=&quot;Vocative&quot;/&gt;<br /> &lt;sdef n=&quot;gen&quot; c=&quot;Genitive&quot;/&gt;<br /> &lt;sdef n=&quot;loc&quot; c=&quot;Locative&quot;/&gt;<br /> &lt;sdef n=&quot;sg&quot; c=&quot;Singular . ഏകവചനം&quot;/&gt;<br /> &lt;sdef n=&quot;pl&quot; c=&quot;Plural . ബഹു വചനം&quot;/&gt;<br /> &lt;sdef n=&quot;sp&quot; c=&quot;Singular / Plural . ഏകവചനം/ബഹുവചനം&quot;/&gt;<br /> &lt;/sdefs&gt;<br /> &lt;pardefs&gt;<br /> &lt;pardef n=&quot;മര/ം__n&quot;&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ം&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;sg&quot;/&gt;&lt;s n=&quot;nom&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ത്തെ&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;sg&quot;/&gt;&lt;s n=&quot;acc&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ത്തിന്റെ&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;sg&quot;/&gt;&lt;s n=&quot;gen&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ത്തിന്&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;sg&quot;/&gt;&lt;s n=&quot;dat&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ത്തില്‍&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;sg&quot;/&gt;&lt;s n=&quot;loc&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ത്താല്‍&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;sg&quot;/&gt;&lt;s n=&quot;ins&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;മേ&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;sg&quot;/&gt;&lt;s n=&quot;voc&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ത്തൊടു&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;sg&quot;/&gt;&lt;s n=&quot;soc&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ങ്ങള്‍&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;pl&quot;/&gt;&lt;s n=&quot;nom&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ങ്ങളെ&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;pl&quot;/&gt;&lt;s n=&quot;acc&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ങ്ങളുടെ&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;pl&quot;/&gt;&lt;s n=&quot;gen&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ങ്ങള്‍കൂ&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;pl&quot;/&gt;&lt;s n=&quot;dat&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ങ്ങളില്‍&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;pl&quot;/&gt;&lt;s n=&quot;loc&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ങ്ങളാല്‍&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;pl&quot;/&gt;&lt;s n=&quot;ins&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ങ്ങളേ&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;pl&quot;/&gt;&lt;s n=&quot;voc&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ങ്ങളോടു&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;pl&quot;/&gt;&lt;s n=&quot;soc&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;/pardef&gt;<br /> &lt;/pardefs&gt;<br /> &lt;section id=&quot;main&quot; type=&quot;standard&quot;&gt;<br /> &lt;e lm=&quot;മരം&quot;&gt;&lt;i&gt;മര&lt;/i&gt;&lt;par n=&quot;മര/ം__n&quot;/&gt;&lt;/e&gt;<br /> &lt;/section&gt;<br /> &lt;/dictionary&gt;<br /> &lt;/pre&gt;<br /> <br /> ഇതിനെ apertium-mal-eng.sh.dix എന്ന പേരില്‍ സേവ് ചെയ്യുക <br /> എനി നമുക്കിതിനെ അനലെസര്‍ ആയി കംബെല്‍ ചെയ്യാം ( left to right)<br /> &lt;pre&gt;<br /> lt-comp lr apertium-mal-eng.sh.dix mal-eng.automorf.bin<br /> &lt;/pre&gt;<br /> <br /> ജെനെറേടര്‍ ആയി കംബെല്‍ ചെയ്യാന്‍ (right to left)<br /> &lt;pre&gt;<br /> lt-comp rl apertium-mal-eng.sh.dix eng-mal.autogen.bin<br /> &lt;/pre&gt;<br /> <br /> ഇതിനെ ടെസ്ട് ചെയ്യാന്‍ lt-comp ട്ടൂള്‍ ഉപയോഗിക്കാം <br /> &lt;pre&gt;<br /> lt-proc mal-eng.automorf.bin<br /> &lt;pre&gt;<br /> <br /> ശേഷം മരം എന്നെഴുതി എന്റെര്‍ പ്രെസ്സ് ചെയ്താല്‍ ഇതു പോലെയുള്ള ഔട്പുട് ലഭിക്കും <br /> &lt;pre&gt;<br /> മരം<br /> ^മരം/മരം&lt;n&gt;&lt;sg&gt;&lt;nom&gt;$<br /> &lt;/pre&gt;<br /> <br /> == റിസോഴ്സെസ് ==<br /> <br /> == കൂടുതല്‍ വിവരങ്ങള്‍ക്ക് ==<br /> * http://wiki.apertium.org<br /> * http://wiki.apertium.org/wiki/Apertium_New_Language_Pair_HOWTO<br /> * [[User:Tachyons]]</div>

Tachyons https://wiki.smc.org.in/index.php?title=Machine_translation&diff=4262 2013-08-28T08:06:29Z

<p>Tachyons: /* morphological Analyzer */</p> <hr /> <div><br /> == Machine language translation with apertium ==<br /> കമ്പ്യൂട്ടറിന്റെ സഹായത്താല്‍ ഒരു ഭാഷയിലുള്ള ഉള്ളടക്കത്തെ മറ്റൊരു ഭാഷയിലേക്ക് പരിഭാഷപ്പെടുത്തുന്നതിനെയാണ് യാന്ത്രിക പരിഭാഷ എന്നു പറയുന്നത്. ഒരു ഭാഷയിലെ വാക്കുകള്‍ക്ക് പകരം target ഭാഷയിലെ വാക്കുകള്‍ പകരം വച്ചതുകൊണ്ടു മാത്രം പരിഭാഷ സാധ്യമല്ല , കാരണം ഓരോ ഭാഷയ്ക്കും വ്യത്യസ്തമായ വ്യാകരണമാണ്. <br /> <br /> യാന്ത്രിക പരിഭാഷയെ പ്രധാനമായും രണ്ടായി തിരിക്കാം.<br /> <br /> # Rule Based<br /> # Corpus Based<br /> <br /> === Rule Based ===<br /> വ്യാകരണ നിയമങ്ങളുടെ അടിസ്ഥാനമാക്കി പരിഭാഷപെടുത്തുന്നതിനെയാണ് റൂള്‍ ബേസ്ഡ് എന്നു പറയുന്നത് <br /> &quot;Rule-based machine translation is like taking a set of dictionaries and a descriptive grammar, and trying to translate from one language you don’t know into another.&quot;<br /> ==== ഗുണങ്ങള്‍ ====<br /> # പ്രവചിക്കാവുന്ന ഫലം (predictable output)<br /> # പ്രവചിക്കാവുന്ന തെറ്റുകള്‍(predictable errors)<br /> # (incremental improvements)<br /> # തെറ്റുകള്‍ എളുപ്പത്തില്‍ കണ്ടുപിടിക്കാം <br /> # വലിയ അളവില്‍ നിലവിലുള്ള പരിഭാഷയുടെ ലഭ്യത ആവശ്യമില്ല.<br /> <br /> ====ദോഷങ്ങള്‍ ====<br /> # Lack of fluency<br /> # Lack of idiomaticness<br /> # “Mechanical” output<br /> # Development (വികസനം) കൂടുതല്‍ സമയമെടുത്തേക്കാം <br /> <br /> === Corpus Based ===<br /> ലഭ്യമായ മുന്‍ പരിഭാഷകള്‍ ഉപയോഗിച്ച് word matchingങ്ങിലൂടെ പരിഭാഷപ്പെടുത്തുന്നതിനെയാണ് കോര്‍പസ് ബേസ്ഡ് പരിഭാഷ എന്നു പറയുന്നത് <br /> &quot;Corpus-based machine translation is like taking two documents in two languages you don’t know which are translations of each other and trying to match up words. Then you use these words to build sentences which you put into Google to see if they sound likely.&quot;<br /> <br /> ==== ഗുണങ്ങള്‍ ====<br /> # Fluent output<br /> # Idiomatic output<br /> # No need for linguistic resources:<br /> ## dictionaries<br /> ## grammars<br /> ## linguists<br /> <br /> ====ദോഷങ്ങള്‍ ====<br /> # Unpredictable<br /> # Incremental improvements are hard<br /> # Development can be time consuming<br /> <br /> റൂള്‍ ബേസ്ഡ് പരിഭാഷയെ അടിസ്താനമാകിയുള്ള സ്വതന്ത്ര സോഫ്ട്വൈര്‍ ആണ് apertium. wikimeadia യുടെ പുതിയ പരിഭാഷ പദ്ധതിയിലും apertium ആണ് ഉപയോഗിക്കുന്നത് .ലളിതവും extensibility യുമാണ് അപെറ്ടിയത്തെ പ്രിയങ്കരമാക്കുന്നത് . 2004 ഇല്‍ സ്പൈന് വ്യവസായ വകുപ്പിന്റെ കീഴില്‍ കണ്‍സോര്ഷ്യമാണ് അപെറ്ടിയം ഉണ്ടാക്കിയത് <br /> <br /> == സ്ഥാപിക്കാന്‍/Installation ==<br /> Installing the newest version from SVN<br /> <br /> <br /> Step 1: '''install the prerequisites.'''<br /> ടെര്‍മിനല്‍ ഓപെണ്‍ ചെയ്ത് താഴെയുള്ള കോഡ് എന്റെര്‍ ചെയ്യുക <br /> &lt;pre&gt;<br /> sudo apt-get install subversion build-essential pkg-config gawk libxml2 libxml2-dev libxml2-utils xsltproc flex automake libtool libpcre3-dev <br /> &lt;/pre&gt;<br /> ''പാസ്വെര്‍ഡ് ട്യെപ് ചെയ്ത് എന്റെര്‍ ചെയ്യുക .'' <br /> <br /> Step 2: '''Download required packages.'''<br /> &lt;pre&gt;<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/lttoolbox<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/apertium<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/apertium-lex-tools<br /> &lt;/pre&gt;<br /> <br /> Step 2: '''compile and install.'''<br /> &lt;pre&gt;<br /> cd lttoolbox<br /> ./autogen.sh <br /> make<br /> make install<br /> ldconfig<br /> &lt;/pre&gt;<br /> &lt;pre&gt;<br /> cd apertium<br /> ./autogen.sh <br /> make<br /> make install<br /> ldconfig<br /> &lt;/pre&gt;<br /> &lt;pre&gt;<br /> cd apertium-lex-tools<br /> ./autogen.sh <br /> make<br /> make install<br /> ldconfig<br /> &lt;/pre&gt;<br /> <br /> ==ഘടന ==<br /> [[File:Structure.png]]<br /> <br /> ; Deformatter<br /> <br /> : ഈ സ്ടെപ്പില്‍ പരിഭാഷപ്പെടുത്തേണ്ട textഇനെ ഫോര്‍മാറ്റിങ്ങുകളില്‍ നിന്നു മുക്തമാകും , ഉദാഹരണത്തിന് പരിഭാഷപെടുത്തേണ്ട text ഒരു html ഫയല്‍ ആണെങ്കില്‍ അതിലെ ടാഗ്സ് ഒഴിവാക്കും<br /> ; Morphological analyzer<br /> : ഈ സ്ടെപ്പില്‍ പരിഭാഷപ്പെടുത്തേണ്ട textഇനെ സര്‍ഫസ് ഫോമുകളായി ഭാഗിക്കുകയും , ഒരോന്നിനും ഒന്നോ അതിലതികമോ ലെക്സിക്കല്‍ ഫോമുകള്‍ കണ്ടെത്തുകയും ചെയ്യും <br /> ; Part of speech tagger<br /> : ഒന്നിലതികം ലെക്സിക്കല്‍ ഫോമുകളുള്ള വാക്കുക്കളില്‍ ഏറ്റവും അനുയോജ്യമായത് തിരഞെടുക്കും <br /> ; Lexical transfer<br /> ; Lexical Selection<br /> ; Structural Transfer<br /> ; Morphological generator<br /> ; Post generator<br /> ; Reformatter<br /> : ആദ്യത്തെ സ്ടെപ്പില്‍ ഒഴിവാക്കിയ ഫോര്‍മാറ്റിങ്ങ് വിവരങ്ങള്‍ വീണ്ടും ചേര്‍ക്കും<br /> <br /> == മലയാളം പരിഭാഷ ==<br /> എനി നമുക്ക് അപെര്‍ടിയം ഉപയോഗിച്ച് മലയാളം പരിഭാഷ എങ്ങനെ ചെയ്യും എന്നു നോക്കം (It is difficult to handle agglutination in the following method) <br /> === morphological Analyzer ===<br /> ഇതിനു നമുക്ക് മൂന്ന് നിഘണ്ടുകള്‍ വേണം<br /> # mono lingual dictionary of malayalam<br /> # mono lingual dictionary of malayalam<br /> # bilingual english malayalam dictionary<br /> <br /> ആദ്യം മലയാളം മോണൊlingual നിഘണ്ടു എങ്ങനെ ഉണ്ടാക്കും എന്നു നോക്കാം<br /> &lt;pre&gt;<br /> <br /> &lt;?xml version=&quot;1.0&quot; encoding=&quot;UTF-8&quot;?&gt;<br /> &lt;dictionary&gt;<br /> &lt;alphabet&gt;അആഇഈഉഊഋഌഎഏഐഒഓഔകഖഗഘങചഛജഝഞടഠഡഢണതഥദധനഩപഫബഭമയരറലളഴവശഷസഹഽാിീുൂൃൄെേൈൊോൌ്ൗൠൡൢൣൺൻര്‍ൾൿംഃ&lt;/alphabet&gt;<br /> &lt;sdefs&gt;<br /> &lt;/sdefs&gt;<br /> &lt;pardefs&gt;<br /> <br /> &lt;/pardefs&gt;<br /> &lt;section id=&quot;main&quot; type=&quot;standard&quot;&gt;<br /> <br /> &lt;/section&gt;<br /> &lt;/dictionary&gt;<br /> <br /> &lt;/pre&gt;<br /> <br /> ഇതിലെ ഒരോ ടാഗുകളും അതിന്റെ ഉപയോഗങ്ങളും <br /> * &lt;dictionary&gt;&lt;/dictionary&gt; : ഈ ടഗിനകത്താണ് നമ്മുടെ നിഗണ്ടുവിലെ ഉള്ളടക്കം ചേര്‍ക്കേണ്ടത് <br /> * &lt;alphabet&gt;&lt;/alphabet&gt; : ഈ ടാഗിനകതാണ് അക്ഷരങ്ങള്‍ ചേര്‍ക്കേണ്ടത് <br /> * &lt;sdefs&gt;&lt;/sdefs&gt; : സിംബlലുകള്‍ നിര്‍വചിക്കാന്‍<br /> * &lt;pdefs&gt;&lt;/pdefs&gt; : paradigms നിര്‍വചിക്കാന്‍ <br /> * &lt;section&gt;&lt;/section&gt; : വാക്കുകള്‍ നിര്‍വചിക്കാന്‍<br /> * &lt;sdef&gt;&lt;/sdef&gt; : സിംബല്‍ നിര്വചിക്കാന്‍ <br /> * &lt;pdef&gt;&lt;/pdef&gt; :paradigms നിര്‍വചിക്കാന്‍ <br /> **&lt;e&gt; : എന്റിറ്റി <br /> **&lt;p&gt; : pair<br /> **&lt;l&gt; : left<br /> **&lt;r&gt; : right<br /> <br /> note: &lt;l&gt;&lt;/&gt; ടാഗിനകത്ത് വാക്കിന്റെ അവസാനം വരുന്ന മാറ്റങ്ങളും &lt;r&gt;&lt;/r&gt; ടാഗിനകത്ത് അതിന്റെ സിംബല്‍സുമാണ് ചേര്‍ക്കുക <br /> നമുക്കിതില്‍ മരം എന്ന വാക്ക് ചേര്‍ത്തു നോക്കാം <br /> &lt;pre&gt;<br /> &lt;?xml version=&quot;1.0&quot; encoding=&quot;UTF-8&quot;?&gt;<br /> &lt;dictionary&gt;<br /> &lt;alphabet&gt;അആഇഈഉഊഋഌഎഏഐഒഓഔകഖഗഘങചഛജഝഞടഠഡഢണതഥദധനഩപഫബഭമയരറലളഴവശഷസഹഽാിീുൂൃൄെേൈൊോൌ്ൗൠൡൢൣൺൻര്‍ൾൿംഃ&lt;/alphabet&gt;<br /> &lt;sdefs&gt;<br /> &lt;sdef n=&quot;n&quot; c=&quot;Noun . നാമം&quot;/&gt;<br /> &lt;sdef n=&quot;nom&quot; c=&quot;Nominative&quot;/&gt;<br /> &lt;sdef n=&quot;acc&quot; c=&quot;Accusative&quot;/&gt;<br /> &lt;sdef n=&quot;ins&quot; c=&quot;Instrumental&quot;/&gt;<br /> &lt;sdef n=&quot;soc&quot; c=&quot;Sociative&quot;/&gt;<br /> &lt;sdef n=&quot;dat&quot; c=&quot;Dative&quot;/&gt;<br /> &lt;sdef n=&quot;voc&quot; c=&quot;Vocative&quot;/&gt;<br /> &lt;sdef n=&quot;gen&quot; c=&quot;Genitive&quot;/&gt;<br /> &lt;sdef n=&quot;loc&quot; c=&quot;Locative&quot;/&gt;<br /> &lt;sdef n=&quot;pl&quot; c=&quot;Plural . ബഹു വചനം&quot;/&gt;<br /> &lt;sdef n=&quot;sp&quot; c=&quot;Singular / Plural . ഏകവചനം&quot;/&gt;<br /> &lt;/sdefs&gt;<br /> &lt;pardefs&gt;<br /> &lt;pardef n=&quot;മര/ം__n&quot;&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ം&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;sg&quot;/&gt;&lt;s n=&quot;nom&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ത്തെ&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;sg&quot;/&gt;&lt;s n=&quot;acc&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ത്തിന്റെ&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;sg&quot;/&gt;&lt;s n=&quot;gen&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ത്തിന്&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;sg&quot;/&gt;&lt;s n=&quot;dat&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ത്തില്‍&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;sg&quot;/&gt;&lt;s n=&quot;loc&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ത്താല്‍&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;sg&quot;/&gt;&lt;s n=&quot;ins&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;മേ&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;sg&quot;/&gt;&lt;s n=&quot;voc&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ത്തൊടു&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;sg&quot;/&gt;&lt;s n=&quot;soc&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ങ്ങള്‍&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;pl&quot;/&gt;&lt;s n=&quot;nom&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ങ്ങളെ&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;pl&quot;/&gt;&lt;s n=&quot;acc&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ങ്ങളുടെ&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;pl&quot;/&gt;&lt;s n=&quot;gen&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ങ്ങള്‍കൂ&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;pl&quot;/&gt;&lt;s n=&quot;dat&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ങ്ങളില്‍&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;pl&quot;/&gt;&lt;s n=&quot;loc&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ങ്ങളാല്‍&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;pl&quot;/&gt;&lt;s n=&quot;ins&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ങ്ങളേ&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;pl&quot;/&gt;&lt;s n=&quot;voc&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ങ്ങളോടു&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;pl&quot;/&gt;&lt;s n=&quot;soc&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;/pardef&gt;<br /> &lt;/pardefs&gt;<br /> &lt;section id=&quot;main&quot; type=&quot;standard&quot;&gt;<br /> &lt;e lm=&quot;മരം&quot;&gt;&lt;i&gt;മര&lt;/i&gt;&lt;par n=&quot;മര/ം__n&quot;/&gt;&lt;/e&gt;<br /> &lt;/section&gt;<br /> &lt;dictionary&gt;<br /> &lt;/pre&gt;<br /> <br /> == റിസോഴ്സെസ് ==<br /> <br /> == കൂടുതല്‍ വിവരങ്ങള്‍ക്ക് ==<br /> * http://wiki.apertium.org<br /> * http://wiki.apertium.org/wiki/Apertium_New_Language_Pair_HOWTO<br /> * [[User:Tachyons]]</div>

Tachyons https://wiki.smc.org.in/index.php?title=Machine_translation&diff=4261 2013-08-28T07:56:54Z

<p>Tachyons: /* കൂടുതല്‍ വിവരങ്ങള്‍ക്ക് */</p> <hr /> <div><br /> == Machine language translation with apertium ==<br /> കമ്പ്യൂട്ടറിന്റെ സഹായത്താല്‍ ഒരു ഭാഷയിലുള്ള ഉള്ളടക്കത്തെ മറ്റൊരു ഭാഷയിലേക്ക് പരിഭാഷപ്പെടുത്തുന്നതിനെയാണ് യാന്ത്രിക പരിഭാഷ എന്നു പറയുന്നത്. ഒരു ഭാഷയിലെ വാക്കുകള്‍ക്ക് പകരം target ഭാഷയിലെ വാക്കുകള്‍ പകരം വച്ചതുകൊണ്ടു മാത്രം പരിഭാഷ സാധ്യമല്ല , കാരണം ഓരോ ഭാഷയ്ക്കും വ്യത്യസ്തമായ വ്യാകരണമാണ്. <br /> <br /> യാന്ത്രിക പരിഭാഷയെ പ്രധാനമായും രണ്ടായി തിരിക്കാം.<br /> <br /> # Rule Based<br /> # Corpus Based<br /> <br /> === Rule Based ===<br /> വ്യാകരണ നിയമങ്ങളുടെ അടിസ്ഥാനമാക്കി പരിഭാഷപെടുത്തുന്നതിനെയാണ് റൂള്‍ ബേസ്ഡ് എന്നു പറയുന്നത് <br /> &quot;Rule-based machine translation is like taking a set of dictionaries and a descriptive grammar, and trying to translate from one language you don’t know into another.&quot;<br /> ==== ഗുണങ്ങള്‍ ====<br /> # പ്രവചിക്കാവുന്ന ഫലം (predictable output)<br /> # പ്രവചിക്കാവുന്ന തെറ്റുകള്‍(predictable errors)<br /> # (incremental improvements)<br /> # തെറ്റുകള്‍ എളുപ്പത്തില്‍ കണ്ടുപിടിക്കാം <br /> # വലിയ അളവില്‍ നിലവിലുള്ള പരിഭാഷയുടെ ലഭ്യത ആവശ്യമില്ല.<br /> <br /> ====ദോഷങ്ങള്‍ ====<br /> # Lack of fluency<br /> # Lack of idiomaticness<br /> # “Mechanical” output<br /> # Development (വികസനം) കൂടുതല്‍ സമയമെടുത്തേക്കാം <br /> <br /> === Corpus Based ===<br /> ലഭ്യമായ മുന്‍ പരിഭാഷകള്‍ ഉപയോഗിച്ച് word matchingങ്ങിലൂടെ പരിഭാഷപ്പെടുത്തുന്നതിനെയാണ് കോര്‍പസ് ബേസ്ഡ് പരിഭാഷ എന്നു പറയുന്നത് <br /> &quot;Corpus-based machine translation is like taking two documents in two languages you don’t know which are translations of each other and trying to match up words. Then you use these words to build sentences which you put into Google to see if they sound likely.&quot;<br /> <br /> ==== ഗുണങ്ങള്‍ ====<br /> # Fluent output<br /> # Idiomatic output<br /> # No need for linguistic resources:<br /> ## dictionaries<br /> ## grammars<br /> ## linguists<br /> <br /> ====ദോഷങ്ങള്‍ ====<br /> # Unpredictable<br /> # Incremental improvements are hard<br /> # Development can be time consuming<br /> <br /> റൂള്‍ ബേസ്ഡ് പരിഭാഷയെ അടിസ്താനമാകിയുള്ള സ്വതന്ത്ര സോഫ്ട്വൈര്‍ ആണ് apertium. wikimeadia യുടെ പുതിയ പരിഭാഷ പദ്ധതിയിലും apertium ആണ് ഉപയോഗിക്കുന്നത് .ലളിതവും extensibility യുമാണ് അപെറ്ടിയത്തെ പ്രിയങ്കരമാക്കുന്നത് . 2004 ഇല്‍ സ്പൈന് വ്യവസായ വകുപ്പിന്റെ കീഴില്‍ കണ്‍സോര്ഷ്യമാണ് അപെറ്ടിയം ഉണ്ടാക്കിയത് <br /> <br /> == സ്ഥാപിക്കാന്‍/Installation ==<br /> Installing the newest version from SVN<br /> <br /> <br /> Step 1: '''install the prerequisites.'''<br /> ടെര്‍മിനല്‍ ഓപെണ്‍ ചെയ്ത് താഴെയുള്ള കോഡ് എന്റെര്‍ ചെയ്യുക <br /> &lt;pre&gt;<br /> sudo apt-get install subversion build-essential pkg-config gawk libxml2 libxml2-dev libxml2-utils xsltproc flex automake libtool libpcre3-dev <br /> &lt;/pre&gt;<br /> ''പാസ്വെര്‍ഡ് ട്യെപ് ചെയ്ത് എന്റെര്‍ ചെയ്യുക .'' <br /> <br /> Step 2: '''Download required packages.'''<br /> &lt;pre&gt;<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/lttoolbox<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/apertium<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/apertium-lex-tools<br /> &lt;/pre&gt;<br /> <br /> Step 2: '''compile and install.'''<br /> &lt;pre&gt;<br /> cd lttoolbox<br /> ./autogen.sh <br /> make<br /> make install<br /> ldconfig<br /> &lt;/pre&gt;<br /> &lt;pre&gt;<br /> cd apertium<br /> ./autogen.sh <br /> make<br /> make install<br /> ldconfig<br /> &lt;/pre&gt;<br /> &lt;pre&gt;<br /> cd apertium-lex-tools<br /> ./autogen.sh <br /> make<br /> make install<br /> ldconfig<br /> &lt;/pre&gt;<br /> <br /> ==ഘടന ==<br /> [[File:Structure.png]]<br /> <br /> ; Deformatter<br /> <br /> : ഈ സ്ടെപ്പില്‍ പരിഭാഷപ്പെടുത്തേണ്ട textഇനെ ഫോര്‍മാറ്റിങ്ങുകളില്‍ നിന്നു മുക്തമാകും , ഉദാഹരണത്തിന് പരിഭാഷപെടുത്തേണ്ട text ഒരു html ഫയല്‍ ആണെങ്കില്‍ അതിലെ ടാഗ്സ് ഒഴിവാക്കും<br /> ; Morphological analyzer<br /> : ഈ സ്ടെപ്പില്‍ പരിഭാഷപ്പെടുത്തേണ്ട textഇനെ സര്‍ഫസ് ഫോമുകളായി ഭാഗിക്കുകയും , ഒരോന്നിനും ഒന്നോ അതിലതികമോ ലെക്സിക്കല്‍ ഫോമുകള്‍ കണ്ടെത്തുകയും ചെയ്യും <br /> ; Part of speech tagger<br /> : ഒന്നിലതികം ലെക്സിക്കല്‍ ഫോമുകളുള്ള വാക്കുക്കളില്‍ ഏറ്റവും അനുയോജ്യമായത് തിരഞെടുക്കും <br /> ; Lexical transfer<br /> ; Lexical Selection<br /> ; Structural Transfer<br /> ; Morphological generator<br /> ; Post generator<br /> ; Reformatter<br /> : ആദ്യത്തെ സ്ടെപ്പില്‍ ഒഴിവാക്കിയ ഫോര്‍മാറ്റിങ്ങ് വിവരങ്ങള്‍ വീണ്ടും ചേര്‍ക്കും<br /> <br /> == മലയാളം പരിഭാഷ ==<br /> എനി നമുക്ക് അപെര്‍ടിയം ഉപയോഗിച്ച് മലയാളം പരിഭാഷ എങ്ങനെ ചെയ്യും എന്നു നോക്കം (It is difficult to handle agglutination in the following method) <br /> === morphological Analyzer ===<br /> ഇതിനു നമുക്ക് മൂന്ന് നിഘണ്ടുകള്‍ വേണം<br /> # mono lingual dictionary of malayalam<br /> # mono lingual dictionary of malayalam<br /> # bilingual english malayalam dictionary<br /> <br /> ആദ്യം മലയാളം മോണൊlingual നിഘണ്ടു എങ്ങനെ ഉണ്ടാക്കും എന്നു നോക്കാം<br /> &lt;pre&gt;<br /> <br /> &lt;?xml version=&quot;1.0&quot; encoding=&quot;UTF-8&quot;?&gt;<br /> &lt;dictionary&gt;<br /> &lt;alphabet&gt;അആഇഈഉഊഋഌഎഏഐഒഓഔകഖഗഘങചഛജഝഞടഠഡഢണതഥദധനഩപഫബഭമയരറലളഴവശഷസഹഽാിീുൂൃൄെേൈൊോൌ്ൗൠൡൢൣൺൻര്‍ൾൿംഃ&lt;/alphabet&gt;<br /> &lt;sdefs&gt;<br /> &lt;/sdefs&gt;<br /> &lt;pardefs&gt;<br /> <br /> &lt;/pardefs&gt;<br /> &lt;section id=&quot;main&quot; type=&quot;standard&quot;&gt;<br /> <br /> &lt;/section&gt;<br /> &lt;/dictionary&gt;<br /> <br /> &lt;/pre&gt;<br /> <br /> ഇതിലെ ഒരോ ടാഗുകളും അതിന്റെ ഉപയോഗങ്ങളും <br /> * &lt;dictionary&gt;&lt;/dictionary&gt; : ഈ ടഗിനകത്താണ് നമ്മുടെ നിഗണ്ടുവിലെ ഉള്ളടക്കം ചേര്‍ക്കേണ്ടത് <br /> * &lt;alphabet&gt;&lt;/alphabet&gt; : ഈ ടാഗിനകതാണ് അക്ഷരങ്ങള്‍ ചേര്‍ക്കേണ്ടത് <br /> * &lt;sdefs&gt;&lt;/sdefs&gt; : സിംബല്‍ നിര്‍വചിക്കാന്‍<br /> * &lt;pdefs&gt;&lt;/pdefs&gt; : paradigms നിര്‍വചിക്കാന്‍ <br /> * &lt;section&gt;&lt;/section&gt; : വാക്കുകള്‍ നിര്‍വചിക്കാന്‍<br /> <br /> നമുക്കിതില്‍ മരം എന്ന വാക്ക് ചേര്‍ത്തു നോക്കാം <br /> &lt;pre&gt;<br /> &lt;?xml version=&quot;1.0&quot; encoding=&quot;UTF-8&quot;?&gt;<br /> &lt;dictionary&gt;<br /> &lt;alphabet&gt;അആഇഈഉഊഋഌഎഏഐഒഓഔകഖഗഘങചഛജഝഞടഠഡഢണതഥദധനഩപഫബഭമയരറലളഴവശഷസഹഽാിീുൂൃൄെേൈൊോൌ്ൗൠൡൢൣൺൻര്‍ൾൿംഃ&lt;/alphabet&gt;<br /> &lt;sdefs&gt;<br /> &lt;sdef n=&quot;n&quot; c=&quot;Noun . നാമം&quot;/&gt;<br /> &lt;sdef n=&quot;nom&quot; c=&quot;Nominative&quot;/&gt;<br /> &lt;sdef n=&quot;acc&quot; c=&quot;Accusative&quot;/&gt;<br /> &lt;sdef n=&quot;ins&quot; c=&quot;Instrumental&quot;/&gt;<br /> &lt;sdef n=&quot;soc&quot; c=&quot;Sociative&quot;/&gt;<br /> &lt;sdef n=&quot;dat&quot; c=&quot;Dative&quot;/&gt;<br /> &lt;sdef n=&quot;voc&quot; c=&quot;Vocative&quot;/&gt;<br /> &lt;sdef n=&quot;gen&quot; c=&quot;Genitive&quot;/&gt;<br /> &lt;sdef n=&quot;loc&quot; c=&quot;Locative&quot;/&gt;<br /> &lt;sdef n=&quot;pl&quot; c=&quot;Plural . ബഹു വചനം&quot;/&gt;<br /> &lt;sdef n=&quot;sp&quot; c=&quot;Singular / Plural . ഏകവചനം&quot;/&gt;<br /> &lt;/sdefs&gt;<br /> &lt;pardefs&gt;<br /> &lt;pardef n=&quot;മര/ം__n&quot;&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ം&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;sg&quot;/&gt;&lt;s n=&quot;nom&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ത്തെ&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;sg&quot;/&gt;&lt;s n=&quot;acc&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ത്തിന്റെ&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;sg&quot;/&gt;&lt;s n=&quot;gen&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ത്തിന്&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;sg&quot;/&gt;&lt;s n=&quot;dat&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ത്തില്‍&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;sg&quot;/&gt;&lt;s n=&quot;loc&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ത്താല്‍&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;sg&quot;/&gt;&lt;s n=&quot;ins&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;മേ&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;sg&quot;/&gt;&lt;s n=&quot;voc&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ത്തൊടു&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;sg&quot;/&gt;&lt;s n=&quot;soc&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ങ്ങള്‍&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;pl&quot;/&gt;&lt;s n=&quot;nom&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ങ്ങളെ&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;pl&quot;/&gt;&lt;s n=&quot;acc&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ങ്ങളുടെ&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;pl&quot;/&gt;&lt;s n=&quot;gen&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ങ്ങള്‍കൂ&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;pl&quot;/&gt;&lt;s n=&quot;dat&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ങ്ങളില്‍&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;pl&quot;/&gt;&lt;s n=&quot;loc&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ങ്ങളാല്‍&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;pl&quot;/&gt;&lt;s n=&quot;ins&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ങ്ങളേ&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;pl&quot;/&gt;&lt;s n=&quot;voc&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ങ്ങളോടു&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;pl&quot;/&gt;&lt;s n=&quot;soc&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;/pardef&gt;<br /> &lt;/pardefs&gt;<br /> &lt;section id=&quot;main&quot; type=&quot;standard&quot;&gt;<br /> &lt;e lm=&quot;മരം&quot;&gt;&lt;i&gt;മര&lt;/i&gt;&lt;par n=&quot;മര/ം__n&quot;/&gt;&lt;/e&gt;<br /> &lt;/section&gt;<br /> &lt;dictionary&gt;<br /> &lt;/pre&gt;<br /> <br /> == റിസോഴ്സെസ് ==<br /> <br /> == കൂടുതല്‍ വിവരങ്ങള്‍ക്ക് ==<br /> * http://wiki.apertium.org<br /> * http://wiki.apertium.org/wiki/Apertium_New_Language_Pair_HOWTO<br /> * [[User:Tachyons]]</div>

Tachyons https://wiki.smc.org.in/index.php?title=Machine_translation&diff=4260 2013-08-28T07:50:02Z

<p>Tachyons: /* morphological Analyzer */</p> <hr /> <div><br /> == Machine language translation with apertium ==<br /> കമ്പ്യൂട്ടറിന്റെ സഹായത്താല്‍ ഒരു ഭാഷയിലുള്ള ഉള്ളടക്കത്തെ മറ്റൊരു ഭാഷയിലേക്ക് പരിഭാഷപ്പെടുത്തുന്നതിനെയാണ് യാന്ത്രിക പരിഭാഷ എന്നു പറയുന്നത്. ഒരു ഭാഷയിലെ വാക്കുകള്‍ക്ക് പകരം target ഭാഷയിലെ വാക്കുകള്‍ പകരം വച്ചതുകൊണ്ടു മാത്രം പരിഭാഷ സാധ്യമല്ല , കാരണം ഓരോ ഭാഷയ്ക്കും വ്യത്യസ്തമായ വ്യാകരണമാണ്. <br /> <br /> യാന്ത്രിക പരിഭാഷയെ പ്രധാനമായും രണ്ടായി തിരിക്കാം.<br /> <br /> # Rule Based<br /> # Corpus Based<br /> <br /> === Rule Based ===<br /> വ്യാകരണ നിയമങ്ങളുടെ അടിസ്ഥാനമാക്കി പരിഭാഷപെടുത്തുന്നതിനെയാണ് റൂള്‍ ബേസ്ഡ് എന്നു പറയുന്നത് <br /> &quot;Rule-based machine translation is like taking a set of dictionaries and a descriptive grammar, and trying to translate from one language you don’t know into another.&quot;<br /> ==== ഗുണങ്ങള്‍ ====<br /> # പ്രവചിക്കാവുന്ന ഫലം (predictable output)<br /> # പ്രവചിക്കാവുന്ന തെറ്റുകള്‍(predictable errors)<br /> # (incremental improvements)<br /> # തെറ്റുകള്‍ എളുപ്പത്തില്‍ കണ്ടുപിടിക്കാം <br /> # വലിയ അളവില്‍ നിലവിലുള്ള പരിഭാഷയുടെ ലഭ്യത ആവശ്യമില്ല.<br /> <br /> ====ദോഷങ്ങള്‍ ====<br /> # Lack of fluency<br /> # Lack of idiomaticness<br /> # “Mechanical” output<br /> # Development (വികസനം) കൂടുതല്‍ സമയമെടുത്തേക്കാം <br /> <br /> === Corpus Based ===<br /> ലഭ്യമായ മുന്‍ പരിഭാഷകള്‍ ഉപയോഗിച്ച് word matchingങ്ങിലൂടെ പരിഭാഷപ്പെടുത്തുന്നതിനെയാണ് കോര്‍പസ് ബേസ്ഡ് പരിഭാഷ എന്നു പറയുന്നത് <br /> &quot;Corpus-based machine translation is like taking two documents in two languages you don’t know which are translations of each other and trying to match up words. Then you use these words to build sentences which you put into Google to see if they sound likely.&quot;<br /> <br /> ==== ഗുണങ്ങള്‍ ====<br /> # Fluent output<br /> # Idiomatic output<br /> # No need for linguistic resources:<br /> ## dictionaries<br /> ## grammars<br /> ## linguists<br /> <br /> ====ദോഷങ്ങള്‍ ====<br /> # Unpredictable<br /> # Incremental improvements are hard<br /> # Development can be time consuming<br /> <br /> റൂള്‍ ബേസ്ഡ് പരിഭാഷയെ അടിസ്താനമാകിയുള്ള സ്വതന്ത്ര സോഫ്ട്വൈര്‍ ആണ് apertium. wikimeadia യുടെ പുതിയ പരിഭാഷ പദ്ധതിയിലും apertium ആണ് ഉപയോഗിക്കുന്നത് .ലളിതവും extensibility യുമാണ് അപെറ്ടിയത്തെ പ്രിയങ്കരമാക്കുന്നത് . 2004 ഇല്‍ സ്പൈന് വ്യവസായ വകുപ്പിന്റെ കീഴില്‍ കണ്‍സോര്ഷ്യമാണ് അപെറ്ടിയം ഉണ്ടാക്കിയത് <br /> <br /> == സ്ഥാപിക്കാന്‍/Installation ==<br /> Installing the newest version from SVN<br /> <br /> <br /> Step 1: '''install the prerequisites.'''<br /> ടെര്‍മിനല്‍ ഓപെണ്‍ ചെയ്ത് താഴെയുള്ള കോഡ് എന്റെര്‍ ചെയ്യുക <br /> &lt;pre&gt;<br /> sudo apt-get install subversion build-essential pkg-config gawk libxml2 libxml2-dev libxml2-utils xsltproc flex automake libtool libpcre3-dev <br /> &lt;/pre&gt;<br /> ''പാസ്വെര്‍ഡ് ട്യെപ് ചെയ്ത് എന്റെര്‍ ചെയ്യുക .'' <br /> <br /> Step 2: '''Download required packages.'''<br /> &lt;pre&gt;<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/lttoolbox<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/apertium<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/apertium-lex-tools<br /> &lt;/pre&gt;<br /> <br /> Step 2: '''compile and install.'''<br /> &lt;pre&gt;<br /> cd lttoolbox<br /> ./autogen.sh <br /> make<br /> make install<br /> ldconfig<br /> &lt;/pre&gt;<br /> &lt;pre&gt;<br /> cd apertium<br /> ./autogen.sh <br /> make<br /> make install<br /> ldconfig<br /> &lt;/pre&gt;<br /> &lt;pre&gt;<br /> cd apertium-lex-tools<br /> ./autogen.sh <br /> make<br /> make install<br /> ldconfig<br /> &lt;/pre&gt;<br /> <br /> ==ഘടന ==<br /> [[File:Structure.png]]<br /> <br /> ; Deformatter<br /> <br /> : ഈ സ്ടെപ്പില്‍ പരിഭാഷപ്പെടുത്തേണ്ട textഇനെ ഫോര്‍മാറ്റിങ്ങുകളില്‍ നിന്നു മുക്തമാകും , ഉദാഹരണത്തിന് പരിഭാഷപെടുത്തേണ്ട text ഒരു html ഫയല്‍ ആണെങ്കില്‍ അതിലെ ടാഗ്സ് ഒഴിവാക്കും<br /> ; Morphological analyzer<br /> : ഈ സ്ടെപ്പില്‍ പരിഭാഷപ്പെടുത്തേണ്ട textഇനെ സര്‍ഫസ് ഫോമുകളായി ഭാഗിക്കുകയും , ഒരോന്നിനും ഒന്നോ അതിലതികമോ ലെക്സിക്കല്‍ ഫോമുകള്‍ കണ്ടെത്തുകയും ചെയ്യും <br /> ; Part of speech tagger<br /> : ഒന്നിലതികം ലെക്സിക്കല്‍ ഫോമുകളുള്ള വാക്കുക്കളില്‍ ഏറ്റവും അനുയോജ്യമായത് തിരഞെടുക്കും <br /> ; Lexical transfer<br /> ; Lexical Selection<br /> ; Structural Transfer<br /> ; Morphological generator<br /> ; Post generator<br /> ; Reformatter<br /> : ആദ്യത്തെ സ്ടെപ്പില്‍ ഒഴിവാക്കിയ ഫോര്‍മാറ്റിങ്ങ് വിവരങ്ങള്‍ വീണ്ടും ചേര്‍ക്കും<br /> <br /> == മലയാളം പരിഭാഷ ==<br /> എനി നമുക്ക് അപെര്‍ടിയം ഉപയോഗിച്ച് മലയാളം പരിഭാഷ എങ്ങനെ ചെയ്യും എന്നു നോക്കം (It is difficult to handle agglutination in the following method) <br /> === morphological Analyzer ===<br /> ഇതിനു നമുക്ക് മൂന്ന് നിഘണ്ടുകള്‍ വേണം<br /> # mono lingual dictionary of malayalam<br /> # mono lingual dictionary of malayalam<br /> # bilingual english malayalam dictionary<br /> <br /> ആദ്യം മലയാളം മോണൊlingual നിഘണ്ടു എങ്ങനെ ഉണ്ടാക്കും എന്നു നോക്കാം<br /> &lt;pre&gt;<br /> <br /> &lt;?xml version=&quot;1.0&quot; encoding=&quot;UTF-8&quot;?&gt;<br /> &lt;dictionary&gt;<br /> &lt;alphabet&gt;അആഇഈഉഊഋഌഎഏഐഒഓഔകഖഗഘങചഛജഝഞടഠഡഢണതഥദധനഩപഫബഭമയരറലളഴവശഷസഹഽാിീുൂൃൄെേൈൊോൌ്ൗൠൡൢൣൺൻര്‍ൾൿംഃ&lt;/alphabet&gt;<br /> &lt;sdefs&gt;<br /> &lt;/sdefs&gt;<br /> &lt;pardefs&gt;<br /> <br /> &lt;/pardefs&gt;<br /> &lt;section id=&quot;main&quot; type=&quot;standard&quot;&gt;<br /> <br /> &lt;/section&gt;<br /> &lt;/dictionary&gt;<br /> <br /> &lt;/pre&gt;<br /> <br /> ഇതിലെ ഒരോ ടാഗുകളും അതിന്റെ ഉപയോഗങ്ങളും <br /> * &lt;dictionary&gt;&lt;/dictionary&gt; : ഈ ടഗിനകത്താണ് നമ്മുടെ നിഗണ്ടുവിലെ ഉള്ളടക്കം ചേര്‍ക്കേണ്ടത് <br /> * &lt;alphabet&gt;&lt;/alphabet&gt; : ഈ ടാഗിനകതാണ് അക്ഷരങ്ങള്‍ ചേര്‍ക്കേണ്ടത് <br /> * &lt;sdefs&gt;&lt;/sdefs&gt; : സിംബല്‍ നിര്‍വചിക്കാന്‍<br /> * &lt;pdefs&gt;&lt;/pdefs&gt; : paradigms നിര്‍വചിക്കാന്‍ <br /> * &lt;section&gt;&lt;/section&gt; : വാക്കുകള്‍ നിര്‍വചിക്കാന്‍<br /> <br /> നമുക്കിതില്‍ മരം എന്ന വാക്ക് ചേര്‍ത്തു നോക്കാം <br /> &lt;pre&gt;<br /> &lt;?xml version=&quot;1.0&quot; encoding=&quot;UTF-8&quot;?&gt;<br /> &lt;dictionary&gt;<br /> &lt;alphabet&gt;അആഇഈഉഊഋഌഎഏഐഒഓഔകഖഗഘങചഛജഝഞടഠഡഢണതഥദധനഩപഫബഭമയരറലളഴവശഷസഹഽാിീുൂൃൄെേൈൊോൌ്ൗൠൡൢൣൺൻര്‍ൾൿംഃ&lt;/alphabet&gt;<br /> &lt;sdefs&gt;<br /> &lt;sdef n=&quot;n&quot; c=&quot;Noun . നാമം&quot;/&gt;<br /> &lt;sdef n=&quot;nom&quot; c=&quot;Nominative&quot;/&gt;<br /> &lt;sdef n=&quot;acc&quot; c=&quot;Accusative&quot;/&gt;<br /> &lt;sdef n=&quot;ins&quot; c=&quot;Instrumental&quot;/&gt;<br /> &lt;sdef n=&quot;soc&quot; c=&quot;Sociative&quot;/&gt;<br /> &lt;sdef n=&quot;dat&quot; c=&quot;Dative&quot;/&gt;<br /> &lt;sdef n=&quot;voc&quot; c=&quot;Vocative&quot;/&gt;<br /> &lt;sdef n=&quot;gen&quot; c=&quot;Genitive&quot;/&gt;<br /> &lt;sdef n=&quot;loc&quot; c=&quot;Locative&quot;/&gt;<br /> &lt;sdef n=&quot;pl&quot; c=&quot;Plural . ബഹു വചനം&quot;/&gt;<br /> &lt;sdef n=&quot;sp&quot; c=&quot;Singular / Plural . ഏകവചനം&quot;/&gt;<br /> &lt;/sdefs&gt;<br /> &lt;pardefs&gt;<br /> &lt;pardef n=&quot;മര/ം__n&quot;&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ം&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;sg&quot;/&gt;&lt;s n=&quot;nom&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ത്തെ&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;sg&quot;/&gt;&lt;s n=&quot;acc&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ത്തിന്റെ&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;sg&quot;/&gt;&lt;s n=&quot;gen&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ത്തിന്&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;sg&quot;/&gt;&lt;s n=&quot;dat&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ത്തില്‍&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;sg&quot;/&gt;&lt;s n=&quot;loc&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ത്താല്‍&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;sg&quot;/&gt;&lt;s n=&quot;ins&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;മേ&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;sg&quot;/&gt;&lt;s n=&quot;voc&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ത്തൊടു&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;sg&quot;/&gt;&lt;s n=&quot;soc&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ങ്ങള്‍&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;pl&quot;/&gt;&lt;s n=&quot;nom&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ങ്ങളെ&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;pl&quot;/&gt;&lt;s n=&quot;acc&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ങ്ങളുടെ&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;pl&quot;/&gt;&lt;s n=&quot;gen&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ങ്ങള്‍കൂ&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;pl&quot;/&gt;&lt;s n=&quot;dat&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ങ്ങളില്‍&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;pl&quot;/&gt;&lt;s n=&quot;loc&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ങ്ങളാല്‍&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;pl&quot;/&gt;&lt;s n=&quot;ins&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ങ്ങളേ&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;pl&quot;/&gt;&lt;s n=&quot;voc&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;e&gt; &lt;p&gt;&lt;l&gt;ങ്ങളോടു&lt;/l&gt;&lt;r&gt;ം&lt;s n=&quot;n&quot;/&gt;&lt;s n=&quot;pl&quot;/&gt;&lt;s n=&quot;soc&quot;/&gt;&lt;/r&gt;&lt;/p&gt;&lt;/e&gt;<br /> &lt;/pardef&gt;<br /> &lt;/pardefs&gt;<br /> &lt;section id=&quot;main&quot; type=&quot;standard&quot;&gt;<br /> &lt;e lm=&quot;മരം&quot;&gt;&lt;i&gt;മര&lt;/i&gt;&lt;par n=&quot;മര/ം__n&quot;/&gt;&lt;/e&gt;<br /> &lt;/section&gt;<br /> &lt;dictionary&gt;<br /> &lt;/pre&gt;<br /> <br /> == റിസോഴ്സെസ് ==<br /> <br /> == കൂടുതല്‍ വിവരങ്ങള്‍ക്ക് ==<br /> * http://wiki.apertium.org/wiki/Language_and_pair_maintainer<br /> * [[User:Tachyons]]</div>

Tachyons https://wiki.smc.org.in/index.php?title=Machine_translation&diff=4259 2013-08-28T07:36:23Z

<p>Tachyons: /* morphological Analyzer */</p> <hr /> <div><br /> == Machine language translation with apertium ==<br /> കമ്പ്യൂട്ടറിന്റെ സഹായത്താല്‍ ഒരു ഭാഷയിലുള്ള ഉള്ളടക്കത്തെ മറ്റൊരു ഭാഷയിലേക്ക് പരിഭാഷപ്പെടുത്തുന്നതിനെയാണ് യാന്ത്രിക പരിഭാഷ എന്നു പറയുന്നത്. ഒരു ഭാഷയിലെ വാക്കുകള്‍ക്ക് പകരം target ഭാഷയിലെ വാക്കുകള്‍ പകരം വച്ചതുകൊണ്ടു മാത്രം പരിഭാഷ സാധ്യമല്ല , കാരണം ഓരോ ഭാഷയ്ക്കും വ്യത്യസ്തമായ വ്യാകരണമാണ്. <br /> <br /> യാന്ത്രിക പരിഭാഷയെ പ്രധാനമായും രണ്ടായി തിരിക്കാം.<br /> <br /> # Rule Based<br /> # Corpus Based<br /> <br /> === Rule Based ===<br /> വ്യാകരണ നിയമങ്ങളുടെ അടിസ്ഥാനമാക്കി പരിഭാഷപെടുത്തുന്നതിനെയാണ് റൂള്‍ ബേസ്ഡ് എന്നു പറയുന്നത് <br /> &quot;Rule-based machine translation is like taking a set of dictionaries and a descriptive grammar, and trying to translate from one language you don’t know into another.&quot;<br /> ==== ഗുണങ്ങള്‍ ====<br /> # പ്രവചിക്കാവുന്ന ഫലം (predictable output)<br /> # പ്രവചിക്കാവുന്ന തെറ്റുകള്‍(predictable errors)<br /> # (incremental improvements)<br /> # തെറ്റുകള്‍ എളുപ്പത്തില്‍ കണ്ടുപിടിക്കാം <br /> # വലിയ അളവില്‍ നിലവിലുള്ള പരിഭാഷയുടെ ലഭ്യത ആവശ്യമില്ല.<br /> <br /> ====ദോഷങ്ങള്‍ ====<br /> # Lack of fluency<br /> # Lack of idiomaticness<br /> # “Mechanical” output<br /> # Development (വികസനം) കൂടുതല്‍ സമയമെടുത്തേക്കാം <br /> <br /> === Corpus Based ===<br /> ലഭ്യമായ മുന്‍ പരിഭാഷകള്‍ ഉപയോഗിച്ച് word matchingങ്ങിലൂടെ പരിഭാഷപ്പെടുത്തുന്നതിനെയാണ് കോര്‍പസ് ബേസ്ഡ് പരിഭാഷ എന്നു പറയുന്നത് <br /> &quot;Corpus-based machine translation is like taking two documents in two languages you don’t know which are translations of each other and trying to match up words. Then you use these words to build sentences which you put into Google to see if they sound likely.&quot;<br /> <br /> ==== ഗുണങ്ങള്‍ ====<br /> # Fluent output<br /> # Idiomatic output<br /> # No need for linguistic resources:<br /> ## dictionaries<br /> ## grammars<br /> ## linguists<br /> <br /> ====ദോഷങ്ങള്‍ ====<br /> # Unpredictable<br /> # Incremental improvements are hard<br /> # Development can be time consuming<br /> <br /> റൂള്‍ ബേസ്ഡ് പരിഭാഷയെ അടിസ്താനമാകിയുള്ള സ്വതന്ത്ര സോഫ്ട്വൈര്‍ ആണ് apertium. wikimeadia യുടെ പുതിയ പരിഭാഷ പദ്ധതിയിലും apertium ആണ് ഉപയോഗിക്കുന്നത് .ലളിതവും extensibility യുമാണ് അപെറ്ടിയത്തെ പ്രിയങ്കരമാക്കുന്നത് . 2004 ഇല്‍ സ്പൈന് വ്യവസായ വകുപ്പിന്റെ കീഴില്‍ കണ്‍സോര്ഷ്യമാണ് അപെറ്ടിയം ഉണ്ടാക്കിയത് <br /> <br /> == സ്ഥാപിക്കാന്‍/Installation ==<br /> Installing the newest version from SVN<br /> <br /> <br /> Step 1: '''install the prerequisites.'''<br /> ടെര്‍മിനല്‍ ഓപെണ്‍ ചെയ്ത് താഴെയുള്ള കോഡ് എന്റെര്‍ ചെയ്യുക <br /> &lt;pre&gt;<br /> sudo apt-get install subversion build-essential pkg-config gawk libxml2 libxml2-dev libxml2-utils xsltproc flex automake libtool libpcre3-dev <br /> &lt;/pre&gt;<br /> ''പാസ്വെര്‍ഡ് ട്യെപ് ചെയ്ത് എന്റെര്‍ ചെയ്യുക .'' <br /> <br /> Step 2: '''Download required packages.'''<br /> &lt;pre&gt;<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/lttoolbox<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/apertium<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/apertium-lex-tools<br /> &lt;/pre&gt;<br /> <br /> Step 2: '''compile and install.'''<br /> &lt;pre&gt;<br /> cd lttoolbox<br /> ./autogen.sh <br /> make<br /> make install<br /> ldconfig<br /> &lt;/pre&gt;<br /> &lt;pre&gt;<br /> cd apertium<br /> ./autogen.sh <br /> make<br /> make install<br /> ldconfig<br /> &lt;/pre&gt;<br /> &lt;pre&gt;<br /> cd apertium-lex-tools<br /> ./autogen.sh <br /> make<br /> make install<br /> ldconfig<br /> &lt;/pre&gt;<br /> <br /> ==ഘടന ==<br /> [[File:Structure.png]]<br /> <br /> ; Deformatter<br /> <br /> : ഈ സ്ടെപ്പില്‍ പരിഭാഷപ്പെടുത്തേണ്ട textഇനെ ഫോര്‍മാറ്റിങ്ങുകളില്‍ നിന്നു മുക്തമാകും , ഉദാഹരണത്തിന് പരിഭാഷപെടുത്തേണ്ട text ഒരു html ഫയല്‍ ആണെങ്കില്‍ അതിലെ ടാഗ്സ് ഒഴിവാക്കും<br /> ; Morphological analyzer<br /> : ഈ സ്ടെപ്പില്‍ പരിഭാഷപ്പെടുത്തേണ്ട textഇനെ സര്‍ഫസ് ഫോമുകളായി ഭാഗിക്കുകയും , ഒരോന്നിനും ഒന്നോ അതിലതികമോ ലെക്സിക്കല്‍ ഫോമുകള്‍ കണ്ടെത്തുകയും ചെയ്യും <br /> ; Part of speech tagger<br /> : ഒന്നിലതികം ലെക്സിക്കല്‍ ഫോമുകളുള്ള വാക്കുക്കളില്‍ ഏറ്റവും അനുയോജ്യമായത് തിരഞെടുക്കും <br /> ; Lexical transfer<br /> ; Lexical Selection<br /> ; Structural Transfer<br /> ; Morphological generator<br /> ; Post generator<br /> ; Reformatter<br /> : ആദ്യത്തെ സ്ടെപ്പില്‍ ഒഴിവാക്കിയ ഫോര്‍മാറ്റിങ്ങ് വിവരങ്ങള്‍ വീണ്ടും ചേര്‍ക്കും<br /> <br /> == മലയാളം പരിഭാഷ ==<br /> എനി നമുക്ക് അപെര്‍ടിയം ഉപയോഗിച്ച് മലയാളം പരിഭാഷ എങ്ങനെ ചെയ്യും എന്നു നോക്കം (It is difficult to handle agglutination in the following method) <br /> === morphological Analyzer ===<br /> ഇതിനു നമുക്ക് മൂന്ന് നിഘണ്ടുകള്‍ വേണം<br /> # mono lingual dictionary of malayalam<br /> # mono lingual dictionary of malayalam<br /> # bilingual english malayalam dictionary<br /> <br /> ആദ്യം മലയാളം മോണൊlingual നിഘണ്ടു എങ്ങനെ ഉണ്ടാക്കും എന്നു നോക്കാം<br /> &lt;pre&gt;<br /> <br /> &lt;?xml version=&quot;1.0&quot; encoding=&quot;UTF-8&quot;?&gt;<br /> &lt;dictionary&gt;<br /> &lt;alphabet&gt;അആഇഈഉഊഋഌഎഏഐഒഓഔകഖഗഘങചഛജഝഞടഠഡഢണതഥദധനഩപഫബഭമയരറലളഴവശഷസഹഽാിീുൂൃൄെേൈൊോൌ്ൗൠൡൢൣൺൻര്‍ൾൿംഃ&lt;/alphabet&gt;<br /> &lt;sdefs&gt;<br /> &lt;/sdefs&gt;<br /> &lt;pardefs&gt;<br /> <br /> &lt;/pardefs&gt;<br /> &lt;section id=&quot;main&quot; type=&quot;standard&quot;&gt;<br /> <br /> &lt;/section&gt;<br /> &lt;/dictionary&gt;<br /> <br /> &lt;/pre&gt;<br /> <br /> ഇതിലെ ഒരോ ടാഗുകളും അതിന്റെ ഉപയോഗങ്ങളും <br /> * &lt;dictionary&gt;&lt;/dictionary&gt; : ഈ ടഗിനകത്താണ് നമ്മുടെ നിഗണ്ടുവിലെ ഉള്ളടക്കം ചേര്‍ക്കേണ്ടത് <br /> * &lt;alphabet&gt;&lt;/alphabet&gt; : ഈ ടാഗിനകതാണ് അക്ഷരങ്ങള്‍ ചേര്‍ക്കേണ്ടത് <br /> * &lt;sdefs&gt;&lt;/sdefs&gt; : സിംബല്‍ നിര്‍വചിക്കാന്‍<br /> * &lt;pdefs&gt;&lt;/pdefs&gt; : paradigms നിര്‍വചിക്കാന്‍ <br /> * &lt;section&gt;&lt;/section&gt; : വാക്കുകള്‍ നിര്‍വചിക്കാന്‍<br /> <br /> == റിസോഴ്സെസ് ==<br /> <br /> == കൂടുതല്‍ വിവരങ്ങള്‍ക്ക് ==<br /> * http://wiki.apertium.org/wiki/Language_and_pair_maintainer<br /> * [[User:Tachyons]]</div>

Tachyons https://wiki.smc.org.in/index.php?title=Machine_translation&diff=4258 2013-08-28T07:27:13Z

<p>Tachyons: /* morphological Analyzer */</p> <hr /> <div><br /> == Machine language translation with apertium ==<br /> കമ്പ്യൂട്ടറിന്റെ സഹായത്താല്‍ ഒരു ഭാഷയിലുള്ള ഉള്ളടക്കത്തെ മറ്റൊരു ഭാഷയിലേക്ക് പരിഭാഷപ്പെടുത്തുന്നതിനെയാണ് യാന്ത്രിക പരിഭാഷ എന്നു പറയുന്നത്. ഒരു ഭാഷയിലെ വാക്കുകള്‍ക്ക് പകരം target ഭാഷയിലെ വാക്കുകള്‍ പകരം വച്ചതുകൊണ്ടു മാത്രം പരിഭാഷ സാധ്യമല്ല , കാരണം ഓരോ ഭാഷയ്ക്കും വ്യത്യസ്തമായ വ്യാകരണമാണ്. <br /> <br /> യാന്ത്രിക പരിഭാഷയെ പ്രധാനമായും രണ്ടായി തിരിക്കാം.<br /> <br /> # Rule Based<br /> # Corpus Based<br /> <br /> === Rule Based ===<br /> വ്യാകരണ നിയമങ്ങളുടെ അടിസ്ഥാനമാക്കി പരിഭാഷപെടുത്തുന്നതിനെയാണ് റൂള്‍ ബേസ്ഡ് എന്നു പറയുന്നത് <br /> &quot;Rule-based machine translation is like taking a set of dictionaries and a descriptive grammar, and trying to translate from one language you don’t know into another.&quot;<br /> ==== ഗുണങ്ങള്‍ ====<br /> # പ്രവചിക്കാവുന്ന ഫലം (predictable output)<br /> # പ്രവചിക്കാവുന്ന തെറ്റുകള്‍(predictable errors)<br /> # (incremental improvements)<br /> # തെറ്റുകള്‍ എളുപ്പത്തില്‍ കണ്ടുപിടിക്കാം <br /> # വലിയ അളവില്‍ നിലവിലുള്ള പരിഭാഷയുടെ ലഭ്യത ആവശ്യമില്ല.<br /> <br /> ====ദോഷങ്ങള്‍ ====<br /> # Lack of fluency<br /> # Lack of idiomaticness<br /> # “Mechanical” output<br /> # Development (വികസനം) കൂടുതല്‍ സമയമെടുത്തേക്കാം <br /> <br /> === Corpus Based ===<br /> ലഭ്യമായ മുന്‍ പരിഭാഷകള്‍ ഉപയോഗിച്ച് word matchingങ്ങിലൂടെ പരിഭാഷപ്പെടുത്തുന്നതിനെയാണ് കോര്‍പസ് ബേസ്ഡ് പരിഭാഷ എന്നു പറയുന്നത് <br /> &quot;Corpus-based machine translation is like taking two documents in two languages you don’t know which are translations of each other and trying to match up words. Then you use these words to build sentences which you put into Google to see if they sound likely.&quot;<br /> <br /> ==== ഗുണങ്ങള്‍ ====<br /> # Fluent output<br /> # Idiomatic output<br /> # No need for linguistic resources:<br /> ## dictionaries<br /> ## grammars<br /> ## linguists<br /> <br /> ====ദോഷങ്ങള്‍ ====<br /> # Unpredictable<br /> # Incremental improvements are hard<br /> # Development can be time consuming<br /> <br /> റൂള്‍ ബേസ്ഡ് പരിഭാഷയെ അടിസ്താനമാകിയുള്ള സ്വതന്ത്ര സോഫ്ട്വൈര്‍ ആണ് apertium. wikimeadia യുടെ പുതിയ പരിഭാഷ പദ്ധതിയിലും apertium ആണ് ഉപയോഗിക്കുന്നത് .ലളിതവും extensibility യുമാണ് അപെറ്ടിയത്തെ പ്രിയങ്കരമാക്കുന്നത് . 2004 ഇല്‍ സ്പൈന് വ്യവസായ വകുപ്പിന്റെ കീഴില്‍ കണ്‍സോര്ഷ്യമാണ് അപെറ്ടിയം ഉണ്ടാക്കിയത് <br /> <br /> == സ്ഥാപിക്കാന്‍/Installation ==<br /> Installing the newest version from SVN<br /> <br /> <br /> Step 1: '''install the prerequisites.'''<br /> ടെര്‍മിനല്‍ ഓപെണ്‍ ചെയ്ത് താഴെയുള്ള കോഡ് എന്റെര്‍ ചെയ്യുക <br /> &lt;pre&gt;<br /> sudo apt-get install subversion build-essential pkg-config gawk libxml2 libxml2-dev libxml2-utils xsltproc flex automake libtool libpcre3-dev <br /> &lt;/pre&gt;<br /> ''പാസ്വെര്‍ഡ് ട്യെപ് ചെയ്ത് എന്റെര്‍ ചെയ്യുക .'' <br /> <br /> Step 2: '''Download required packages.'''<br /> &lt;pre&gt;<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/lttoolbox<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/apertium<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/apertium-lex-tools<br /> &lt;/pre&gt;<br /> <br /> Step 2: '''compile and install.'''<br /> &lt;pre&gt;<br /> cd lttoolbox<br /> ./autogen.sh <br /> make<br /> make install<br /> ldconfig<br /> &lt;/pre&gt;<br /> &lt;pre&gt;<br /> cd apertium<br /> ./autogen.sh <br /> make<br /> make install<br /> ldconfig<br /> &lt;/pre&gt;<br /> &lt;pre&gt;<br /> cd apertium-lex-tools<br /> ./autogen.sh <br /> make<br /> make install<br /> ldconfig<br /> &lt;/pre&gt;<br /> <br /> ==ഘടന ==<br /> [[File:Structure.png]]<br /> <br /> ; Deformatter<br /> <br /> : ഈ സ്ടെപ്പില്‍ പരിഭാഷപ്പെടുത്തേണ്ട textഇനെ ഫോര്‍മാറ്റിങ്ങുകളില്‍ നിന്നു മുക്തമാകും , ഉദാഹരണത്തിന് പരിഭാഷപെടുത്തേണ്ട text ഒരു html ഫയല്‍ ആണെങ്കില്‍ അതിലെ ടാഗ്സ് ഒഴിവാക്കും<br /> ; Morphological analyzer<br /> : ഈ സ്ടെപ്പില്‍ പരിഭാഷപ്പെടുത്തേണ്ട textഇനെ സര്‍ഫസ് ഫോമുകളായി ഭാഗിക്കുകയും , ഒരോന്നിനും ഒന്നോ അതിലതികമോ ലെക്സിക്കല്‍ ഫോമുകള്‍ കണ്ടെത്തുകയും ചെയ്യും <br /> ; Part of speech tagger<br /> : ഒന്നിലതികം ലെക്സിക്കല്‍ ഫോമുകളുള്ള വാക്കുക്കളില്‍ ഏറ്റവും അനുയോജ്യമായത് തിരഞെടുക്കും <br /> ; Lexical transfer<br /> ; Lexical Selection<br /> ; Structural Transfer<br /> ; Morphological generator<br /> ; Post generator<br /> ; Reformatter<br /> : ആദ്യത്തെ സ്ടെപ്പില്‍ ഒഴിവാക്കിയ ഫോര്‍മാറ്റിങ്ങ് വിവരങ്ങള്‍ വീണ്ടും ചേര്‍ക്കും<br /> <br /> == മലയാളം പരിഭാഷ ==<br /> എനി നമുക്ക് അപെര്‍ടിയം ഉപയോഗിച്ച് മലയാളം പരിഭാഷ എങ്ങനെ ചെയ്യും എന്നു നോക്കം (It is difficult to handle agglutination in the following method) <br /> === morphological Analyzer ===<br /> ഇതിനു നമുക്ക് മൂന്ന് നിഘണ്ടുകള്‍ വേണം<br /> # mono lingual dictionary of malayalam<br /> # mono lingual dictionary of malayalam<br /> # bilingual english malayalam dictionary<br /> <br /> ആദ്യം മലയാളം മോണൊlingual നിഘണ്ടു എങ്ങനെ ഉണ്ടാക്കും എന്നു നോക്കാം<br /> &lt;pre&gt;<br /> <br /> &lt;?xml version=&quot;1.0&quot; encoding=&quot;UTF-8&quot;?&gt;<br /> &lt;dictionary&gt;<br /> &lt;alphabet&gt;അആഇഈഉഊഋഌഎഏഐഒഓഔകഖഗഘങചഛജഝഞടഠഡഢണതഥദധനഩപഫബഭമയരറലളഴവശഷസഹഽാിീുൂൃൄെേൈൊോൌ്ൗൠൡൢൣൺൻര്‍ൾൿംഃ&lt;/alphabet&gt;<br /> &lt;sdefs&gt;<br /> &lt;/sdefs&gt;<br /> &lt;pardefs&gt;<br /> <br /> &lt;/pardefs&gt;<br /> &lt;section id=&quot;main&quot; type=&quot;standard&quot;&gt;<br /> <br /> &lt;/section&gt;<br /> &lt;/dictionary&gt;<br /> <br /> &lt;/pre&gt;<br /> <br /> == റിസോഴ്സെസ് ==<br /> <br /> == കൂടുതല്‍ വിവരങ്ങള്‍ക്ക് ==<br /> * http://wiki.apertium.org/wiki/Language_and_pair_maintainer<br /> * [[User:Tachyons]]</div>

Tachyons https://wiki.smc.org.in/index.php?title=Machine_translation&diff=4257 2013-08-27T15:27:52Z

<p>Tachyons: /* = morphological Analyzer */</p> <hr /> <div><br /> == Machine language translation with apertium ==<br /> കമ്പ്യൂട്ടറിന്റെ സഹായത്താല്‍ ഒരു ഭാഷയിലുള്ള ഉള്ളടക്കത്തെ മറ്റൊരു ഭാഷയിലേക്ക് പരിഭാഷപ്പെടുത്തുന്നതിനെയാണ് യാന്ത്രിക പരിഭാഷ എന്നു പറയുന്നത്. ഒരു ഭാഷയിലെ വാക്കുകള്‍ക്ക് പകരം target ഭാഷയിലെ വാക്കുകള്‍ പകരം വച്ചതുകൊണ്ടു മാത്രം പരിഭാഷ സാധ്യമല്ല , കാരണം ഓരോ ഭാഷയ്ക്കും വ്യത്യസ്തമായ വ്യാകരണമാണ്. <br /> <br /> യാന്ത്രിക പരിഭാഷയെ പ്രധാനമായും രണ്ടായി തിരിക്കാം.<br /> <br /> # Rule Based<br /> # Corpus Based<br /> <br /> === Rule Based ===<br /> വ്യാകരണ നിയമങ്ങളുടെ അടിസ്ഥാനമാക്കി പരിഭാഷപെടുത്തുന്നതിനെയാണ് റൂള്‍ ബേസ്ഡ് എന്നു പറയുന്നത് <br /> &quot;Rule-based machine translation is like taking a set of dictionaries and a descriptive grammar, and trying to translate from one language you don’t know into another.&quot;<br /> ==== ഗുണങ്ങള്‍ ====<br /> # പ്രവചിക്കാവുന്ന ഫലം (predictable output)<br /> # പ്രവചിക്കാവുന്ന തെറ്റുകള്‍(predictable errors)<br /> # (incremental improvements)<br /> # തെറ്റുകള്‍ എളുപ്പത്തില്‍ കണ്ടുപിടിക്കാം <br /> # വലിയ അളവില്‍ നിലവിലുള്ള പരിഭാഷയുടെ ലഭ്യത ആവശ്യമില്ല.<br /> <br /> ====ദോഷങ്ങള്‍ ====<br /> # Lack of fluency<br /> # Lack of idiomaticness<br /> # “Mechanical” output<br /> # Development (വികസനം) കൂടുതല്‍ സമയമെടുത്തേക്കാം <br /> <br /> === Corpus Based ===<br /> ലഭ്യമായ മുന്‍ പരിഭാഷകള്‍ ഉപയോഗിച്ച് word matchingങ്ങിലൂടെ പരിഭാഷപ്പെടുത്തുന്നതിനെയാണ് കോര്‍പസ് ബേസ്ഡ് പരിഭാഷ എന്നു പറയുന്നത് <br /> &quot;Corpus-based machine translation is like taking two documents in two languages you don’t know which are translations of each other and trying to match up words. Then you use these words to build sentences which you put into Google to see if they sound likely.&quot;<br /> <br /> ==== ഗുണങ്ങള്‍ ====<br /> # Fluent output<br /> # Idiomatic output<br /> # No need for linguistic resources:<br /> ## dictionaries<br /> ## grammars<br /> ## linguists<br /> <br /> ====ദോഷങ്ങള്‍ ====<br /> # Unpredictable<br /> # Incremental improvements are hard<br /> # Development can be time consuming<br /> <br /> റൂള്‍ ബേസ്ഡ് പരിഭാഷയെ അടിസ്താനമാകിയുള്ള സ്വതന്ത്ര സോഫ്ട്വൈര്‍ ആണ് apertium. wikimeadia യുടെ പുതിയ പരിഭാഷ പദ്ധതിയിലും apertium ആണ് ഉപയോഗിക്കുന്നത് .ലളിതവും extensibility യുമാണ് അപെറ്ടിയത്തെ പ്രിയങ്കരമാക്കുന്നത് . 2004 ഇല്‍ സ്പൈന് വ്യവസായ വകുപ്പിന്റെ കീഴില്‍ കണ്‍സോര്ഷ്യമാണ് അപെറ്ടിയം ഉണ്ടാക്കിയത് <br /> <br /> == സ്ഥാപിക്കാന്‍/Installation ==<br /> Installing the newest version from SVN<br /> <br /> <br /> Step 1: '''install the prerequisites.'''<br /> ടെര്‍മിനല്‍ ഓപെണ്‍ ചെയ്ത് താഴെയുള്ള കോഡ് എന്റെര്‍ ചെയ്യുക <br /> &lt;pre&gt;<br /> sudo apt-get install subversion build-essential pkg-config gawk libxml2 libxml2-dev libxml2-utils xsltproc flex automake libtool libpcre3-dev <br /> &lt;/pre&gt;<br /> ''പാസ്വെര്‍ഡ് ട്യെപ് ചെയ്ത് എന്റെര്‍ ചെയ്യുക .'' <br /> <br /> Step 2: '''Download required packages.'''<br /> &lt;pre&gt;<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/lttoolbox<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/apertium<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/apertium-lex-tools<br /> &lt;/pre&gt;<br /> <br /> Step 2: '''compile and install.'''<br /> &lt;pre&gt;<br /> cd lttoolbox<br /> ./autogen.sh <br /> make<br /> make install<br /> ldconfig<br /> &lt;/pre&gt;<br /> &lt;pre&gt;<br /> cd apertium<br /> ./autogen.sh <br /> make<br /> make install<br /> ldconfig<br /> &lt;/pre&gt;<br /> &lt;pre&gt;<br /> cd apertium-lex-tools<br /> ./autogen.sh <br /> make<br /> make install<br /> ldconfig<br /> &lt;/pre&gt;<br /> <br /> ==ഘടന ==<br /> [[File:Structure.png]]<br /> <br /> ; Deformatter<br /> <br /> : ഈ സ്ടെപ്പില്‍ പരിഭാഷപ്പെടുത്തേണ്ട textഇനെ ഫോര്‍മാറ്റിങ്ങുകളില്‍ നിന്നു മുക്തമാകും , ഉദാഹരണത്തിന് പരിഭാഷപെടുത്തേണ്ട text ഒരു html ഫയല്‍ ആണെങ്കില്‍ അതിലെ ടാഗ്സ് ഒഴിവാക്കും<br /> ; Morphological analyzer<br /> : ഈ സ്ടെപ്പില്‍ പരിഭാഷപ്പെടുത്തേണ്ട textഇനെ സര്‍ഫസ് ഫോമുകളായി ഭാഗിക്കുകയും , ഒരോന്നിനും ഒന്നോ അതിലതികമോ ലെക്സിക്കല്‍ ഫോമുകള്‍ കണ്ടെത്തുകയും ചെയ്യും <br /> ; Part of speech tagger<br /> : ഒന്നിലതികം ലെക്സിക്കല്‍ ഫോമുകളുള്ള വാക്കുക്കളില്‍ ഏറ്റവും അനുയോജ്യമായത് തിരഞെടുക്കും <br /> ; Lexical transfer<br /> ; Lexical Selection<br /> ; Structural Transfer<br /> ; Morphological generator<br /> ; Post generator<br /> ; Reformatter<br /> : ആദ്യത്തെ സ്ടെപ്പില്‍ ഒഴിവാക്കിയ ഫോര്‍മാറ്റിങ്ങ് വിവരങ്ങള്‍ വീണ്ടും ചേര്‍ക്കും<br /> <br /> == മലയാളം പരിഭാഷ ==<br /> എനി നമുക്ക് അപെര്‍ടിയം ഉപയോഗിച്ച് മലയാളം പരിഭാഷ എങ്ങനെ ചെയ്യും എന്നു നോക്കം (It is difficult to handle agglutination in the following method) <br /> === morphological Analyzer ===<br /> ഇതിനു നമുക്ക് മൂന്ന് നിഘണ്ടുകള്‍ വേണം<br /> # mono lingual dictionary of malayalam<br /> # mono lingual dictionary of malayalam<br /> # bilingual english malayalam dictionary<br /> <br /> ആദ്യം മലയാളം മോണൊlingual നിഘണ്ടു എങ്ങനെ ഉണ്ടാക്കും എന്നു നോക്കാം<br /> <br /> == റിസോഴ്സെസ് ==<br /> <br /> == കൂടുതല്‍ വിവരങ്ങള്‍ക്ക് ==<br /> * http://wiki.apertium.org/wiki/Language_and_pair_maintainer<br /> * [[User:Tachyons]]</div>

Tachyons https://wiki.smc.org.in/index.php?title=Machine_translation&diff=4256 2013-08-27T15:27:13Z

<p>Tachyons: /* മലയാളം പരിഭാഷ */</p> <hr /> <div><br /> == Machine language translation with apertium ==<br /> കമ്പ്യൂട്ടറിന്റെ സഹായത്താല്‍ ഒരു ഭാഷയിലുള്ള ഉള്ളടക്കത്തെ മറ്റൊരു ഭാഷയിലേക്ക് പരിഭാഷപ്പെടുത്തുന്നതിനെയാണ് യാന്ത്രിക പരിഭാഷ എന്നു പറയുന്നത്. ഒരു ഭാഷയിലെ വാക്കുകള്‍ക്ക് പകരം target ഭാഷയിലെ വാക്കുകള്‍ പകരം വച്ചതുകൊണ്ടു മാത്രം പരിഭാഷ സാധ്യമല്ല , കാരണം ഓരോ ഭാഷയ്ക്കും വ്യത്യസ്തമായ വ്യാകരണമാണ്. <br /> <br /> യാന്ത്രിക പരിഭാഷയെ പ്രധാനമായും രണ്ടായി തിരിക്കാം.<br /> <br /> # Rule Based<br /> # Corpus Based<br /> <br /> === Rule Based ===<br /> വ്യാകരണ നിയമങ്ങളുടെ അടിസ്ഥാനമാക്കി പരിഭാഷപെടുത്തുന്നതിനെയാണ് റൂള്‍ ബേസ്ഡ് എന്നു പറയുന്നത് <br /> &quot;Rule-based machine translation is like taking a set of dictionaries and a descriptive grammar, and trying to translate from one language you don’t know into another.&quot;<br /> ==== ഗുണങ്ങള്‍ ====<br /> # പ്രവചിക്കാവുന്ന ഫലം (predictable output)<br /> # പ്രവചിക്കാവുന്ന തെറ്റുകള്‍(predictable errors)<br /> # (incremental improvements)<br /> # തെറ്റുകള്‍ എളുപ്പത്തില്‍ കണ്ടുപിടിക്കാം <br /> # വലിയ അളവില്‍ നിലവിലുള്ള പരിഭാഷയുടെ ലഭ്യത ആവശ്യമില്ല.<br /> <br /> ====ദോഷങ്ങള്‍ ====<br /> # Lack of fluency<br /> # Lack of idiomaticness<br /> # “Mechanical” output<br /> # Development (വികസനം) കൂടുതല്‍ സമയമെടുത്തേക്കാം <br /> <br /> === Corpus Based ===<br /> ലഭ്യമായ മുന്‍ പരിഭാഷകള്‍ ഉപയോഗിച്ച് word matchingങ്ങിലൂടെ പരിഭാഷപ്പെടുത്തുന്നതിനെയാണ് കോര്‍പസ് ബേസ്ഡ് പരിഭാഷ എന്നു പറയുന്നത് <br /> &quot;Corpus-based machine translation is like taking two documents in two languages you don’t know which are translations of each other and trying to match up words. Then you use these words to build sentences which you put into Google to see if they sound likely.&quot;<br /> <br /> ==== ഗുണങ്ങള്‍ ====<br /> # Fluent output<br /> # Idiomatic output<br /> # No need for linguistic resources:<br /> ## dictionaries<br /> ## grammars<br /> ## linguists<br /> <br /> ====ദോഷങ്ങള്‍ ====<br /> # Unpredictable<br /> # Incremental improvements are hard<br /> # Development can be time consuming<br /> <br /> റൂള്‍ ബേസ്ഡ് പരിഭാഷയെ അടിസ്താനമാകിയുള്ള സ്വതന്ത്ര സോഫ്ട്വൈര്‍ ആണ് apertium. wikimeadia യുടെ പുതിയ പരിഭാഷ പദ്ധതിയിലും apertium ആണ് ഉപയോഗിക്കുന്നത് .ലളിതവും extensibility യുമാണ് അപെറ്ടിയത്തെ പ്രിയങ്കരമാക്കുന്നത് . 2004 ഇല്‍ സ്പൈന് വ്യവസായ വകുപ്പിന്റെ കീഴില്‍ കണ്‍സോര്ഷ്യമാണ് അപെറ്ടിയം ഉണ്ടാക്കിയത് <br /> <br /> == സ്ഥാപിക്കാന്‍/Installation ==<br /> Installing the newest version from SVN<br /> <br /> <br /> Step 1: '''install the prerequisites.'''<br /> ടെര്‍മിനല്‍ ഓപെണ്‍ ചെയ്ത് താഴെയുള്ള കോഡ് എന്റെര്‍ ചെയ്യുക <br /> &lt;pre&gt;<br /> sudo apt-get install subversion build-essential pkg-config gawk libxml2 libxml2-dev libxml2-utils xsltproc flex automake libtool libpcre3-dev <br /> &lt;/pre&gt;<br /> ''പാസ്വെര്‍ഡ് ട്യെപ് ചെയ്ത് എന്റെര്‍ ചെയ്യുക .'' <br /> <br /> Step 2: '''Download required packages.'''<br /> &lt;pre&gt;<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/lttoolbox<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/apertium<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/apertium-lex-tools<br /> &lt;/pre&gt;<br /> <br /> Step 2: '''compile and install.'''<br /> &lt;pre&gt;<br /> cd lttoolbox<br /> ./autogen.sh <br /> make<br /> make install<br /> ldconfig<br /> &lt;/pre&gt;<br /> &lt;pre&gt;<br /> cd apertium<br /> ./autogen.sh <br /> make<br /> make install<br /> ldconfig<br /> &lt;/pre&gt;<br /> &lt;pre&gt;<br /> cd apertium-lex-tools<br /> ./autogen.sh <br /> make<br /> make install<br /> ldconfig<br /> &lt;/pre&gt;<br /> <br /> ==ഘടന ==<br /> [[File:Structure.png]]<br /> <br /> ; Deformatter<br /> <br /> : ഈ സ്ടെപ്പില്‍ പരിഭാഷപ്പെടുത്തേണ്ട textഇനെ ഫോര്‍മാറ്റിങ്ങുകളില്‍ നിന്നു മുക്തമാകും , ഉദാഹരണത്തിന് പരിഭാഷപെടുത്തേണ്ട text ഒരു html ഫയല്‍ ആണെങ്കില്‍ അതിലെ ടാഗ്സ് ഒഴിവാക്കും<br /> ; Morphological analyzer<br /> : ഈ സ്ടെപ്പില്‍ പരിഭാഷപ്പെടുത്തേണ്ട textഇനെ സര്‍ഫസ് ഫോമുകളായി ഭാഗിക്കുകയും , ഒരോന്നിനും ഒന്നോ അതിലതികമോ ലെക്സിക്കല്‍ ഫോമുകള്‍ കണ്ടെത്തുകയും ചെയ്യും <br /> ; Part of speech tagger<br /> : ഒന്നിലതികം ലെക്സിക്കല്‍ ഫോമുകളുള്ള വാക്കുക്കളില്‍ ഏറ്റവും അനുയോജ്യമായത് തിരഞെടുക്കും <br /> ; Lexical transfer<br /> ; Lexical Selection<br /> ; Structural Transfer<br /> ; Morphological generator<br /> ; Post generator<br /> ; Reformatter<br /> : ആദ്യത്തെ സ്ടെപ്പില്‍ ഒഴിവാക്കിയ ഫോര്‍മാറ്റിങ്ങ് വിവരങ്ങള്‍ വീണ്ടും ചേര്‍ക്കും<br /> <br /> == മലയാളം പരിഭാഷ ==<br /> എനി നമുക്ക് അപെര്‍ടിയം ഉപയോഗിച്ച് മലയാളം പരിഭാഷ എങ്ങനെ ചെയ്യും എന്നു നോക്കം (It is difficult to handle agglutination in the following method) <br /> === morphological Analyzer ==<br /> ഇതിനു നമുക്ക് മൂന്ന് നിഘണ്ടുകള്‍ വേണം<br /> # mono lingual dictionary of malayalam<br /> # mono lingual dictionary of malayalam<br /> # bilingual english malayalam dictionary<br /> <br /> ആദ്യം മലയാളം മോണൊlingual നിഘണ്ടു എങ്ങനെ ഉണ്ടാക്കും എന്നു നോക്കാം<br /> <br /> == റിസോഴ്സെസ് ==<br /> <br /> == കൂടുതല്‍ വിവരങ്ങള്‍ക്ക് ==<br /> * http://wiki.apertium.org/wiki/Language_and_pair_maintainer<br /> * [[User:Tachyons]]</div>

Tachyons https://wiki.smc.org.in/index.php?title=Machine_translation&diff=4255 2013-08-27T15:19:52Z

<p>Tachyons: </p> <hr /> <div><br /> == Machine language translation with apertium ==<br /> കമ്പ്യൂട്ടറിന്റെ സഹായത്താല്‍ ഒരു ഭാഷയിലുള്ള ഉള്ളടക്കത്തെ മറ്റൊരു ഭാഷയിലേക്ക് പരിഭാഷപ്പെടുത്തുന്നതിനെയാണ് യാന്ത്രിക പരിഭാഷ എന്നു പറയുന്നത്. ഒരു ഭാഷയിലെ വാക്കുകള്‍ക്ക് പകരം target ഭാഷയിലെ വാക്കുകള്‍ പകരം വച്ചതുകൊണ്ടു മാത്രം പരിഭാഷ സാധ്യമല്ല , കാരണം ഓരോ ഭാഷയ്ക്കും വ്യത്യസ്തമായ വ്യാകരണമാണ്. <br /> <br /> യാന്ത്രിക പരിഭാഷയെ പ്രധാനമായും രണ്ടായി തിരിക്കാം.<br /> <br /> # Rule Based<br /> # Corpus Based<br /> <br /> === Rule Based ===<br /> വ്യാകരണ നിയമങ്ങളുടെ അടിസ്ഥാനമാക്കി പരിഭാഷപെടുത്തുന്നതിനെയാണ് റൂള്‍ ബേസ്ഡ് എന്നു പറയുന്നത് <br /> &quot;Rule-based machine translation is like taking a set of dictionaries and a descriptive grammar, and trying to translate from one language you don’t know into another.&quot;<br /> ==== ഗുണങ്ങള്‍ ====<br /> # പ്രവചിക്കാവുന്ന ഫലം (predictable output)<br /> # പ്രവചിക്കാവുന്ന തെറ്റുകള്‍(predictable errors)<br /> # (incremental improvements)<br /> # തെറ്റുകള്‍ എളുപ്പത്തില്‍ കണ്ടുപിടിക്കാം <br /> # വലിയ അളവില്‍ നിലവിലുള്ള പരിഭാഷയുടെ ലഭ്യത ആവശ്യമില്ല.<br /> <br /> ====ദോഷങ്ങള്‍ ====<br /> # Lack of fluency<br /> # Lack of idiomaticness<br /> # “Mechanical” output<br /> # Development (വികസനം) കൂടുതല്‍ സമയമെടുത്തേക്കാം <br /> <br /> === Corpus Based ===<br /> ലഭ്യമായ മുന്‍ പരിഭാഷകള്‍ ഉപയോഗിച്ച് word matchingങ്ങിലൂടെ പരിഭാഷപ്പെടുത്തുന്നതിനെയാണ് കോര്‍പസ് ബേസ്ഡ് പരിഭാഷ എന്നു പറയുന്നത് <br /> &quot;Corpus-based machine translation is like taking two documents in two languages you don’t know which are translations of each other and trying to match up words. Then you use these words to build sentences which you put into Google to see if they sound likely.&quot;<br /> <br /> ==== ഗുണങ്ങള്‍ ====<br /> # Fluent output<br /> # Idiomatic output<br /> # No need for linguistic resources:<br /> ## dictionaries<br /> ## grammars<br /> ## linguists<br /> <br /> ====ദോഷങ്ങള്‍ ====<br /> # Unpredictable<br /> # Incremental improvements are hard<br /> # Development can be time consuming<br /> <br /> റൂള്‍ ബേസ്ഡ് പരിഭാഷയെ അടിസ്താനമാകിയുള്ള സ്വതന്ത്ര സോഫ്ട്വൈര്‍ ആണ് apertium. wikimeadia യുടെ പുതിയ പരിഭാഷ പദ്ധതിയിലും apertium ആണ് ഉപയോഗിക്കുന്നത് .ലളിതവും extensibility യുമാണ് അപെറ്ടിയത്തെ പ്രിയങ്കരമാക്കുന്നത് . 2004 ഇല്‍ സ്പൈന് വ്യവസായ വകുപ്പിന്റെ കീഴില്‍ കണ്‍സോര്ഷ്യമാണ് അപെറ്ടിയം ഉണ്ടാക്കിയത് <br /> <br /> == സ്ഥാപിക്കാന്‍/Installation ==<br /> Installing the newest version from SVN<br /> <br /> <br /> Step 1: '''install the prerequisites.'''<br /> ടെര്‍മിനല്‍ ഓപെണ്‍ ചെയ്ത് താഴെയുള്ള കോഡ് എന്റെര്‍ ചെയ്യുക <br /> &lt;pre&gt;<br /> sudo apt-get install subversion build-essential pkg-config gawk libxml2 libxml2-dev libxml2-utils xsltproc flex automake libtool libpcre3-dev <br /> &lt;/pre&gt;<br /> ''പാസ്വെര്‍ഡ് ട്യെപ് ചെയ്ത് എന്റെര്‍ ചെയ്യുക .'' <br /> <br /> Step 2: '''Download required packages.'''<br /> &lt;pre&gt;<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/lttoolbox<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/apertium<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/apertium-lex-tools<br /> &lt;/pre&gt;<br /> <br /> Step 2: '''compile and install.'''<br /> &lt;pre&gt;<br /> cd lttoolbox<br /> ./autogen.sh <br /> make<br /> make install<br /> ldconfig<br /> &lt;/pre&gt;<br /> &lt;pre&gt;<br /> cd apertium<br /> ./autogen.sh <br /> make<br /> make install<br /> ldconfig<br /> &lt;/pre&gt;<br /> &lt;pre&gt;<br /> cd apertium-lex-tools<br /> ./autogen.sh <br /> make<br /> make install<br /> ldconfig<br /> &lt;/pre&gt;<br /> <br /> ==ഘടന ==<br /> [[File:Structure.png]]<br /> <br /> ; Deformatter<br /> <br /> : ഈ സ്ടെപ്പില്‍ പരിഭാഷപ്പെടുത്തേണ്ട textഇനെ ഫോര്‍മാറ്റിങ്ങുകളില്‍ നിന്നു മുക്തമാകും , ഉദാഹരണത്തിന് പരിഭാഷപെടുത്തേണ്ട text ഒരു html ഫയല്‍ ആണെങ്കില്‍ അതിലെ ടാഗ്സ് ഒഴിവാക്കും<br /> ; Morphological analyzer<br /> : ഈ സ്ടെപ്പില്‍ പരിഭാഷപ്പെടുത്തേണ്ട textഇനെ സര്‍ഫസ് ഫോമുകളായി ഭാഗിക്കുകയും , ഒരോന്നിനും ഒന്നോ അതിലതികമോ ലെക്സിക്കല്‍ ഫോമുകള്‍ കണ്ടെത്തുകയും ചെയ്യും <br /> ; Part of speech tagger<br /> : ഒന്നിലതികം ലെക്സിക്കല്‍ ഫോമുകളുള്ള വാക്കുക്കളില്‍ ഏറ്റവും അനുയോജ്യമായത് തിരഞെടുക്കും <br /> ; Lexical transfer<br /> ; Lexical Selection<br /> ; Structural Transfer<br /> ; Morphological generator<br /> ; Post generator<br /> ; Reformatter<br /> : ആദ്യത്തെ സ്ടെപ്പില്‍ ഒഴിവാക്കിയ ഫോര്‍മാറ്റിങ്ങ് വിവരങ്ങള്‍ വീണ്ടും ചേര്‍ക്കും<br /> <br /> == മലയാളം പരിഭാഷ ==<br /> <br /> <br /> == റിസോഴ്സെസ് ==<br /> <br /> == കൂടുതല്‍ വിവരങ്ങള്‍ക്ക് ==<br /> * http://wiki.apertium.org/wiki/Language_and_pair_maintainer<br /> * [[User:Tachyons]]</div>

Tachyons https://wiki.smc.org.in/index.php?title=Machine_translation&diff=4254 2013-08-27T15:15:15Z

<p>Tachyons: /* ഘടന */</p> <hr /> <div><br /> == Machine language translation with apertium ==<br /> കമ്പ്യൂട്ടറിന്റെ സഹായത്താല്‍ ഒരു ഭാഷയിലുള്ള ഉള്ളടക്കത്തെ മറ്റൊരു ഭാഷയിലേക്ക് പരിഭാഷപ്പെടുത്തുന്നതിനെയാണ് യാന്ത്രിക പരിഭാഷ എന്നു പറയുന്നത്. ഒരു ഭാഷയിലെ വാക്കുകള്‍ക്ക് പകരം target ഭാഷയിലെ വാക്കുകള്‍ പകരം വച്ചതുകൊണ്ടു മാത്രം പരിഭാഷ സാധ്യമല്ല , കാരണം ഓരോ ഭാഷയ്ക്കും വ്യത്യസ്തമായ വ്യാകരണമാണ്. <br /> <br /> യാന്ത്രിക പരിഭാഷയെ പ്രധാനമായും രണ്ടായി തിരിക്കാം.<br /> <br /> # Rule Based<br /> # Corpus Based<br /> <br /> === Rule Based ===<br /> വ്യാകരണ നിയമങ്ങളുടെ അടിസ്ഥാനമാക്കി പരിഭാഷപെടുത്തുന്നതിനെയാണ് റൂള്‍ ബേസ്ഡ് എന്നു പറയുന്നത് <br /> &quot;Rule-based machine translation is like taking a set of dictionaries and a descriptive grammar, and trying to translate from one language you don’t know into another.&quot;<br /> ==== ഗുണങ്ങള്‍ ====<br /> # പ്രവചിക്കാവുന്ന ഫലം (predictable output)<br /> # പ്രവചിക്കാവുന്ന തെറ്റുകള്‍(predictable errors)<br /> # (incremental improvements)<br /> # തെറ്റുകള്‍ എളുപ്പത്തില്‍ കണ്ടുപിടിക്കാം <br /> # വലിയ അളവില്‍ നിലവിലുള്ള പരിഭാഷയുടെ ലഭ്യത ആവശ്യമില്ല.<br /> <br /> ====ദോഷങ്ങള്‍ ====<br /> # Lack of fluency<br /> # Lack of idiomaticness<br /> # “Mechanical” output<br /> # Development (വികസനം) കൂടുതല്‍ സമയമെടുത്തേക്കാം <br /> <br /> === Corpus Based ===<br /> ലഭ്യമായ മുന്‍ പരിഭാഷകള്‍ ഉപയോഗിച്ച് word matchingങ്ങിലൂടെ പരിഭാഷപ്പെടുത്തുന്നതിനെയാണ് കോര്‍പസ് ബേസ്ഡ് പരിഭാഷ എന്നു പറയുന്നത് <br /> &quot;Corpus-based machine translation is like taking two documents in two languages you don’t know which are translations of each other and trying to match up words. Then you use these words to build sentences which you put into Google to see if they sound likely.&quot;<br /> <br /> ==== ഗുണങ്ങള്‍ ====<br /> # Fluent output<br /> # Idiomatic output<br /> # No need for linguistic resources:<br /> ## dictionaries<br /> ## grammars<br /> ## linguists<br /> <br /> ====ദോഷങ്ങള്‍ ====<br /> # Unpredictable<br /> # Incremental improvements are hard<br /> # Development can be time consuming<br /> <br /> റൂള്‍ ബേസ്ഡ് പരിഭാഷയെ അടിസ്താനമാകിയുള്ള സ്വതന്ത്ര സോഫ്ട്വൈര്‍ ആണ് apertium. wikimeadia യുടെ പുതിയ പരിഭാഷ പദ്ധതിയിലും apertium ആണ് ഉപയോഗിക്കുന്നത് .ലളിതവും extensibility യുമാണ് അപെറ്ടിയത്തെ പ്രിയങ്കരമാക്കുന്നത് . 2004 ഇല്‍ സ്പൈന് വ്യവസായ വകുപ്പിന്റെ കീഴില്‍ കണ്‍സോര്ഷ്യമാണ് അപെറ്ടിയം ഉണ്ടാക്കിയത് <br /> <br /> == സ്ഥാപിക്കാന്‍/Installation ==<br /> Installing the newest version from SVN<br /> <br /> <br /> Step 1: '''install the prerequisites.'''<br /> ടെര്‍മിനല്‍ ഓപെണ്‍ ചെയ്ത് താഴെയുള്ള കോഡ് എന്റെര്‍ ചെയ്യുക <br /> &lt;pre&gt;<br /> sudo apt-get install subversion build-essential pkg-config gawk libxml2 libxml2-dev libxml2-utils xsltproc flex automake libtool libpcre3-dev <br /> &lt;/pre&gt;<br /> ''പാസ്വെര്‍ഡ് ട്യെപ് ചെയ്ത് എന്റെര്‍ ചെയ്യുക .'' <br /> <br /> Step 2: '''Download required packages.'''<br /> &lt;pre&gt;<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/lttoolbox<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/apertium<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/apertium-lex-tools<br /> &lt;/pre&gt;<br /> <br /> Step 2: '''compile and install.'''<br /> &lt;pre&gt;<br /> cd lttoolbox<br /> ./autogen.sh <br /> make<br /> make install<br /> ldconfig<br /> &lt;/pre&gt;<br /> &lt;pre&gt;<br /> cd apertium<br /> ./autogen.sh <br /> make<br /> make install<br /> ldconfig<br /> &lt;/pre&gt;<br /> &lt;pre&gt;<br /> cd apertium-lex-tools<br /> ./autogen.sh <br /> make<br /> make install<br /> ldconfig<br /> &lt;/pre&gt;<br /> <br /> ==ഘടന ==<br /> [[File:Structure.png]]<br /> <br /> ; Deformatter<br /> <br /> : ഈ സ്ടെപ്പില്‍ പരിഭാഷപ്പെടുത്തേണ്ട textഇനെ ഫോര്‍മാറ്റിങ്ങുകളില്‍ നിന്നു മുക്തമാകും , ഉദാഹരണത്തിന് പരിഭാഷപെടുത്തേണ്ട text ഒരു html ഫയല്‍ ആണെങ്കില്‍ അതിലെ ടാഗ്സ് ഒഴിവാക്കും<br /> ; Morphological analyzer<br /> : ഈ സ്ടെപ്പില്‍ പരിഭാഷപ്പെടുത്തേണ്ട textഇനെ സര്‍ഫസ് ഫോമുകളായി ഭാഗിക്കുകയും , ഒരോന്നിനും ഒന്നോ അതിലതികമോ ലെക്സിക്കല്‍ ഫോമുകള്‍ കണ്ടെത്തുകയും ചെയ്യും <br /> ; Part of speech tagger<br /> : ഒന്നിലതികം ലെക്സിക്കല്‍ ഫോമുകളുള്ള വാക്കുക്കളില്‍ ഏറ്റവും അനുയോജ്യമായത് തിരഞെടുക്കും <br /> ; Lexical transfer<br /> ; Lexical Selection<br /> ; Structural Transfer<br /> ; Morphological generator<br /> ; Post generator<br /> ; Reformatter<br /> : ആദ്യത്തെ സ്ടെപ്പില്‍ ഒഴിവാക്കിയ ഫോര്‍മാറ്റിങ്ങ് വിവരങ്ങള്‍ വീണ്ടും ചേര്‍ക്കും<br /> <br /> == കൂടുതല്‍ വിവരങ്ങള്‍ക്ക് ==<br /> * http://wiki.apertium.org/wiki/Language_and_pair_maintainer<br /> * [[User:Tachyons]]</div>

Tachyons https://wiki.smc.org.in/index.php?title=Machine_translation&diff=4253 2013-08-27T15:03:58Z

<p>Tachyons: /* ഘടന */</p> <hr /> <div><br /> == Machine language translation with apertium ==<br /> കമ്പ്യൂട്ടറിന്റെ സഹായത്താല്‍ ഒരു ഭാഷയിലുള്ള ഉള്ളടക്കത്തെ മറ്റൊരു ഭാഷയിലേക്ക് പരിഭാഷപ്പെടുത്തുന്നതിനെയാണ് യാന്ത്രിക പരിഭാഷ എന്നു പറയുന്നത്. ഒരു ഭാഷയിലെ വാക്കുകള്‍ക്ക് പകരം target ഭാഷയിലെ വാക്കുകള്‍ പകരം വച്ചതുകൊണ്ടു മാത്രം പരിഭാഷ സാധ്യമല്ല , കാരണം ഓരോ ഭാഷയ്ക്കും വ്യത്യസ്തമായ വ്യാകരണമാണ്. <br /> <br /> യാന്ത്രിക പരിഭാഷയെ പ്രധാനമായും രണ്ടായി തിരിക്കാം.<br /> <br /> # Rule Based<br /> # Corpus Based<br /> <br /> === Rule Based ===<br /> വ്യാകരണ നിയമങ്ങളുടെ അടിസ്ഥാനമാക്കി പരിഭാഷപെടുത്തുന്നതിനെയാണ് റൂള്‍ ബേസ്ഡ് എന്നു പറയുന്നത് <br /> &quot;Rule-based machine translation is like taking a set of dictionaries and a descriptive grammar, and trying to translate from one language you don’t know into another.&quot;<br /> ==== ഗുണങ്ങള്‍ ====<br /> # പ്രവചിക്കാവുന്ന ഫലം (predictable output)<br /> # പ്രവചിക്കാവുന്ന തെറ്റുകള്‍(predictable errors)<br /> # (incremental improvements)<br /> # തെറ്റുകള്‍ എളുപ്പത്തില്‍ കണ്ടുപിടിക്കാം <br /> # വലിയ അളവില്‍ നിലവിലുള്ള പരിഭാഷയുടെ ലഭ്യത ആവശ്യമില്ല.<br /> <br /> ====ദോഷങ്ങള്‍ ====<br /> # Lack of fluency<br /> # Lack of idiomaticness<br /> # “Mechanical” output<br /> # Development (വികസനം) കൂടുതല്‍ സമയമെടുത്തേക്കാം <br /> <br /> === Corpus Based ===<br /> ലഭ്യമായ മുന്‍ പരിഭാഷകള്‍ ഉപയോഗിച്ച് word matchingങ്ങിലൂടെ പരിഭാഷപ്പെടുത്തുന്നതിനെയാണ് കോര്‍പസ് ബേസ്ഡ് പരിഭാഷ എന്നു പറയുന്നത് <br /> &quot;Corpus-based machine translation is like taking two documents in two languages you don’t know which are translations of each other and trying to match up words. Then you use these words to build sentences which you put into Google to see if they sound likely.&quot;<br /> <br /> ==== ഗുണങ്ങള്‍ ====<br /> # Fluent output<br /> # Idiomatic output<br /> # No need for linguistic resources:<br /> ## dictionaries<br /> ## grammars<br /> ## linguists<br /> <br /> ====ദോഷങ്ങള്‍ ====<br /> # Unpredictable<br /> # Incremental improvements are hard<br /> # Development can be time consuming<br /> <br /> റൂള്‍ ബേസ്ഡ് പരിഭാഷയെ അടിസ്താനമാകിയുള്ള സ്വതന്ത്ര സോഫ്ട്വൈര്‍ ആണ് apertium. wikimeadia യുടെ പുതിയ പരിഭാഷ പദ്ധതിയിലും apertium ആണ് ഉപയോഗിക്കുന്നത് .ലളിതവും extensibility യുമാണ് അപെറ്ടിയത്തെ പ്രിയങ്കരമാക്കുന്നത് . 2004 ഇല്‍ സ്പൈന് വ്യവസായ വകുപ്പിന്റെ കീഴില്‍ കണ്‍സോര്ഷ്യമാണ് അപെറ്ടിയം ഉണ്ടാക്കിയത് <br /> <br /> == സ്ഥാപിക്കാന്‍/Installation ==<br /> Installing the newest version from SVN<br /> <br /> <br /> Step 1: '''install the prerequisites.'''<br /> ടെര്‍മിനല്‍ ഓപെണ്‍ ചെയ്ത് താഴെയുള്ള കോഡ് എന്റെര്‍ ചെയ്യുക <br /> &lt;pre&gt;<br /> sudo apt-get install subversion build-essential pkg-config gawk libxml2 libxml2-dev libxml2-utils xsltproc flex automake libtool libpcre3-dev <br /> &lt;/pre&gt;<br /> ''പാസ്വെര്‍ഡ് ട്യെപ് ചെയ്ത് എന്റെര്‍ ചെയ്യുക .'' <br /> <br /> Step 2: '''Download required packages.'''<br /> &lt;pre&gt;<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/lttoolbox<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/apertium<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/apertium-lex-tools<br /> &lt;/pre&gt;<br /> <br /> Step 2: '''compile and install.'''<br /> &lt;pre&gt;<br /> cd lttoolbox<br /> ./autogen.sh <br /> make<br /> make install<br /> ldconfig<br /> &lt;/pre&gt;<br /> &lt;pre&gt;<br /> cd apertium<br /> ./autogen.sh <br /> make<br /> make install<br /> ldconfig<br /> &lt;/pre&gt;<br /> &lt;pre&gt;<br /> cd apertium-lex-tools<br /> ./autogen.sh <br /> make<br /> make install<br /> ldconfig<br /> &lt;/pre&gt;<br /> <br /> ==ഘടന ==<br /> [[File:Structure.png]]<br /> <br /> # Deformatter<br /> <br /> ** ഈ സ്ടെപ്പില്‍ പരിഭാഷപ്പെടുത്തേണ്ട textഇനെ ഫോര്‍മാറ്റിങ്ങുകളില്‍ നിന്നു മുക്തമാകും , ഉദാഹരണത്തിന് പരിഭാഷപെടുത്തേണ്ട text ഒരു html ഫയല്‍ ആണെങ്കില്‍ അതിലെ ടാഗ്സ് ഒഴിവാക്കും<br /> # Morphological analyzer<br /> ** ഈ സ്ടെപ്പില്‍ പരിഭാഷപ്പെടുത്തേണ്ട textഇനെ സര്‍ഫസ് ഫോമുകളായി ഭാഗിക്കുകയും , ഒരോന്നിനും ഒന്നോ അതിലതികമോ ലെക്സിക്കല്‍ ഫോമുകള്‍ കണ്ടെത്തുകയും ചെയ്യും <br /> # Part of speech tagger<br /> ** ഒന്നിലതികം ലെക്സിക്കല്‍ ഫോമുകളുള്ള വാക്കുക്കളില്‍ ഏറ്റവും അനുയോജ്യമായത് തിരഞെടുക്കും <br /> # Lexical transfer<br /> # Lexical Selection<br /> # Structural Transfer<br /> # Morphological generator<br /> # Post generator<br /> # Reformatter<br /> ** ആദ്യത്തെ സ്ടെപ്പില്‍ ഒഴിവാക്കിയ ഫോര്‍മാറ്റിങ്ങ് വിവരങ്ങള്‍ വീണ്ടും ചേര്‍ക്കും<br /> <br /> == കൂടുതല്‍ വിവരങ്ങള്‍ക്ക് ==<br /> * http://wiki.apertium.org/wiki/Language_and_pair_maintainer<br /> * [[User:Tachyons]]</div>

Tachyons https://wiki.smc.org.in/index.php?title=User:Tachyons&diff=4252 2013-08-27T14:52:06Z

<p>Tachyons: </p> <hr /> <div>I am Aboobacker MK , A final year student at college of engineering Trikaripur<br /> <br /> Email : aboobackervyd dot gmail dot com<br /> Facebook :[http://www.facebook.com/aboobacker.mk Aboobacker mk]</div>

Tachyons https://wiki.smc.org.in/index.php?title=Machine_translation&diff=4251 2013-08-27T14:49:22Z

<p>Tachyons: /* ഘടന */</p> <hr /> <div><br /> == Machine language translation with apertium ==<br /> കമ്പ്യൂട്ടറിന്റെ സഹായത്താല്‍ ഒരു ഭാഷയിലുള്ള ഉള്ളടക്കത്തെ മറ്റൊരു ഭാഷയിലേക്ക് പരിഭാഷപ്പെടുത്തുന്നതിനെയാണ് യാന്ത്രിക പരിഭാഷ എന്നു പറയുന്നത്. ഒരു ഭാഷയിലെ വാക്കുകള്‍ക്ക് പകരം target ഭാഷയിലെ വാക്കുകള്‍ പകരം വച്ചതുകൊണ്ടു മാത്രം പരിഭാഷ സാധ്യമല്ല , കാരണം ഓരോ ഭാഷയ്ക്കും വ്യത്യസ്തമായ വ്യാകരണമാണ്. <br /> <br /> യാന്ത്രിക പരിഭാഷയെ പ്രധാനമായും രണ്ടായി തിരിക്കാം.<br /> <br /> # Rule Based<br /> # Corpus Based<br /> <br /> === Rule Based ===<br /> വ്യാകരണ നിയമങ്ങളുടെ അടിസ്ഥാനമാക്കി പരിഭാഷപെടുത്തുന്നതിനെയാണ് റൂള്‍ ബേസ്ഡ് എന്നു പറയുന്നത് <br /> &quot;Rule-based machine translation is like taking a set of dictionaries and a descriptive grammar, and trying to translate from one language you don’t know into another.&quot;<br /> ==== ഗുണങ്ങള്‍ ====<br /> # പ്രവചിക്കാവുന്ന ഫലം (predictable output)<br /> # പ്രവചിക്കാവുന്ന തെറ്റുകള്‍(predictable errors)<br /> # (incremental improvements)<br /> # തെറ്റുകള്‍ എളുപ്പത്തില്‍ കണ്ടുപിടിക്കാം <br /> # വലിയ അളവില്‍ നിലവിലുള്ള പരിഭാഷയുടെ ലഭ്യത ആവശ്യമില്ല.<br /> <br /> ====ദോഷങ്ങള്‍ ====<br /> # Lack of fluency<br /> # Lack of idiomaticness<br /> # “Mechanical” output<br /> # Development (വികസനം) കൂടുതല്‍ സമയമെടുത്തേക്കാം <br /> <br /> === Corpus Based ===<br /> ലഭ്യമായ മുന്‍ പരിഭാഷകള്‍ ഉപയോഗിച്ച് word matchingങ്ങിലൂടെ പരിഭാഷപ്പെടുത്തുന്നതിനെയാണ് കോര്‍പസ് ബേസ്ഡ് പരിഭാഷ എന്നു പറയുന്നത് <br /> &quot;Corpus-based machine translation is like taking two documents in two languages you don’t know which are translations of each other and trying to match up words. Then you use these words to build sentences which you put into Google to see if they sound likely.&quot;<br /> <br /> ==== ഗുണങ്ങള്‍ ====<br /> # Fluent output<br /> # Idiomatic output<br /> # No need for linguistic resources:<br /> ## dictionaries<br /> ## grammars<br /> ## linguists<br /> <br /> ====ദോഷങ്ങള്‍ ====<br /> # Unpredictable<br /> # Incremental improvements are hard<br /> # Development can be time consuming<br /> <br /> റൂള്‍ ബേസ്ഡ് പരിഭാഷയെ അടിസ്താനമാകിയുള്ള സ്വതന്ത്ര സോഫ്ട്വൈര്‍ ആണ് apertium. wikimeadia യുടെ പുതിയ പരിഭാഷ പദ്ധതിയിലും apertium ആണ് ഉപയോഗിക്കുന്നത് .ലളിതവും extensibility യുമാണ് അപെറ്ടിയത്തെ പ്രിയങ്കരമാക്കുന്നത് . 2004 ഇല്‍ സ്പൈന് വ്യവസായ വകുപ്പിന്റെ കീഴില്‍ കണ്‍സോര്ഷ്യമാണ് അപെറ്ടിയം ഉണ്ടാക്കിയത് <br /> <br /> == സ്ഥാപിക്കാന്‍/Installation ==<br /> Installing the newest version from SVN<br /> <br /> <br /> Step 1: '''install the prerequisites.'''<br /> ടെര്‍മിനല്‍ ഓപെണ്‍ ചെയ്ത് താഴെയുള്ള കോഡ് എന്റെര്‍ ചെയ്യുക <br /> &lt;pre&gt;<br /> sudo apt-get install subversion build-essential pkg-config gawk libxml2 libxml2-dev libxml2-utils xsltproc flex automake libtool libpcre3-dev <br /> &lt;/pre&gt;<br /> ''പാസ്വെര്‍ഡ് ട്യെപ് ചെയ്ത് എന്റെര്‍ ചെയ്യുക .'' <br /> <br /> Step 2: '''Download required packages.'''<br /> &lt;pre&gt;<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/lttoolbox<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/apertium<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/apertium-lex-tools<br /> &lt;/pre&gt;<br /> <br /> Step 2: '''compile and install.'''<br /> &lt;pre&gt;<br /> cd lttoolbox<br /> ./autogen.sh <br /> make<br /> make install<br /> ldconfig<br /> &lt;/pre&gt;<br /> &lt;pre&gt;<br /> cd apertium<br /> ./autogen.sh <br /> make<br /> make install<br /> ldconfig<br /> &lt;/pre&gt;<br /> &lt;pre&gt;<br /> cd apertium-lex-tools<br /> ./autogen.sh <br /> make<br /> make install<br /> ldconfig<br /> &lt;/pre&gt;<br /> <br /> ==ഘടന ==<br /> [[File:Structure.png]]<br /> <br /> # Deformatter<br /> <br /> ##ഈ സ്ടെപ്പില്‍ പരിഭാഷപ്പെടുത്തേണ്ട textഇനെ ഫോര്‍മാറ്റിങ്ങുകളില്‍ നിന്നു മുക്തമാകും , ഉദാഹരണത്തിന് പരിഭാഷപെടുത്തേണ്ട text ഒരു html ഫയല്‍ ആണെങ്കില്‍ അതിലെ ടാഗ്സ് ഒഴിവാക്കും<br /> <br /> # Morphological analyzer<br /> <br /> ##ഈ സ്ടെപ്പില്‍ പരിഭാഷപ്പെടുത്തേണ്ട textഇനെ സര്‍ഫസ് ഫോമുകളായി ഭാഗിക്കുകയും , ഒരോന്നിനും ഒന്നോ അതിലതികമോ ലെക്സിക്കല്‍ ഫോമുകള്‍ കണ്ടെത്തുകയും ചെയ്യും <br /> <br /> # Part of speech tagger<br /> <br /> ##ഒന്നിലതികം ലെക്സിക്കല്‍ ഫോമുകളുള്ള വാക്കുക്കളില്‍ ഏറ്റവും അനുയോജ്യമായത് തിരഞെടുക്കും <br /> <br /> # Lexical transfer<br /> <br /> # Lexical Selection<br /> # Structural Transfer<br /> # Morphological generator<br /> # Post generator<br /> # Reformatter<br /> ആദ്യത്തെ സ്ടെപ്പില്‍ ഒഴിവാക്കിയ ഫോര്‍മാറ്റിങ്ങ് വിവരങ്ങള്‍ വീണ്ടും ചേര്‍ക്കും<br /> <br /> == കൂടുതല്‍ വിവരങ്ങള്‍ക്ക് ==<br /> * http://wiki.apertium.org/wiki/Language_and_pair_maintainer<br /> * [[User:Tachyons]]</div>

Tachyons https://wiki.smc.org.in/index.php?title=Machine_translation&diff=4250 2013-08-27T14:48:11Z

<p>Tachyons: /* ഘടന */</p> <hr /> <div><br /> == Machine language translation with apertium ==<br /> കമ്പ്യൂട്ടറിന്റെ സഹായത്താല്‍ ഒരു ഭാഷയിലുള്ള ഉള്ളടക്കത്തെ മറ്റൊരു ഭാഷയിലേക്ക് പരിഭാഷപ്പെടുത്തുന്നതിനെയാണ് യാന്ത്രിക പരിഭാഷ എന്നു പറയുന്നത്. ഒരു ഭാഷയിലെ വാക്കുകള്‍ക്ക് പകരം target ഭാഷയിലെ വാക്കുകള്‍ പകരം വച്ചതുകൊണ്ടു മാത്രം പരിഭാഷ സാധ്യമല്ല , കാരണം ഓരോ ഭാഷയ്ക്കും വ്യത്യസ്തമായ വ്യാകരണമാണ്. <br /> <br /> യാന്ത്രിക പരിഭാഷയെ പ്രധാനമായും രണ്ടായി തിരിക്കാം.<br /> <br /> # Rule Based<br /> # Corpus Based<br /> <br /> === Rule Based ===<br /> വ്യാകരണ നിയമങ്ങളുടെ അടിസ്ഥാനമാക്കി പരിഭാഷപെടുത്തുന്നതിനെയാണ് റൂള്‍ ബേസ്ഡ് എന്നു പറയുന്നത് <br /> &quot;Rule-based machine translation is like taking a set of dictionaries and a descriptive grammar, and trying to translate from one language you don’t know into another.&quot;<br /> ==== ഗുണങ്ങള്‍ ====<br /> # പ്രവചിക്കാവുന്ന ഫലം (predictable output)<br /> # പ്രവചിക്കാവുന്ന തെറ്റുകള്‍(predictable errors)<br /> # (incremental improvements)<br /> # തെറ്റുകള്‍ എളുപ്പത്തില്‍ കണ്ടുപിടിക്കാം <br /> # വലിയ അളവില്‍ നിലവിലുള്ള പരിഭാഷയുടെ ലഭ്യത ആവശ്യമില്ല.<br /> <br /> ====ദോഷങ്ങള്‍ ====<br /> # Lack of fluency<br /> # Lack of idiomaticness<br /> # “Mechanical” output<br /> # Development (വികസനം) കൂടുതല്‍ സമയമെടുത്തേക്കാം <br /> <br /> === Corpus Based ===<br /> ലഭ്യമായ മുന്‍ പരിഭാഷകള്‍ ഉപയോഗിച്ച് word matchingങ്ങിലൂടെ പരിഭാഷപ്പെടുത്തുന്നതിനെയാണ് കോര്‍പസ് ബേസ്ഡ് പരിഭാഷ എന്നു പറയുന്നത് <br /> &quot;Corpus-based machine translation is like taking two documents in two languages you don’t know which are translations of each other and trying to match up words. Then you use these words to build sentences which you put into Google to see if they sound likely.&quot;<br /> <br /> ==== ഗുണങ്ങള്‍ ====<br /> # Fluent output<br /> # Idiomatic output<br /> # No need for linguistic resources:<br /> ## dictionaries<br /> ## grammars<br /> ## linguists<br /> <br /> ====ദോഷങ്ങള്‍ ====<br /> # Unpredictable<br /> # Incremental improvements are hard<br /> # Development can be time consuming<br /> <br /> റൂള്‍ ബേസ്ഡ് പരിഭാഷയെ അടിസ്താനമാകിയുള്ള സ്വതന്ത്ര സോഫ്ട്വൈര്‍ ആണ് apertium. wikimeadia യുടെ പുതിയ പരിഭാഷ പദ്ധതിയിലും apertium ആണ് ഉപയോഗിക്കുന്നത് .ലളിതവും extensibility യുമാണ് അപെറ്ടിയത്തെ പ്രിയങ്കരമാക്കുന്നത് . 2004 ഇല്‍ സ്പൈന് വ്യവസായ വകുപ്പിന്റെ കീഴില്‍ കണ്‍സോര്ഷ്യമാണ് അപെറ്ടിയം ഉണ്ടാക്കിയത് <br /> <br /> == സ്ഥാപിക്കാന്‍/Installation ==<br /> Installing the newest version from SVN<br /> <br /> <br /> Step 1: '''install the prerequisites.'''<br /> ടെര്‍മിനല്‍ ഓപെണ്‍ ചെയ്ത് താഴെയുള്ള കോഡ് എന്റെര്‍ ചെയ്യുക <br /> &lt;pre&gt;<br /> sudo apt-get install subversion build-essential pkg-config gawk libxml2 libxml2-dev libxml2-utils xsltproc flex automake libtool libpcre3-dev <br /> &lt;/pre&gt;<br /> ''പാസ്വെര്‍ഡ് ട്യെപ് ചെയ്ത് എന്റെര്‍ ചെയ്യുക .'' <br /> <br /> Step 2: '''Download required packages.'''<br /> &lt;pre&gt;<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/lttoolbox<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/apertium<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/apertium-lex-tools<br /> &lt;/pre&gt;<br /> <br /> Step 2: '''compile and install.'''<br /> &lt;pre&gt;<br /> cd lttoolbox<br /> ./autogen.sh <br /> make<br /> make install<br /> ldconfig<br /> &lt;/pre&gt;<br /> &lt;pre&gt;<br /> cd apertium<br /> ./autogen.sh <br /> make<br /> make install<br /> ldconfig<br /> &lt;/pre&gt;<br /> &lt;pre&gt;<br /> cd apertium-lex-tools<br /> ./autogen.sh <br /> make<br /> make install<br /> ldconfig<br /> &lt;/pre&gt;<br /> <br /> ==ഘടന ==<br /> [[File:Structure.png]]<br /> <br /> # Deformatter<br /> <br /> ഈ സ്ടെപ്പില്‍ പരിഭാഷപ്പെടുത്തേണ്ട textഇനെ ഫോര്‍മാറ്റിങ്ങുകളില്‍ നിന്നു മുക്തമാകും , ഉദാഹരണത്തിന് പരിഭാഷപെടുത്തേണ്ട text ഒരു html ഫയല്‍ ആണെങ്കില്‍ അതിലെ ടാഗ്സ് ഒഴിവാക്കും<br /> <br /> # Morphological analyzer<br /> <br /> ഈ സ്ടെപ്പില്‍ പരിഭാഷപ്പെടുത്തേണ്ട textഇനെ സര്‍ഫസ് ഫോമുകളായി ഭാഗിക്കുകയും , ഒരോന്നിനും ഒന്നോ അതിലതികമോ ലെക്സിക്കല്‍ ഫോമുകള്‍ കണ്ടെത്തുകയും ചെയ്യും <br /> <br /> # Part of speech tagger<br /> <br /> ഒന്നിലതികം ലെക്സിക്കല്‍ ഫോമുകളുള്ള വാക്കുക്കളില്‍ ഏറ്റവും അനുയോജ്യമായത് തിരഞെടുക്കും <br /> <br /> # Lexical transfer<br /> <br /> # Lexical Selection<br /> # Structural Transfer<br /> # Morphological generator<br /> # Post generator<br /> # Reformatter<br /> ആദ്യത്തെ സ്ടെപ്പില്‍ ഒഴിവാക്കിയ ഫോര്‍മാറ്റിങ്ങ് വിവരങ്ങള്‍ വീണ്ടും ചേര്‍ക്കും<br /> <br /> == കൂടുതല്‍ വിവരങ്ങള്‍ക്ക് ==<br /> * http://wiki.apertium.org/wiki/Language_and_pair_maintainer<br /> * [[User:Tachyons]]</div>

Tachyons https://wiki.smc.org.in/index.php?title=Machine_translation&diff=4249 2013-08-27T14:36:46Z

<p>Tachyons: /* ഘടന */</p> <hr /> <div><br /> == Machine language translation with apertium ==<br /> കമ്പ്യൂട്ടറിന്റെ സഹായത്താല്‍ ഒരു ഭാഷയിലുള്ള ഉള്ളടക്കത്തെ മറ്റൊരു ഭാഷയിലേക്ക് പരിഭാഷപ്പെടുത്തുന്നതിനെയാണ് യാന്ത്രിക പരിഭാഷ എന്നു പറയുന്നത്. ഒരു ഭാഷയിലെ വാക്കുകള്‍ക്ക് പകരം target ഭാഷയിലെ വാക്കുകള്‍ പകരം വച്ചതുകൊണ്ടു മാത്രം പരിഭാഷ സാധ്യമല്ല , കാരണം ഓരോ ഭാഷയ്ക്കും വ്യത്യസ്തമായ വ്യാകരണമാണ്. <br /> <br /> യാന്ത്രിക പരിഭാഷയെ പ്രധാനമായും രണ്ടായി തിരിക്കാം.<br /> <br /> # Rule Based<br /> # Corpus Based<br /> <br /> === Rule Based ===<br /> വ്യാകരണ നിയമങ്ങളുടെ അടിസ്ഥാനമാക്കി പരിഭാഷപെടുത്തുന്നതിനെയാണ് റൂള്‍ ബേസ്ഡ് എന്നു പറയുന്നത് <br /> &quot;Rule-based machine translation is like taking a set of dictionaries and a descriptive grammar, and trying to translate from one language you don’t know into another.&quot;<br /> ==== ഗുണങ്ങള്‍ ====<br /> # പ്രവചിക്കാവുന്ന ഫലം (predictable output)<br /> # പ്രവചിക്കാവുന്ന തെറ്റുകള്‍(predictable errors)<br /> # (incremental improvements)<br /> # തെറ്റുകള്‍ എളുപ്പത്തില്‍ കണ്ടുപിടിക്കാം <br /> # വലിയ അളവില്‍ നിലവിലുള്ള പരിഭാഷയുടെ ലഭ്യത ആവശ്യമില്ല.<br /> <br /> ====ദോഷങ്ങള്‍ ====<br /> # Lack of fluency<br /> # Lack of idiomaticness<br /> # “Mechanical” output<br /> # Development (വികസനം) കൂടുതല്‍ സമയമെടുത്തേക്കാം <br /> <br /> === Corpus Based ===<br /> ലഭ്യമായ മുന്‍ പരിഭാഷകള്‍ ഉപയോഗിച്ച് word matchingങ്ങിലൂടെ പരിഭാഷപ്പെടുത്തുന്നതിനെയാണ് കോര്‍പസ് ബേസ്ഡ് പരിഭാഷ എന്നു പറയുന്നത് <br /> &quot;Corpus-based machine translation is like taking two documents in two languages you don’t know which are translations of each other and trying to match up words. Then you use these words to build sentences which you put into Google to see if they sound likely.&quot;<br /> <br /> ==== ഗുണങ്ങള്‍ ====<br /> # Fluent output<br /> # Idiomatic output<br /> # No need for linguistic resources:<br /> ## dictionaries<br /> ## grammars<br /> ## linguists<br /> <br /> ====ദോഷങ്ങള്‍ ====<br /> # Unpredictable<br /> # Incremental improvements are hard<br /> # Development can be time consuming<br /> <br /> റൂള്‍ ബേസ്ഡ് പരിഭാഷയെ അടിസ്താനമാകിയുള്ള സ്വതന്ത്ര സോഫ്ട്വൈര്‍ ആണ് apertium. wikimeadia യുടെ പുതിയ പരിഭാഷ പദ്ധതിയിലും apertium ആണ് ഉപയോഗിക്കുന്നത് .ലളിതവും extensibility യുമാണ് അപെറ്ടിയത്തെ പ്രിയങ്കരമാക്കുന്നത് . 2004 ഇല്‍ സ്പൈന് വ്യവസായ വകുപ്പിന്റെ കീഴില്‍ കണ്‍സോര്ഷ്യമാണ് അപെറ്ടിയം ഉണ്ടാക്കിയത് <br /> <br /> == സ്ഥാപിക്കാന്‍/Installation ==<br /> Installing the newest version from SVN<br /> <br /> <br /> Step 1: '''install the prerequisites.'''<br /> ടെര്‍മിനല്‍ ഓപെണ്‍ ചെയ്ത് താഴെയുള്ള കോഡ് എന്റെര്‍ ചെയ്യുക <br /> &lt;pre&gt;<br /> sudo apt-get install subversion build-essential pkg-config gawk libxml2 libxml2-dev libxml2-utils xsltproc flex automake libtool libpcre3-dev <br /> &lt;/pre&gt;<br /> ''പാസ്വെര്‍ഡ് ട്യെപ് ചെയ്ത് എന്റെര്‍ ചെയ്യുക .'' <br /> <br /> Step 2: '''Download required packages.'''<br /> &lt;pre&gt;<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/lttoolbox<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/apertium<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/apertium-lex-tools<br /> &lt;/pre&gt;<br /> <br /> Step 2: '''compile and install.'''<br /> &lt;pre&gt;<br /> cd lttoolbox<br /> ./autogen.sh <br /> make<br /> make install<br /> ldconfig<br /> &lt;/pre&gt;<br /> &lt;pre&gt;<br /> cd apertium<br /> ./autogen.sh <br /> make<br /> make install<br /> ldconfig<br /> &lt;/pre&gt;<br /> &lt;pre&gt;<br /> cd apertium-lex-tools<br /> ./autogen.sh <br /> make<br /> make install<br /> ldconfig<br /> &lt;/pre&gt;<br /> <br /> ==ഘടന ==<br /> [[File:Structure.png]]<br /> . Deformatter<br /> <br /> ഈ സ്ടെപ്പില്‍ പരിഭാഷപ്പെടുത്തേണ്ട textഇനെ ഫോര്‍മാറ്റിങ്ങുകളില്‍ നിന്നു മുക്തമാകും , ഉദാഹരണത്തിന് പരിഭാഷപെടുത്തേണ്ട text ഒരു html ഫയല്‍ ആണെങ്കില്‍ അതിലെ ടാഗ്സ് ഒഴിവാക്കും<br /> <br /> == കൂടുതല്‍ വിവരങ്ങള്‍ക്ക് ==<br /> * http://wiki.apertium.org/wiki/Language_and_pair_maintainer<br /> * [[User:Tachyons]]</div>

Tachyons https://wiki.smc.org.in/index.php?title=Machine_translation&diff=4248 2013-08-27T14:27:51Z

<p>Tachyons: /* ഘടന */</p> <hr /> <div><br /> == Machine language translation with apertium ==<br /> കമ്പ്യൂട്ടറിന്റെ സഹായത്താല്‍ ഒരു ഭാഷയിലുള്ള ഉള്ളടക്കത്തെ മറ്റൊരു ഭാഷയിലേക്ക് പരിഭാഷപ്പെടുത്തുന്നതിനെയാണ് യാന്ത്രിക പരിഭാഷ എന്നു പറയുന്നത്. ഒരു ഭാഷയിലെ വാക്കുകള്‍ക്ക് പകരം target ഭാഷയിലെ വാക്കുകള്‍ പകരം വച്ചതുകൊണ്ടു മാത്രം പരിഭാഷ സാധ്യമല്ല , കാരണം ഓരോ ഭാഷയ്ക്കും വ്യത്യസ്തമായ വ്യാകരണമാണ്. <br /> <br /> യാന്ത്രിക പരിഭാഷയെ പ്രധാനമായും രണ്ടായി തിരിക്കാം.<br /> <br /> # Rule Based<br /> # Corpus Based<br /> <br /> === Rule Based ===<br /> വ്യാകരണ നിയമങ്ങളുടെ അടിസ്ഥാനമാക്കി പരിഭാഷപെടുത്തുന്നതിനെയാണ് റൂള്‍ ബേസ്ഡ് എന്നു പറയുന്നത് <br /> &quot;Rule-based machine translation is like taking a set of dictionaries and a descriptive grammar, and trying to translate from one language you don’t know into another.&quot;<br /> ==== ഗുണങ്ങള്‍ ====<br /> # പ്രവചിക്കാവുന്ന ഫലം (predictable output)<br /> # പ്രവചിക്കാവുന്ന തെറ്റുകള്‍(predictable errors)<br /> # (incremental improvements)<br /> # തെറ്റുകള്‍ എളുപ്പത്തില്‍ കണ്ടുപിടിക്കാം <br /> # വലിയ അളവില്‍ നിലവിലുള്ള പരിഭാഷയുടെ ലഭ്യത ആവശ്യമില്ല.<br /> <br /> ====ദോഷങ്ങള്‍ ====<br /> # Lack of fluency<br /> # Lack of idiomaticness<br /> # “Mechanical” output<br /> # Development (വികസനം) കൂടുതല്‍ സമയമെടുത്തേക്കാം <br /> <br /> === Corpus Based ===<br /> ലഭ്യമായ മുന്‍ പരിഭാഷകള്‍ ഉപയോഗിച്ച് word matchingങ്ങിലൂടെ പരിഭാഷപ്പെടുത്തുന്നതിനെയാണ് കോര്‍പസ് ബേസ്ഡ് പരിഭാഷ എന്നു പറയുന്നത് <br /> &quot;Corpus-based machine translation is like taking two documents in two languages you don’t know which are translations of each other and trying to match up words. Then you use these words to build sentences which you put into Google to see if they sound likely.&quot;<br /> <br /> ==== ഗുണങ്ങള്‍ ====<br /> # Fluent output<br /> # Idiomatic output<br /> # No need for linguistic resources:<br /> ## dictionaries<br /> ## grammars<br /> ## linguists<br /> <br /> ====ദോഷങ്ങള്‍ ====<br /> # Unpredictable<br /> # Incremental improvements are hard<br /> # Development can be time consuming<br /> <br /> റൂള്‍ ബേസ്ഡ് പരിഭാഷയെ അടിസ്താനമാകിയുള്ള സ്വതന്ത്ര സോഫ്ട്വൈര്‍ ആണ് apertium. wikimeadia യുടെ പുതിയ പരിഭാഷ പദ്ധതിയിലും apertium ആണ് ഉപയോഗിക്കുന്നത് .ലളിതവും extensibility യുമാണ് അപെറ്ടിയത്തെ പ്രിയങ്കരമാക്കുന്നത് . 2004 ഇല്‍ സ്പൈന് വ്യവസായ വകുപ്പിന്റെ കീഴില്‍ കണ്‍സോര്ഷ്യമാണ് അപെറ്ടിയം ഉണ്ടാക്കിയത് <br /> <br /> == സ്ഥാപിക്കാന്‍/Installation ==<br /> Installing the newest version from SVN<br /> <br /> <br /> Step 1: '''install the prerequisites.'''<br /> ടെര്‍മിനല്‍ ഓപെണ്‍ ചെയ്ത് താഴെയുള്ള കോഡ് എന്റെര്‍ ചെയ്യുക <br /> &lt;pre&gt;<br /> sudo apt-get install subversion build-essential pkg-config gawk libxml2 libxml2-dev libxml2-utils xsltproc flex automake libtool libpcre3-dev <br /> &lt;/pre&gt;<br /> ''പാസ്വെര്‍ഡ് ട്യെപ് ചെയ്ത് എന്റെര്‍ ചെയ്യുക .'' <br /> <br /> Step 2: '''Download required packages.'''<br /> &lt;pre&gt;<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/lttoolbox<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/apertium<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/apertium-lex-tools<br /> &lt;/pre&gt;<br /> <br /> Step 2: '''compile and install.'''<br /> &lt;pre&gt;<br /> cd lttoolbox<br /> ./autogen.sh <br /> make<br /> make install<br /> ldconfig<br /> &lt;/pre&gt;<br /> &lt;pre&gt;<br /> cd apertium<br /> ./autogen.sh <br /> make<br /> make install<br /> ldconfig<br /> &lt;/pre&gt;<br /> &lt;pre&gt;<br /> cd apertium-lex-tools<br /> ./autogen.sh <br /> make<br /> make install<br /> ldconfig<br /> &lt;/pre&gt;<br /> <br /> ==ഘടന ==<br /> [[File:Structure.png]]<br /> <br /> == കൂടുതല്‍ വിവരങ്ങള്‍ക്ക് ==<br /> * http://wiki.apertium.org/wiki/Language_and_pair_maintainer<br /> * [[User:Tachyons]]</div>

Tachyons https://wiki.smc.org.in/index.php?title=File:Structure.png&diff=4247 2013-08-27T14:27:13Z

<p>Tachyons: apertium structure</p> <hr /> <div>apertium structure</div>

Tachyons https://wiki.smc.org.in/index.php?title=Machine_translation&diff=4246 2013-08-27T14:24:56Z

<p>Tachyons: </p> <hr /> <div><br /> == Machine language translation with apertium ==<br /> കമ്പ്യൂട്ടറിന്റെ സഹായത്താല്‍ ഒരു ഭാഷയിലുള്ള ഉള്ളടക്കത്തെ മറ്റൊരു ഭാഷയിലേക്ക് പരിഭാഷപ്പെടുത്തുന്നതിനെയാണ് യാന്ത്രിക പരിഭാഷ എന്നു പറയുന്നത്. ഒരു ഭാഷയിലെ വാക്കുകള്‍ക്ക് പകരം target ഭാഷയിലെ വാക്കുകള്‍ പകരം വച്ചതുകൊണ്ടു മാത്രം പരിഭാഷ സാധ്യമല്ല , കാരണം ഓരോ ഭാഷയ്ക്കും വ്യത്യസ്തമായ വ്യാകരണമാണ്. <br /> <br /> യാന്ത്രിക പരിഭാഷയെ പ്രധാനമായും രണ്ടായി തിരിക്കാം.<br /> <br /> # Rule Based<br /> # Corpus Based<br /> <br /> === Rule Based ===<br /> വ്യാകരണ നിയമങ്ങളുടെ അടിസ്ഥാനമാക്കി പരിഭാഷപെടുത്തുന്നതിനെയാണ് റൂള്‍ ബേസ്ഡ് എന്നു പറയുന്നത് <br /> &quot;Rule-based machine translation is like taking a set of dictionaries and a descriptive grammar, and trying to translate from one language you don’t know into another.&quot;<br /> ==== ഗുണങ്ങള്‍ ====<br /> # പ്രവചിക്കാവുന്ന ഫലം (predictable output)<br /> # പ്രവചിക്കാവുന്ന തെറ്റുകള്‍(predictable errors)<br /> # (incremental improvements)<br /> # തെറ്റുകള്‍ എളുപ്പത്തില്‍ കണ്ടുപിടിക്കാം <br /> # വലിയ അളവില്‍ നിലവിലുള്ള പരിഭാഷയുടെ ലഭ്യത ആവശ്യമില്ല.<br /> <br /> ====ദോഷങ്ങള്‍ ====<br /> # Lack of fluency<br /> # Lack of idiomaticness<br /> # “Mechanical” output<br /> # Development (വികസനം) കൂടുതല്‍ സമയമെടുത്തേക്കാം <br /> <br /> === Corpus Based ===<br /> ലഭ്യമായ മുന്‍ പരിഭാഷകള്‍ ഉപയോഗിച്ച് word matchingങ്ങിലൂടെ പരിഭാഷപ്പെടുത്തുന്നതിനെയാണ് കോര്‍പസ് ബേസ്ഡ് പരിഭാഷ എന്നു പറയുന്നത് <br /> &quot;Corpus-based machine translation is like taking two documents in two languages you don’t know which are translations of each other and trying to match up words. Then you use these words to build sentences which you put into Google to see if they sound likely.&quot;<br /> <br /> ==== ഗുണങ്ങള്‍ ====<br /> # Fluent output<br /> # Idiomatic output<br /> # No need for linguistic resources:<br /> ## dictionaries<br /> ## grammars<br /> ## linguists<br /> <br /> ====ദോഷങ്ങള്‍ ====<br /> # Unpredictable<br /> # Incremental improvements are hard<br /> # Development can be time consuming<br /> <br /> റൂള്‍ ബേസ്ഡ് പരിഭാഷയെ അടിസ്താനമാകിയുള്ള സ്വതന്ത്ര സോഫ്ട്വൈര്‍ ആണ് apertium. wikimeadia യുടെ പുതിയ പരിഭാഷ പദ്ധതിയിലും apertium ആണ് ഉപയോഗിക്കുന്നത് .ലളിതവും extensibility യുമാണ് അപെറ്ടിയത്തെ പ്രിയങ്കരമാക്കുന്നത് . 2004 ഇല്‍ സ്പൈന് വ്യവസായ വകുപ്പിന്റെ കീഴില്‍ കണ്‍സോര്ഷ്യമാണ് അപെറ്ടിയം ഉണ്ടാക്കിയത് <br /> <br /> == സ്ഥാപിക്കാന്‍/Installation ==<br /> Installing the newest version from SVN<br /> <br /> <br /> Step 1: '''install the prerequisites.'''<br /> ടെര്‍മിനല്‍ ഓപെണ്‍ ചെയ്ത് താഴെയുള്ള കോഡ് എന്റെര്‍ ചെയ്യുക <br /> &lt;pre&gt;<br /> sudo apt-get install subversion build-essential pkg-config gawk libxml2 libxml2-dev libxml2-utils xsltproc flex automake libtool libpcre3-dev <br /> &lt;/pre&gt;<br /> ''പാസ്വെര്‍ഡ് ട്യെപ് ചെയ്ത് എന്റെര്‍ ചെയ്യുക .'' <br /> <br /> Step 2: '''Download required packages.'''<br /> &lt;pre&gt;<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/lttoolbox<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/apertium<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/apertium-lex-tools<br /> &lt;/pre&gt;<br /> <br /> Step 2: '''compile and install.'''<br /> &lt;pre&gt;<br /> cd lttoolbox<br /> ./autogen.sh <br /> make<br /> make install<br /> ldconfig<br /> &lt;/pre&gt;<br /> &lt;pre&gt;<br /> cd apertium<br /> ./autogen.sh <br /> make<br /> make install<br /> ldconfig<br /> &lt;/pre&gt;<br /> &lt;pre&gt;<br /> cd apertium-lex-tools<br /> ./autogen.sh <br /> make<br /> make install<br /> ldconfig<br /> &lt;/pre&gt;<br /> <br /> ==ഘടന ==<br /> [[File:Example.jpg]]<br /> == കൂടുതല്‍ വിവരങ്ങള്‍ക്ക് ==<br /> * http://wiki.apertium.org/wiki/Language_and_pair_maintainer<br /> * [[User:Tachyons]]</div>

Tachyons https://wiki.smc.org.in/index.php?title=Machine_translation&diff=4216 2013-08-26T18:35:44Z

<p>Tachyons: /* Installing the newest version from SVN */</p> <hr /> <div><br /> == Machine language translation with apertium ==<br /> കംപൂട്ടറിന്റെ സഹായത്താല്‍ ഒരു ഭാഷയിലുള്ള text ഇനെ മടൊരു ഭാഷയിലേക് പരിഭാഷപ്പെടുത്തുന്നതിനെയാണ് യാന്ത്രിക പരിഭാഷ എന്നു പറയുന്നത്. ഒരു ഭാഷയിലെ വാക്കുകള്‍ക് പകരം target ഭാഷയിലെ വാക്കുകള്‍ പകരം വെച്ചതു കൊണ്ടു മാത്രം പരിഭാഷ സാദ്യമല്ല , കാരണം ഓരൊ ഭാഷയ്ക്കും വിത്യസ്തമായ grammer ആണ് . <br /> യാന്ത്രിക പരിഭാഷയെ പ്രതാനമായും രണ്ടായി തിരിക്കാം<br /> # Rule Based<br /> # Corpus Based<br /> വ്യാകരണ നിയമങ്ങലുടെ അടിസ്താനമാക്കി പരിഭാഷപെടുത്തുന്നതിനെയാണ് റൂള്‍ ബേസ്ഡ് എന്നു പറയുന്നത് <br /> &quot;Rule-based machine translation is like taking a set of dictionaries and a descriptive grammar, and trying to translate from one language you don’t know into another.&quot;<br /> === ഗുണങ്ങള്‍ ===<br /> # പ്രവജിക്കാവുന്ന ഫലം (predictable output)<br /> # പ്രവജിക്കാവുന്ന തെറ്റുകള്‍(predictable errors)<br /> # (incremental improvements)<br /> # തെറ്റുകള്‍ എളുപ്പത്തില്‍ കണ്ടുപിടിക്കാം <br /> # വലിയ അളവില്‍ നിലവിലുള്ള പരിഭാഷയുടെ ലഭ്യത ആവഷ്യം ഇല്ല <br /> ===ദോഷങ്ങള്‍ ===<br /> # Lack of fluency<br /> # Lack of idiomaticness<br /> # “Mechanical” output<br /> # ഡെവെലപ്മെന്റ് കൂടുതല്‍ സമയമെടുത്തേക്കാം <br /> <br /> ലഭ്യമായ മുന്‍ പരിഭാഷകള്‍ യൂസ് ചെയ്ത് word matchingഇലൂടെ പരിഭാഷപ്പെടുത്തുന്നതിനെയാണ് കോര്‍പസ് ബേസ്ഡ് പരിഭാഷ എന്നു പറയുന്നത് <br /> &quot;Corpus-based machine translation is like taking two documents in two languages you don’t know which are translations of each other and trying to match up words. Then you use these words to build sentences which you put into Google to see if they sound likely.&quot;<br /> <br /> === ഗുണങ്ങള്‍ ===<br /> # Fluent output<br /> # Idiomatic output<br /> # No need for linguistic resources:<br /> ## dictionaries<br /> ## grammars<br /> ## linguists<br /> <br /> ===ദോഷങ്ങള്‍ ===<br /> # Unpredictable<br /> # Incremental improvements are hard<br /> # Development can be time consuming<br /> <br /> റൂള്‍ ബേസ്ഡ് പരിഭാഷയെ അടിസ്താനമാകിയുള്ള സ്വതന്ത്ര സോഫ്ട്വൈര്‍ ആണ് apertium. wikimeadia യുടെ പുതിയ പരിഭാഷ പദ്ധതിയിലും apertium ആണ് ഉപയോഗിക്കുന്നത് .ലളിതവും extensibility യുമാണ് അപെറ്ടിയത്തെ പ്രിയങ്കരമാക്കുന്നത് . 2004 ഇല്‍ സ്പൈന് വ്യവസായ വകുപ്പിന്റെ കീഴില്‍ കണ്‍സോര്ഷ്യമാണ് അപെറ്ടിയം ഉണ്ടാക്കിയത് <br /> <br /> ===ഇന്സ്ടല്ലേഷന്‍===<br /> <br /> == Installing the newest version from SVN ==<br /> <br /> <br /> Step 1: '''install the prerequisites.'''<br /> ടെര്‍മിനല്‍ ഓപെണ്‍ ചെയ്ത് താഴെയുള്ള കോഡ് എന്റെര്‍ ചെയ്യുക <br /> &lt;pre&gt;<br /> sudo apt-get install subversion build-essential pkg-config gawk libxml2 libxml2-dev libxml2-utils xsltproc flex automake libtool libpcre3-dev <br /> &lt;/pre&gt;<br /> ''പാസ്വെര്‍ഡ് ട്യെപ് ചെയ്ത് എന്റെര്‍ ചെയ്യുക .'' <br /> <br /> Step 2: '''Download required packages.'''<br /> &lt;pre&gt;<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/lttoolbox<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/apertium<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/apertium-lex-tools<br /> &lt;/pre&gt;<br /> <br /> Step 2: '''compile and install.'''<br /> &lt;pre&gt;<br /> cd lttoolbox<br /> ./autogen.sh <br /> make<br /> make install<br /> ldconfig<br /> &lt;/pre&gt;<br /> &lt;pre&gt;<br /> cd apertium<br /> ./autogen.sh <br /> make<br /> make install<br /> ldconfig<br /> &lt;/pre&gt;<br /> &lt;pre&gt;<br /> cd apertium-lex-tools<br /> ./autogen.sh <br /> make<br /> make install<br /> ldconfig<br /> &lt;/pre&gt;</div>

Tachyons https://wiki.smc.org.in/index.php?title=Machine_translation&diff=4215 2013-08-26T18:31:34Z

<p>Tachyons: /* ഇന്സ്ടല്ലേഷന്‍ */</p> <hr /> <div><br /> == Machine language translation with apertium ==<br /> കംപൂട്ടറിന്റെ സഹായത്താല്‍ ഒരു ഭാഷയിലുള്ള text ഇനെ മടൊരു ഭാഷയിലേക് പരിഭാഷപ്പെടുത്തുന്നതിനെയാണ് യാന്ത്രിക പരിഭാഷ എന്നു പറയുന്നത്. ഒരു ഭാഷയിലെ വാക്കുകള്‍ക് പകരം target ഭാഷയിലെ വാക്കുകള്‍ പകരം വെച്ചതു കൊണ്ടു മാത്രം പരിഭാഷ സാദ്യമല്ല , കാരണം ഓരൊ ഭാഷയ്ക്കും വിത്യസ്തമായ grammer ആണ് . <br /> യാന്ത്രിക പരിഭാഷയെ പ്രതാനമായും രണ്ടായി തിരിക്കാം<br /> # Rule Based<br /> # Corpus Based<br /> വ്യാകരണ നിയമങ്ങലുടെ അടിസ്താനമാക്കി പരിഭാഷപെടുത്തുന്നതിനെയാണ് റൂള്‍ ബേസ്ഡ് എന്നു പറയുന്നത് <br /> &quot;Rule-based machine translation is like taking a set of dictionaries and a descriptive grammar, and trying to translate from one language you don’t know into another.&quot;<br /> === ഗുണങ്ങള്‍ ===<br /> # പ്രവജിക്കാവുന്ന ഫലം (predictable output)<br /> # പ്രവജിക്കാവുന്ന തെറ്റുകള്‍(predictable errors)<br /> # (incremental improvements)<br /> # തെറ്റുകള്‍ എളുപ്പത്തില്‍ കണ്ടുപിടിക്കാം <br /> # വലിയ അളവില്‍ നിലവിലുള്ള പരിഭാഷയുടെ ലഭ്യത ആവഷ്യം ഇല്ല <br /> ===ദോഷങ്ങള്‍ ===<br /> # Lack of fluency<br /> # Lack of idiomaticness<br /> # “Mechanical” output<br /> # ഡെവെലപ്മെന്റ് കൂടുതല്‍ സമയമെടുത്തേക്കാം <br /> <br /> ലഭ്യമായ മുന്‍ പരിഭാഷകള്‍ യൂസ് ചെയ്ത് word matchingഇലൂടെ പരിഭാഷപ്പെടുത്തുന്നതിനെയാണ് കോര്‍പസ് ബേസ്ഡ് പരിഭാഷ എന്നു പറയുന്നത് <br /> &quot;Corpus-based machine translation is like taking two documents in two languages you don’t know which are translations of each other and trying to match up words. Then you use these words to build sentences which you put into Google to see if they sound likely.&quot;<br /> <br /> === ഗുണങ്ങള്‍ ===<br /> # Fluent output<br /> # Idiomatic output<br /> # No need for linguistic resources:<br /> ## dictionaries<br /> ## grammars<br /> ## linguists<br /> <br /> ===ദോഷങ്ങള്‍ ===<br /> # Unpredictable<br /> # Incremental improvements are hard<br /> # Development can be time consuming<br /> <br /> റൂള്‍ ബേസ്ഡ് പരിഭാഷയെ അടിസ്താനമാകിയുള്ള സ്വതന്ത്ര സോഫ്ട്വൈര്‍ ആണ് apertium. wikimeadia യുടെ പുതിയ പരിഭാഷ പദ്ധതിയിലും apertium ആണ് ഉപയോഗിക്കുന്നത് .ലളിതവും extensibility യുമാണ് അപെറ്ടിയത്തെ പ്രിയങ്കരമാക്കുന്നത് . 2004 ഇല്‍ സ്പൈന് വ്യവസായ വകുപ്പിന്റെ കീഴില്‍ കണ്‍സോര്ഷ്യമാണ് അപെറ്ടിയം ഉണ്ടാക്കിയത് <br /> <br /> ===ഇന്സ്ടല്ലേഷന്‍===<br /> <br /> == Installing the newest version from SVN ==<br /> <br /> <br /> Step 1: '''install the prerequisites.'''<br /> ടെര്‍മിനല്‍ ഓപെണ്‍ ചെയ്ത് താഴെയുള്ള കോഡ് എന്റെര്‍ ചെയ്യുക <br /> &lt;pre&gt;<br /> sudo apt-get install subversion build-essential pkg-config gawk libxml2 libxml2-dev libxml2-utils xsltproc flex automake libtool libpcre3-dev <br /> &lt;/pre&gt;<br /> ''പാസ്വെര്‍ഡ് ട്യെപ് ചെയ്ത് എന്റെര്‍ ചെയ്യുക .'' <br /> <br /> Step 2: '''Download required packages.'''<br /> &lt;pre&gt;<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/lttoolbox<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/apertium<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/apertium-lex-tools<br /> svn checkout https://svn.code.sf.net/p/apertium/svn/trunk/apertium-eo-en<br /> &lt;/pre&gt;</div>

Tachyons https://wiki.smc.org.in/index.php?title=Machine_translation&diff=4213 2013-08-26T18:23:21Z

<p>Tachyons: </p> <hr /> <div><br /> == Machine language translation with apertium ==<br /> കംപൂട്ടറിന്റെ സഹായത്താല്‍ ഒരു ഭാഷയിലുള്ള text ഇനെ മടൊരു ഭാഷയിലേക് പരിഭാഷപ്പെടുത്തുന്നതിനെയാണ് യാന്ത്രിക പരിഭാഷ എന്നു പറയുന്നത്. ഒരു ഭാഷയിലെ വാക്കുകള്‍ക് പകരം target ഭാഷയിലെ വാക്കുകള്‍ പകരം വെച്ചതു കൊണ്ടു മാത്രം പരിഭാഷ സാദ്യമല്ല , കാരണം ഓരൊ ഭാഷയ്ക്കും വിത്യസ്തമായ grammer ആണ് . <br /> യാന്ത്രിക പരിഭാഷയെ പ്രതാനമായും രണ്ടായി തിരിക്കാം<br /> # Rule Based<br /> # Corpus Based<br /> വ്യാകരണ നിയമങ്ങലുടെ അടിസ്താനമാക്കി പരിഭാഷപെടുത്തുന്നതിനെയാണ് റൂള്‍ ബേസ്ഡ് എന്നു പറയുന്നത് <br /> &quot;Rule-based machine translation is like taking a set of dictionaries and a descriptive grammar, and trying to translate from one language you don’t know into another.&quot;<br /> === ഗുണങ്ങള്‍ ===<br /> # പ്രവജിക്കാവുന്ന ഫലം (predictable output)<br /> # പ്രവജിക്കാവുന്ന തെറ്റുകള്‍(predictable errors)<br /> # (incremental improvements)<br /> # തെറ്റുകള്‍ എളുപ്പത്തില്‍ കണ്ടുപിടിക്കാം <br /> # വലിയ അളവില്‍ നിലവിലുള്ള പരിഭാഷയുടെ ലഭ്യത ആവഷ്യം ഇല്ല <br /> ===ദോഷങ്ങള്‍ ===<br /> # Lack of fluency<br /> # Lack of idiomaticness<br /> # “Mechanical” output<br /> # ഡെവെലപ്മെന്റ് കൂടുതല്‍ സമയമെടുത്തേക്കാം <br /> <br /> ലഭ്യമായ മുന്‍ പരിഭാഷകള്‍ യൂസ് ചെയ്ത് word matchingഇലൂടെ പരിഭാഷപ്പെടുത്തുന്നതിനെയാണ് കോര്‍പസ് ബേസ്ഡ് പരിഭാഷ എന്നു പറയുന്നത് <br /> &quot;Corpus-based machine translation is like taking two documents in two languages you don’t know which are translations of each other and trying to match up words. Then you use these words to build sentences which you put into Google to see if they sound likely.&quot;<br /> <br /> === ഗുണങ്ങള്‍ ===<br /> # Fluent output<br /> # Idiomatic output<br /> # No need for linguistic resources:<br /> ## dictionaries<br /> ## grammars<br /> ## linguists<br /> <br /> ===ദോഷങ്ങള്‍ ===<br /> # Unpredictable<br /> # Incremental improvements are hard<br /> # Development can be time consuming<br /> <br /> റൂള്‍ ബേസ്ഡ് പരിഭാഷയെ അടിസ്താനമാകിയുള്ള സ്വതന്ത്ര സോഫ്ട്വൈര്‍ ആണ് apertium. wikimeadia യുടെ പുതിയ പരിഭാഷ പദ്ധതിയിലും apertium ആണ് ഉപയോഗിക്കുന്നത് .ലളിതവും extensibility യുമാണ് അപെറ്ടിയത്തെ പ്രിയങ്കരമാക്കുന്നത് . 2004 ഇല്‍ സ്പൈന് വ്യവസായ വകുപ്പിന്റെ കീഴില്‍ കണ്‍സോര്ഷ്യമാണ് അപെറ്ടിയം ഉണ്ടാക്കിയത് <br /> <br /> ===ഇന്സ്ടല്ലേഷന്‍===</div>

Tachyons https://wiki.smc.org.in/index.php?title=Machine_translation&diff=4205 2013-08-26T17:51:51Z

<p>Tachyons: </p> <hr /> <div><br /> == Machine language translation with apertium ==<br /> കംപൂട്ടറിന്റെ സഹായത്താല്‍ ഒരു ഭാഷയിലുള്ള text ഇനെ മടൊരു ഭാഷയിലേക് പരിഭാഷപ്പെടുത്തുന്നതിനെയാണ് യാന്ത്രിക പരിഭാഷ എന്നു പറയുന്നത്. ഒരു ഭാഷയിലെ വാക്കുകള്‍ക് പകരം target ഭാഷയിലെ വാക്കുകള്‍ പകരം വെച്ചതു കൊണ്ടു മാത്രം പരിഭാഷ സാദ്യമല്ല , കാരണം ഓരൊ ഭാഷയ്ക്കും വിത്യസ്തമായ grammer ആണ് . <br /> യാന്ത്രിക പരിഭാഷയെ പ്രതാനമായും രണ്ടായി തിരിക്കാം<br /> # Rule Based<br /> # Corpus Based<br /> വ്യാകരണ നിയമങ്ങലുടെ അടിസ്താനമാക്കി പരിഭാഷപെടുത്തുന്നതിനെയാണ് റൂള്‍ ബേസ്ഡ് എന്നു പറയുന്നത് <br /> &quot;Rule-based machine translation is like taking a set of dictionaries and a descriptive grammar, and trying to translate from one language you don’t know into another.&quot;<br /> === ഗുണങ്ങള്‍ ===<br /> # പ്രവജിക്കാവുന്ന ഫലം (predictable output)<br /> # പ്രവജിക്കാവുന്ന തെറ്റുകള്‍(predictable errors)<br /> # (incremental improvements)<br /> # തെറ്റുകള്‍ എളുപ്പത്തില്‍ കണ്ടുപിടിക്കാം <br /> # വലിയ അളവില്‍ നിലവിലുള്ള പരിഭാഷയുടെ ലഭ്യത ആവഷ്യം ഇല്ല <br /> ===ദോഷങ്ങള്‍ ===<br /> # Lack of fluency<br /> # Lack of idiomaticness<br /> # “Mechanical” output<br /> # ഡെവെലപ്മെന്റ് കൂടുതല്‍ സമയമെടുത്തേക്കാം <br /> <br /> ലഭ്യമായ മുന്‍ പരിഭാഷകള്‍ യൂസ് ചെയ്ത് word matchingഇലൂടെ പരിഭാഷപ്പെടുത്തുന്നതിനെയാണ് കോര്‍പസ് ബേസ്ഡ് പരിഭാഷ എന്നു പറയുന്നത് <br /> &quot;Corpus-based machine translation is like taking two documents in two languages you don’t know which are translations of each other and trying to match up words. Then you use these words to build sentences which you put into Google to see if they sound likely.&quot;<br /> <br /> === ഗുണങ്ങള്‍ ===<br /> # Fluent output<br /> # Idiomatic output<br /> # No need for linguistic resources:<br /> ## dictionaries<br /> ## grammars<br /> ## linguists<br /> <br /> ===ദോഷങ്ങള്‍ ===<br /> # Unpredictable<br /> # Incremental improvements are hard<br /> # Development can be time consuming</div>

Tachyons https://wiki.smc.org.in/index.php?title=Machine_translation&diff=4204 2013-08-26T17:37:49Z

<p>Tachyons: </p> <hr /> <div><br /> == Machine language translation with apertium ==<br /> കംപൂട്ടറിന്റെ സഹായത്താല്‍ ഒരു ഭാഷയിലുള്ള text ഇനെ മടൊരു ഭാഷയിലേക് പരിഭാഷപ്പെടുത്തുന്നതിനെയാണ് യാന്ത്രിക പരിഭാഷ എന്നു പറയുന്നത്. ഒരു ഭാഷയിലെ വാക്കുകള്‍ക് പകരം target ഭാഷയിലെ വാക്കുകള്‍ പകരം വെച്ചതു കൊണ്ടു മാത്രം പരിഭാഷ സാദ്യമല്ല , കാരണം ഓരൊ ഭാഷയ്ക്കും വിത്യസ്തമായ grammer ആണ് . <br /> യാന്ത്രിക പരിഭാഷയെ പ്രതാനമായും രണ്ടായി തിരിക്കാം<br /> # Rule Based<br /> # Corpus Based<br /> വ്യാകരണ നിയമങ്ങലുടെ അടിസ്താനമാക്കി പരിഭാഷപെടുത്തുന്നതിനെയാണ് റൂള്‍ ബേസ്ഡ് എന്നു പറയുന്നത് <br /> &quot;Rule-based machine translation is like taking a set of dictionaries and a descriptive grammar, and trying to translate from one language you don’t know into another.&quot;<br /> === ഗുണങ്ങള്‍ ===<br /> # പ്രവജിക്കാവുന്ന ഫലം (predictable output)<br /> # (predictable errors)<br /> # (incremental improvements)<br /> # Translation errors traceable<br /> # Terminology control easy<br /> # No need for large quantity of existing translations</div>

Tachyons https://wiki.smc.org.in/index.php?title=Machine_translation&diff=4203 2013-08-26T15:40:28Z

<p>Tachyons: 1</p> <hr /> <div><br /> == Machine language translation with apertium ==<br /> കംപൂട്ടറിന്റെ സഹായത്താല്‍ ഒരു ഭാഷയിലുള്ള text ഇനെ മടൊരു ഭാഷയിലേക് പരിഭാഷപ്പെടുത്തുന്നതിനെയാണ് യാന്ത്രിക പരിഭാഷ എന്നു പറയുന്നത്. ഒരു ഭാഷയിലെ വാക്കുകള്‍ക് പകരം target ഭാഷയിലെ വാക്കുകള്‍ പകരം വെച്ചതു കൊണ്ടു മാത്രം പരിഭാഷ സാദ്യമല്ല , കാരണം ഓരൊ ഭാഷയ്ക്കും വിത്യസ്തമായ grammer ആണ് . <br /> യാന്ത്രിക പരിഭാഷയെ പ്രതാനമായും രണ്ടായി തിരിക്കാം<br /> 1.Rule Based<br /> 2.Corpus Based</div>

Tachyons https://wiki.smc.org.in/index.php?title=Machine_translation&diff=4202 2013-08-26T15:30:41Z

<p>Tachyons: Created page with &quot; == Machine language translation with apertium == കംപൂട്ടറിന്റെ സഹായത്താല്‍ ഒരു ഭാഷയിലുള്ള text ഇ...&quot;</p> <hr /> <div><br /> == Machine language translation with apertium ==<br /> കംപൂട്ടറിന്റെ സഹായത്താല്‍ ഒരു ഭാഷയിലുള്ള text ഇനെ മടൊരു ഭാഷയിലേക് പരിഭാഷപ്പെടുത്തുന്നതിനെയാണ് യാന്ത്രിക പരിഭാഷ എന്നു പറയുന്നത്</div>

Tachyons https://wiki.smc.org.in/index.php?title=User:Tachyons&diff=4201 2013-08-26T15:19:34Z

<p>Tachyons: </p> <hr /> <div>I am Aboobacker MK , A final year student at college of engineering Trikaripur</div>

Tachyons https://wiki.smc.org.in/index.php?title=User:Tachyons/GSoC-Malayalagrandham&diff=4052 2013-05-03T18:11:46Z

<p>Tachyons: /* How you intend to implement your proposal */</p> <hr /> <div><br /> <br /> == An overview of your proposal ==<br /> <br /> <br /> Malayala Grantha Vivaram is a project intended to make available reliable bibliographic information on all Malayalam books published in Kerala and elsewhere,It has its inspiration from the Malayalam Granthasooji in print envisaged and implemented by K M Govi. Aim of this project is to complete the digitization and documentation of malayalam books database and create an easy way to add and retrieve and update the database<br /> The project should have interface to <br /> <br /> * Guest readers who just ant to access the data <br /> * Contributers<br /> * publishers through with they can contribute their publication bibliography <br /> * Application developers who want to use database <br /> * Libraries which needs to indexed in malayalagrandham database<br /> * Reviewrs who have privilage to approve/reject suggestions from contributers<br /> <br /> <br /> == The need you believe it fulfills ==<br /> <br /> * User friendly interface for crowd contributers and reviwers<br /> * Quick acess of data without registration<br /> * RESTFul API<br /> * Facility for searching data using name or ISBN<br /> * Proper doumenttation of API<br /> * An offline client (Low priority)<br /> * Module for creating QR code with malayala grandhavivaramweb ui link <br /> * Export data to marc21 and marcxml format<br /> * Facility for adding copyright expired books to malaylagrandha vivaram with the integration of wiki books<br /> * A dynamic visualisation interface for book information browsing<br /> <br /> == Any relevant experience you have ==<br /> <br /> I am familiar with webapplication with php and Django<br /> <br /> <br /> == How you intend to implement your proposal ==<br /> <br /> I would like to implement this proposal using Django framework and Mysql/MariaDB in the backend<br /> Libraries to use<br /> * [https://github.com/edsu/pymarc pymarc] (for manipulating marcformats)<br /> * [https://pypi.python.org/pypi/django-qrcode django-qrcode]<br /> * Qt (Desktop ui)<br /> * Twitter Bootstrap (front end<br /> <br /> <br /> <br /> '''Web Interface for Accessing and Updating Data'''<br /> <br /> Web inter face is the most important part of this project . It must have have an easy to use ui security. User must be able to access data without log in in. It should also provide interface for contributors to add and update database. Selected users with admin will get access to review queue . In review queue , they can approve, reject or improve the edits and additions by contributors<br /> <br /> Language frame work :''Django and Bootsrap''<br /> <br /> Libraries : [https://github.com/edsu/pymarc pymarc]<br /> <br /> '''API for third party apps'''<br /> <br /> The digitized database must be useful to all . Any app developer who need this database for their apps must be able to access db using this API . API should also provide option for updating database so that people can write tools for contributing to database .contributions through this API must pass through review queue . API must have complete documentation . If the application requires insert or update operations , It must obtain valid developer key from malayalagrandham website<br /> <br /> '''An offline desktop client'''<br /> <br /> This is the official desktop client using malayalagradham API, It must be cross plat form should work offline . It should also have feature for updating database in online or using downloaded database from malayala grandham website<br /> <br /> == A rough timeline for your progress with phases ==<br /> <br /> '''Pre GSoC'''<br /> <br /> * Refreshing python and DJango frame work<br /> <br /> * Familiarizing marcxml and marc21 format<br /> <br /> * Familiarizing Qr code<br /> <br /> * Familiarizing API management<br /> <br /> * Refreshing c++ and QT<br /> <br /> * Familiarize with existing database and code base<br /> <br /> '''week 1 and 2'''<br /> <br /> * Restructure database<br /> <br /> * Implement marc21 structure <br /> <br /> * Create basic web ui<br /> <br /> * ADD support for editing and updating database<br /> <br /> '''week 3 and 4'''<br /> <br /> *. Implement review queue<br /> <br /> *. Prevention from spam inputs<br /> <br /> * Implement ui for publishers<br /> <br /> * Implement QR code<br /> <br /> * Document existing components<br /> <br /> '''week 5 and 6'''<br /> <br /> * API building<br /> <br /> * document API<br /> <br /> Start Desktop ui using Qt<br /> <br /> '''Week 7-11'''<br /> *. Testing<br /> <br /> * Debugging<br /> <br /> * complete Desktop ui<br /> <br /> '''Week 12'''<br /> <br /> Feed backs from community<br /> <br /> * Improve API documentation <br /> <br /> 2. Add examples for various languages<br /> <br /> '''Week 13'''<br /> <br /> * Extra week to compensate unexpected delays<br /> <br /> '''Post Gsoc'''<br /> <br /> * Maintenance <br /> <br /> <br /> == Tell us about something you have created. ==<br /> <br /> Here is my github profile https://github.com/tachyons<br /> * Placement cell management system for a college <br /> * A simple GTK3 ui for English malayalam Dictionary<br /> * User interface for apertium project ( under construction)<br /> <br /> == Have you communicated with a potential mentor? If so, who? ==<br /> <br /> Yes , I have communicated with Anivar Aravind<br /> <br /> <br /> == SMC Wiki link of your proposal ==<br /> <br /> http://wiki.smc.org.in/User:Tachyons/GSoC-Malayalagrandham<br /> <br /> == Personal information ==<br /> <br /> Email Address : aboockervyd@gmail.com<br /> Blog URL : abvayad.wordpress.com<br /> Freenode IRC Nick : tachyons<br /> Your university and current education: CUSAT , B Tech Computer science<br /> <br /> <br /> '''Why do you want to work with the Swathanthra Malayalam Computing?'''<br /> <br /> I heard about smc by accident . I saw the mailing list from launchapad when I was helping one project for malayalam translation. I joined in that mailing list and really surprised with dedication of smc members for malayalam language computing. I asked to one of the members about the reason behind this dedication . His answer was simple &quot;I am a malayalee ,It is our responsibility&quot; . As a malayalee I also have responsibility to complete the dream &quot;എന്റെ കമ്പ്യൂട്ടറിനു് എന്റെ ഭാഷ&quot;. So I decided to contribute to smc in this summer . I will work for smc even if I am not selected for GSoc , Because It is my responsibility<br /> <br /> '''Do you have any past involvement with the Swathanthra Malayalam Computing or another open source project as a contributor?'''<br /> <br /> I don't have considerable contribution to opensource projects .But I hope I can involve in open source projects in future <br /> here is my github profile [https://github.com/tachyons tachyons] <br /> <br /> '''Did you participate with the past GSoC programs, if so which years, which organizations?'''<br /> <br /> No<br /> <br /> '''Do you have other obligations between May and August ? Please note that we expect the Summer of Code to be a full time, 40 hour a week <br /> commitment'''<br /> <br /> NO , I don't have such obligations <br /> <br /> '''Will you continue contributing/ supporting the Swathanthra Malayalam Computing after the GSoC 2013 program, if yes, which area(s), you are interested in?'''<br /> <br /> Yes I will , My interested fields are<br /> <br /> * Machine language translation system for malayalam<br /> * Malayalam Speech Recognition <br /> * Malayalam text to speech(Improving Dhani)<br /> <br /> '''Why should we choose you over other applicants?'''<br /> <br /> I am a foss enthusiast and technology enthusiast. I am new to the field of digital sound processing ,But I have knowledge about digital signal processing and have solid background in major programming languages . I also planned to create a similar project as the academic project , So that I can spend more time and effort for this project</div>

Tachyons https://wiki.smc.org.in/index.php?title=User:Tachyons/GSoC-speech_recognition&diff=3939 2013-05-02T02:39:10Z

<p>Tachyons: </p> <hr /> <div>= Developing Acoustic and Language Model for Malayalam Recognition =<br /> <br /> == Personal information ==<br /> <br /> Email Address : aboockervyd@gmail.com<br /> Blog URL : abvayad.wordpress.com<br /> Freenode IRC Nick : tachyons<br /> Your university and current education: CUSAT , B Tech Computer science<br /> <br /> <br /> '''Why do you want to work with the Swathanthra Malayalam Computing?'''<br /> <br /> I heard about smc by accident . I saw the mailing list from launchapad when I was helping one project for malayalam translation. I joined in that mailing list and really surprised with dedication of smc members for malayalam language computing. I asked to one of the members about the reason behind this dedication . His answer was simple &quot;I am a malayalee ,It is our responsibility&quot; . As a malayalee I also have responsibility to complete the dream &quot;എന്റെ കമ്പ്യൂട്ടറിനു് എന്റെ ഭാഷ&quot;. So I decided to contribute to smc in this summer . I will work for smc even if I am not selected for GSoc , Because It is my responsibility<br /> <br /> '''Do you have any past involvement with the Swathanthra Malayalam Computing or another open source project as a contributor?'''<br /> <br /> :I don't have considerable contribution to opensource projects .But I hope I can involve in open source projects in future <br /> here is my github profile [https://github.com/tachyons tachyons] <br /> <br /> '''Did you participate with the past GSoC programs, if so which years, which organizations?'''<br /> <br /> :No<br /> <br /> '''Do you have other obligations between May and August ? Please note that we expect the Summer of Code to be a full time, 40 hour a week <br /> commitment'''<br /> <br /> :NO , I don't have such obligations <br /> <br /> '''Will you continue contributing/ supporting the Swathanthra Malayalam Computing after the GSoC 2013 program, if yes, which area(s), you are interested in?'''<br /> <br /> :Yes I will , My interested fields are<br /> <br /> * Machine language translation system for malayalam<br /> * Malayalam Speech Recognition <br /> * Malayalam text to speech(Improving Dhani)<br /> <br /> '''Why should we choose you over other applicants?'''<br /> <br /> :I am a foss enthusiast and technology enthusiast. I am new to the field of digital sound processing ,But I have knowledge about digital signal processing and have solid background in major programming languages . I also planned to create a similar project as the academic project , So that I can spend more time and effort for this project<br /> <br /> == Proposal Description ==<br /> <br /> '''Problem Statement'''<br /> <br /> :Malayalam (മലയാളം), is a language spoken in India, predominantly in the state of Kerala. It is one of the 22 scheduled languages of India. Malayalam has official language status in the state of Kerala and in the union territories of Lakshadweep and Puducherry. It belongs to the Dravidian family of languages, and is spoken approximately by 33 million people according to the 2001 census.<br /> <br /> :Malayalam do not have existing speech processing systems ,So in order to develop a speech processing sysstem we have to create an an acoustic model and language Model has to be developed for malayalam . This project isto create an acoustic model and language Model for malayalam so that it will be helpful for future development in malayalam speech Recognition system<br /> <br /> '''Introduction'''<br /> <br /> :Speech is the ancient but still more powerfull way of sharing of information . Even an illiterate person can share information via speech . But unlike other communication ways like text , Speech processing is very difficult to achive . Due to this complexity there is no perfect speech Recognition tools are available today . Carnegie Mellon University created an open source tool called CMU sphnix , It made considerable improvement in speech Recognition<br /> <br /> :*'''Speech Recognition in CMU sphnix'''<br /> <br /> In CMU sphnix common way to recognize speech is the following: Take the wave form and split it on the utterance , Process that slice and determine match it with predefined database .<br /> <br /> :*'''Models'''<br /> <br /> ::Model describes some mathematical object that gathers common attributes of the spoken word. <br /> ::* Acoustic models The acoustic model establishes a mapping between phonemes and their possible acoustic manifestations . It characterize how sound changes over time. It captures the characteristics of basic recognition units<br /> ::* The language model describes the likelihood, probability, or penalty taken when a sequence or collection of words is seen. It attempts to convey behavior of the language and tries to predict the occurrence of specific word sequences possible in the language.<br /> <br /> '''The need you believe it fulfills'''<br /> <br /> :* Acoustic model<br /> :* The language model<br /> <br /> '''How and who it will benefit in society'''<br /> <br /> '''Previous attempts'''<br /> <br /> '''Challenges'''<br /> <br /> '''References'''<br /> <br /> '''Any relevant experience you have'''<br /> <br /> '''How you intend to implement your proposal''' <br /> <br /> '''A rough time-line for your progress with phases'''<br /> <br /> '''Any other details you feel we should consider'''<br /> <br /> '''Tell us about something you have created.'''<br /> <br /> '''Have you communicated with a potential mentor? If so, who?'''<br /> :Not yet <br /> '''SMC Wiki link of your proposal'''<br /> http://wiki.smc.org.in/User:Tachyons/GSoC-speech_recognition</div>

Tachyons