mirror of
https://github.com/explosion/spaCy.git
synced 2025-01-11 17:56:30 +03:00
Azerbaijani language added (#7911)
This commit is contained in:
parent
f4080983ea
commit
49aed683cc
106
.github/contributors/sevdimali.md
vendored
Normal file
106
.github/contributors/sevdimali.md
vendored
Normal file
|
@ -0,0 +1,106 @@
|
||||||
|
# spaCy contributor agreement
|
||||||
|
|
||||||
|
This spaCy Contributor Agreement (**"SCA"**) is based on the
|
||||||
|
[Oracle Contributor Agreement](http://www.oracle.com/technetwork/oca-405177.pdf).
|
||||||
|
The SCA applies to any contribution that you make to any product or project
|
||||||
|
managed by us (the **"project"**), and sets out the intellectual property rights
|
||||||
|
you grant to us in the contributed materials. The term **"us"** shall mean
|
||||||
|
[ExplosionAI UG (haftungsbeschränkt)](https://explosion.ai/legal). The term
|
||||||
|
**"you"** shall mean the person or entity identified below.
|
||||||
|
|
||||||
|
If you agree to be bound by these terms, fill in the information requested
|
||||||
|
below and include the filled-in version with your first pull request, under the
|
||||||
|
folder [`.github/contributors/`](/.github/contributors/). The name of the file
|
||||||
|
should be your GitHub username, with the extension `.md`. For example, the user
|
||||||
|
example_user would create the file `.github/contributors/example_user.md`.
|
||||||
|
|
||||||
|
Read this agreement carefully before signing. These terms and conditions
|
||||||
|
constitute a binding legal agreement.
|
||||||
|
|
||||||
|
## Contributor Agreement
|
||||||
|
|
||||||
|
1. The term "contribution" or "contributed materials" means any source code,
|
||||||
|
object code, patch, tool, sample, graphic, specification, manual,
|
||||||
|
documentation, or any other material posted or submitted by you to the project.
|
||||||
|
|
||||||
|
2. With respect to any worldwide copyrights, or copyright applications and
|
||||||
|
registrations, in your contribution:
|
||||||
|
|
||||||
|
* you hereby assign to us joint ownership, and to the extent that such
|
||||||
|
assignment is or becomes invalid, ineffective or unenforceable, you hereby
|
||||||
|
grant to us a perpetual, irrevocable, non-exclusive, worldwide, no-charge,
|
||||||
|
royalty-free, unrestricted license to exercise all rights under those
|
||||||
|
copyrights. This includes, at our option, the right to sublicense these same
|
||||||
|
rights to third parties through multiple levels of sublicensees or other
|
||||||
|
licensing arrangements;
|
||||||
|
|
||||||
|
* you agree that each of us can do all things in relation to your
|
||||||
|
contribution as if each of us were the sole owners, and if one of us makes
|
||||||
|
a derivative work of your contribution, the one who makes the derivative
|
||||||
|
work (or has it made will be the sole owner of that derivative work;
|
||||||
|
|
||||||
|
* you agree that you will not assert any moral rights in your contribution
|
||||||
|
against us, our licensees or transferees;
|
||||||
|
|
||||||
|
* you agree that we may register a copyright in your contribution and
|
||||||
|
exercise all ownership rights associated with it; and
|
||||||
|
|
||||||
|
* you agree that neither of us has any duty to consult with, obtain the
|
||||||
|
consent of, pay or render an accounting to the other for any use or
|
||||||
|
distribution of your contribution.
|
||||||
|
|
||||||
|
3. With respect to any patents you own, or that you can license without payment
|
||||||
|
to any third party, you hereby grant to us a perpetual, irrevocable,
|
||||||
|
non-exclusive, worldwide, no-charge, royalty-free license to:
|
||||||
|
|
||||||
|
* make, have made, use, sell, offer to sell, import, and otherwise transfer
|
||||||
|
your contribution in whole or in part, alone or in combination with or
|
||||||
|
included in any product, work or materials arising out of the project to
|
||||||
|
which your contribution was submitted, and
|
||||||
|
|
||||||
|
* at our option, to sublicense these same rights to third parties through
|
||||||
|
multiple levels of sublicensees or other licensing arrangements.
|
||||||
|
|
||||||
|
4. Except as set out above, you keep all right, title, and interest in your
|
||||||
|
contribution. The rights that you grant to us under these terms are effective
|
||||||
|
on the date you first submitted a contribution to us, even if your submission
|
||||||
|
took place before the date you sign these terms.
|
||||||
|
|
||||||
|
5. You covenant, represent, warrant and agree that:
|
||||||
|
|
||||||
|
* Each contribution that you submit is and shall be an original work of
|
||||||
|
authorship and you can legally grant the rights set out in this SCA;
|
||||||
|
|
||||||
|
* to the best of your knowledge, each contribution will not violate any
|
||||||
|
third party's copyrights, trademarks, patents, or other intellectual
|
||||||
|
property rights; and
|
||||||
|
|
||||||
|
* each contribution shall be in compliance with U.S. export control laws and
|
||||||
|
other applicable export and import laws. You agree to notify us if you
|
||||||
|
become aware of any circumstance which would make any of the foregoing
|
||||||
|
representations inaccurate in any respect. We may publicly disclose your
|
||||||
|
participation in the project, including the fact that you have signed the SCA.
|
||||||
|
|
||||||
|
6. This SCA is governed by the laws of the State of California and applicable
|
||||||
|
U.S. Federal law. Any choice of law rules will not apply.
|
||||||
|
|
||||||
|
7. Please place an “x” on one of the applicable statement below. Please do NOT
|
||||||
|
mark both statements:
|
||||||
|
|
||||||
|
* [x] I am signing on behalf of myself as an individual and no other person
|
||||||
|
or entity, including my employer, has or will have rights with respect to my
|
||||||
|
contributions.
|
||||||
|
|
||||||
|
* [ ] I am signing on behalf of my employer or a legal entity and I have the
|
||||||
|
actual authority to contractually bind that entity.
|
||||||
|
|
||||||
|
## Contributor Details
|
||||||
|
|
||||||
|
| Field | Entry |
|
||||||
|
|------------------------------- | -------------------- |
|
||||||
|
| Name | Sevdimali |
|
||||||
|
| Company name (if applicable) | |
|
||||||
|
| Title or role (if applicable) | |
|
||||||
|
| Date | 10/4/2021 |
|
||||||
|
| GitHub username | sevdimali |
|
||||||
|
| Website (optional) | https://sevdimali.me |
|
21
spacy/lang/az/__init__.py
Normal file
21
spacy/lang/az/__init__.py
Normal file
|
@ -0,0 +1,21 @@
|
||||||
|
from .tokenizer_exceptions import TOKENIZER_EXCEPTIONS, TOKEN_MATCH
|
||||||
|
from .stop_words import STOP_WORDS
|
||||||
|
from .syntax_iterators import SYNTAX_ITERATORS
|
||||||
|
from .lex_attrs import LEX_ATTRS
|
||||||
|
from ...language import Language
|
||||||
|
|
||||||
|
|
||||||
|
class AzerbaijaniDefaults(Language.Defaults):
|
||||||
|
tokenizer_exceptions = TOKENIZER_EXCEPTIONS
|
||||||
|
lex_attr_getters = LEX_ATTRS
|
||||||
|
stop_words = STOP_WORDS
|
||||||
|
token_match = TOKEN_MATCH
|
||||||
|
syntax_iterators = SYNTAX_ITERATORS
|
||||||
|
|
||||||
|
|
||||||
|
class Azerbaijani(Language):
|
||||||
|
lang = "az"
|
||||||
|
Defaults = AzerbaijaniDefaults
|
||||||
|
|
||||||
|
|
||||||
|
__all__ = ["Azerbaijani"]
|
18
spacy/lang/az/examples.py
Normal file
18
spacy/lang/az/examples.py
Normal file
|
@ -0,0 +1,18 @@
|
||||||
|
"""
|
||||||
|
Example sentences to test spaCy and its language models.
|
||||||
|
>>> from spacy.lang.az.examples import sentences
|
||||||
|
>>> docs = nlp.pipe(sentences)
|
||||||
|
"""
|
||||||
|
|
||||||
|
|
||||||
|
sentences = [
|
||||||
|
"Bu bir cümlədir.",
|
||||||
|
"Necəsən?",
|
||||||
|
"Qarabağ ordeni vətən müharibəsində qələbə münasibəti ilə təsis edilmişdir.",
|
||||||
|
"Məktəbimizə Bakıdan bir tarix müəllimi gəlmişdi.",
|
||||||
|
"Atılan növbəti mərmilər lap yaxınlıqda partladı.",
|
||||||
|
"Sinqapur koronavirus baxımından ən təhlükəsiz ölkələr sırasındadır.",
|
||||||
|
"Marsda ilk sınaq uçuşu həyata keçirilib.",
|
||||||
|
"SSRİ dağılandan bəri 5 sahil dövləti Xəzərin statusunu müəyyən edə bilməyiblər.",
|
||||||
|
"Videoda beyninə xüsusi çip yerləşdirilmiş meymun əks olunub.",
|
||||||
|
]
|
89
spacy/lang/az/lex_attrs.py
Normal file
89
spacy/lang/az/lex_attrs.py
Normal file
|
@ -0,0 +1,89 @@
|
||||||
|
from ...attrs import LIKE_NUM
|
||||||
|
|
||||||
|
|
||||||
|
# Eleven, twelve etc. are written separate: on bir, on iki
|
||||||
|
|
||||||
|
_num_words = [
|
||||||
|
"bir",
|
||||||
|
"iki",
|
||||||
|
"üç",
|
||||||
|
"dörd",
|
||||||
|
"beş",
|
||||||
|
"altı",
|
||||||
|
"yeddi",
|
||||||
|
"səkkiz",
|
||||||
|
"doqquz",
|
||||||
|
"on",
|
||||||
|
"iyirmi",
|
||||||
|
"otuz",
|
||||||
|
"qırx",
|
||||||
|
"əlli",
|
||||||
|
"altmış",
|
||||||
|
"yetmiş",
|
||||||
|
"səksən",
|
||||||
|
"doxsan",
|
||||||
|
"yüz",
|
||||||
|
"min",
|
||||||
|
"milyon",
|
||||||
|
"milyard",
|
||||||
|
"trilyon",
|
||||||
|
"kvadrilyon",
|
||||||
|
"kentilyon",
|
||||||
|
]
|
||||||
|
|
||||||
|
|
||||||
|
_ordinal_words = [
|
||||||
|
"birinci",
|
||||||
|
"ikinci",
|
||||||
|
"üçüncü",
|
||||||
|
"dördüncü",
|
||||||
|
"beşinci",
|
||||||
|
"altıncı",
|
||||||
|
"yedinci",
|
||||||
|
"səkkizinci",
|
||||||
|
"doqquzuncu",
|
||||||
|
"onuncu",
|
||||||
|
"iyirminci",
|
||||||
|
"otuzuncu",
|
||||||
|
"qırxıncı",
|
||||||
|
"əllinci",
|
||||||
|
"altmışıncı",
|
||||||
|
"yetmişinci",
|
||||||
|
"səksəninci",
|
||||||
|
"doxsanıncı",
|
||||||
|
"yüzüncü",
|
||||||
|
"mininci",
|
||||||
|
"milyonuncu",
|
||||||
|
"milyardıncı",
|
||||||
|
"trilyonuncu",
|
||||||
|
"kvadrilyonuncu",
|
||||||
|
"kentilyonuncu",
|
||||||
|
]
|
||||||
|
|
||||||
|
_ordinal_endings = ("inci", "ıncı", "nci", "ncı", "uncu", "üncü")
|
||||||
|
|
||||||
|
|
||||||
|
def like_num(text):
|
||||||
|
if text.startswith(("+", "-", "±", "~")):
|
||||||
|
text = text[1:]
|
||||||
|
text = text.replace(",", "").replace(".", "")
|
||||||
|
if text.isdigit():
|
||||||
|
return True
|
||||||
|
if text.count("/") == 1:
|
||||||
|
num, denom = text.split("/")
|
||||||
|
if num.isdigit() and denom.isdigit():
|
||||||
|
return True
|
||||||
|
text_lower = text.lower()
|
||||||
|
# Check cardinal number
|
||||||
|
if text_lower in _num_words:
|
||||||
|
return True
|
||||||
|
# Check ordinal number
|
||||||
|
if text_lower in _ordinal_words:
|
||||||
|
return True
|
||||||
|
if text_lower.endswith(_ordinal_endings):
|
||||||
|
if text_lower[:-3].isdigit() or text_lower[:-4].isdigit():
|
||||||
|
return True
|
||||||
|
return False
|
||||||
|
|
||||||
|
|
||||||
|
LEX_ATTRS = {LIKE_NUM: like_num}
|
145
spacy/lang/az/stop_words.py
Normal file
145
spacy/lang/az/stop_words.py
Normal file
|
@ -0,0 +1,145 @@
|
||||||
|
# Source: https://github.com/eliasdabbas/advertools/blob/master/advertools/stopwords.py
|
||||||
|
STOP_WORDS = set(
|
||||||
|
"""
|
||||||
|
amma
|
||||||
|
arasında
|
||||||
|
artıq
|
||||||
|
ay
|
||||||
|
az
|
||||||
|
bax
|
||||||
|
belə
|
||||||
|
beş
|
||||||
|
bilər
|
||||||
|
bir
|
||||||
|
biraz
|
||||||
|
biri
|
||||||
|
birşey
|
||||||
|
biz
|
||||||
|
bizim
|
||||||
|
bizlər
|
||||||
|
bu
|
||||||
|
buna
|
||||||
|
bundan
|
||||||
|
bunların
|
||||||
|
bunu
|
||||||
|
bunun
|
||||||
|
buradan
|
||||||
|
bütün
|
||||||
|
bəli
|
||||||
|
bəlkə
|
||||||
|
bəy
|
||||||
|
bəzi
|
||||||
|
bəzən
|
||||||
|
daha
|
||||||
|
dedi
|
||||||
|
deyil
|
||||||
|
dir
|
||||||
|
düz
|
||||||
|
də
|
||||||
|
dək
|
||||||
|
dən
|
||||||
|
dəqiqə
|
||||||
|
edir
|
||||||
|
edən
|
||||||
|
elə
|
||||||
|
et
|
||||||
|
etdi
|
||||||
|
etmə
|
||||||
|
etmək
|
||||||
|
faiz
|
||||||
|
gilə
|
||||||
|
görə
|
||||||
|
ha
|
||||||
|
haqqında
|
||||||
|
harada
|
||||||
|
heç
|
||||||
|
hə
|
||||||
|
həm
|
||||||
|
həmin
|
||||||
|
həmişə
|
||||||
|
hər
|
||||||
|
idi
|
||||||
|
il
|
||||||
|
ildə
|
||||||
|
ilk
|
||||||
|
ilə
|
||||||
|
in
|
||||||
|
indi
|
||||||
|
istifadə
|
||||||
|
isə
|
||||||
|
ki
|
||||||
|
kim
|
||||||
|
kimi
|
||||||
|
kimə
|
||||||
|
lakin
|
||||||
|
lap
|
||||||
|
mirşey
|
||||||
|
məhz
|
||||||
|
mən
|
||||||
|
mənə
|
||||||
|
niyə
|
||||||
|
nə
|
||||||
|
nəhayət
|
||||||
|
o
|
||||||
|
obirisi
|
||||||
|
of
|
||||||
|
olan
|
||||||
|
olar
|
||||||
|
olaraq
|
||||||
|
oldu
|
||||||
|
olduğu
|
||||||
|
olmadı
|
||||||
|
olmaz
|
||||||
|
olmuşdur
|
||||||
|
olsun
|
||||||
|
olur
|
||||||
|
on
|
||||||
|
ona
|
||||||
|
ondan
|
||||||
|
onlar
|
||||||
|
onlardan
|
||||||
|
onların
|
||||||
|
onsuzda
|
||||||
|
onu
|
||||||
|
onun
|
||||||
|
oradan
|
||||||
|
qarşı
|
||||||
|
qədər
|
||||||
|
saat
|
||||||
|
sadəcə
|
||||||
|
saniyə
|
||||||
|
siz
|
||||||
|
sizin
|
||||||
|
sizlər
|
||||||
|
sonra
|
||||||
|
səhv
|
||||||
|
sən
|
||||||
|
sənin
|
||||||
|
sənə
|
||||||
|
təəssüf
|
||||||
|
var
|
||||||
|
və
|
||||||
|
xan
|
||||||
|
xanım
|
||||||
|
xeyr
|
||||||
|
ya
|
||||||
|
yalnız
|
||||||
|
yaxşı
|
||||||
|
yeddi
|
||||||
|
yenə
|
||||||
|
yox
|
||||||
|
yoxdur
|
||||||
|
yoxsa
|
||||||
|
yəni
|
||||||
|
zaman
|
||||||
|
çox
|
||||||
|
çünki
|
||||||
|
öz
|
||||||
|
özü
|
||||||
|
üçün
|
||||||
|
əgər
|
||||||
|
əlbəttə
|
||||||
|
ən
|
||||||
|
əslində
|
||||||
|
""".split()
|
||||||
|
)
|
Loading…
Reference in New Issue
Block a user