tamga¶
Yazar tespiti, yazar grubu karşılaştırması ve adli dilbilim analizi için hesaplamalı stilometri. R'ın Stylo paketinin modern bir Python karşılığı; güncel bir NLP işlem hattı (spaCy, transformer gömmeleri), Bayes katmanı (PyMC) ve kapsamlı bir adli dilbilim kanıt araç takımı içerir.
Adını tamgadan alır — Türk boylarının bireyi ve aileyi tek bakışta tanımlayan damgasından, yani biçembilimsel parmak izinin kültürel karşılığından.
Mimari¶
Her katman sklearn uyumludur; her Result tam köken bilgisi taşır (derlem özeti,
öznitelik özeti, tohum, spaCy sürümü, zaman damgası, çözümlenmiş yapılandırma); böylece
study.yaml olarak yazılan bir çalışma, yıllar sonra bile tam aynı rastgele çekime
yeniden üretilebilir.
Hızlı gezinti¶
-
Başlarken
tamga'yı kurun, ilk derlemizi oluşturun ve CLI'dan bir Burrows Delta çalışması çalıştırın.
-
Kavramlar
Derlem → Öznitelikler → Yöntemler → Sonuçlar. İşlem hattının dört katmanı, açıklamalı.
-
Adli dilbilim araç takımı
General Impostors doğrulama, Unmasking, LR çıktısı ve kalibrasyon, PAN değerlendirme.
-
Öğreticiler
Mosteller & Wallace'ın Federalist Papers çalışmasını yeniden üretin; uçtan uca PAN tarzı adli doğrulama yapın.
Neler var?¶
| Katman | Öne çıkanlar |
|---|---|
| Derlem | .txt + TSV meta veri alımı, filtre / grupla, içerik tabanlı özetleme |
| Diller | EN / TR / DE / ES / FR tam destek — dile özgü işlev sözcüğü listeleri, okunabilirlik formülleri, bağlamsal/cümle gömme varsayılanları. Türkçe için Stanford Stanza (BOUN) spacy-stanza aracılığıyla |
| Öznitelikler | MFW, karakter / sözcük / POS n-gram, bağımlılık bigramları, işlev sözcükleri, noktalama, okunabilirlik (EN + TR/DE/ES/FR yerel formüller), cümle uzunluğu, sözcüksel çeşitlilik, cümle + bağlamsal gömmeler |
| Yöntemler | Burrows / Eder / Argamon / Cosine / Quadratic Delta; Zeta; PCA / UMAP / t-SNE / MDS; Ward / k-means / HDBSCAN; bootstrap konsensüs; sklearn sınıflandırma + CV; Wallace–Mosteller Bayes |
| Adli dilbilim | General Impostors, Unmasking, Stamatatos çarpıtma, Sapkota n-gram kategorileri, Platt / izotonik kalibrasyon, log-LR + C_llr + AUC + c@1 + F0.5u + ECE + Brier + Tippett, PANReport, delil zinciri köken bilgisi, LR tabanlı HTML raporu |
Durum¶
5. aşama tamamlandı — görselleştirme, Jinja2 raporları, bildirimsel çalıştırıcı (tamga run) ve
Rich tabanlı etkileşimli tamga shell.
Adli dilbilim aşaması tamamlandı — altı ek (General Impostors, LR + kalibrasyon + değerlendirme ölçütleri, Sapkota kategorileri + Stamatatos çarpıtma, Unmasking, delil zinciri + adli rapor şablonu, PAN çerçevesi).
Çok dilli aşama tamamlandı — tamga.languages kayıt defterinin arkasında İngilizce, Türkçe,
Almanca, İspanyolca ve Fransızca için tam destek. Türkçe, Stanford Stanza (BOUN
treebank'ı) aracılığıyla spacy-stanza üzerinden çözümlenerek her öznitelik çıkarıcının değişmeden
çalışabileceği yerel spaCy Doc nesneleri döndürür. Dile özgü yerel okunabilirlik formülleri
(Türkçe için Ateşman + Bezirci–Yılmaz; Almanca için Flesch-Amstad + Wiener Sachtextformel;
İspanyolca için Fernández-Huerta + Szigriszt-Pazos; Fransızca için Kandel–Moles + LIX).
İşlev sözcüğü listeleri, UD kapalı-sınıf belirteçlerinden yeniden üretilebilir biçimde oluşturulur.
Dokümantasyon sitesi yayında — Kavramlar, Adli dilbilim araç takımı, Federalist + PAN-CLEF + Türkçe öğreticileri ve CLI/API referansını içeren bu MkDocs Material sitesi. 417 test geçiyor.
Dokümantasyon sitesi çok dilli — İngilizce (varsayılan) ve Türkçe (/tr/) mkdocs-static-i18n
ile yayında; DE/ES/FR altyapısı hazır, çeviri içeriği sonraya bırakıldı.
Kalan — PyPI yayını.
Lisans ve atıf¶
BSD-3-Clause. Bkz. LICENSE.
tamga'yı yayımlanmış bir çalışmada kullanıyorsanız lütfen
CITATION.cff aracılığıyla atıf yapın.