S2F ؛ ابزاری برای تبدیل متون گفتاری فارسی به متون نوشتاری (کار جدید آفتابگردان)

در آفتابگردان روی پروژه‌های کوچک و بزرگ زیادی مرتبط با زبان فارسی کار کرده‌ایم. از جمله:

پارس‌خوان؛ خواننده متن فارسی
MagicFa؛ برنامه رفع دردسر تایپ حروف انگلیسی به جای فارسی
اصلاح کننده آنلاین تایپ فارسی
و دیگر خدمات و محصولات...

مدتی است که با همکاری تعدادی از مدیران، روی نرم افزاری جهت تبدیل متون گفتاری به نوشتاری کار می‌کنیم.

هم اکنون این نرم افزار، آماده استفاده است:

http://yourl.ir/s2f

کاربرد این برنامه چیست؟

متن گفتاری معمولاً در انجمن‌های اینترنتی رواج دارد. یعنی صمیمیتی که بین کاربران در انجمن‌ها وجود دارد، معمولاً مانع از این می‌شود که با لحن رسمی مطلبی را بنویسند. به طور مثال به این جمله دقت کنید:

اگه اون گزینه رو کلیک کنید، یه پنجره باز می‌شه که میتونید رمز عبورتون رو از اونجا عوض کنید.

این بخشی از آموزش تغییر پسورد یک سرویس ایمیل است.

حال، اگر بخواهیم این مطلب را در یک محل رسمی منتشر کنیم، طبیعتاً این لحن، چندان مناسب کاربردهای رسمی نیست.

بنابراین، نیاز به برنامه‌ای جهت تبدیل متون گفتاری فارسی به متون با لحن نوشتاری احساس شد.

S2F برنامه‌ای جهت رفع این نیاز است.

جمله بالا را به آن بدهید تا چنین جمله‌ای را دریافت کنید:

اگر آن گزینه را کلیک کنید، یک پنجره باز می‌شود که می‌توانید رمز عبورتان را از آن‌جا عوض کنید.  

S2F مخفف Slang to Formal به معنی تبدیل زبان عامیانه به رسمی است.

برخی مشخصات فنی:

برای تبدیل کلمات عامیانه، از دیتابیسی با بیش از 30 هزار لغت رسمی و بانکی دیگر شامل (فعلاً) 500 لغت ریشه عامیانه بهره برده‌ایم. بقیه کلمات از روی ریشه شناسایی و لغت رسمی آن‌ها درج می‌شود.

برای پیاده‌سازی برنامه، تقریباً 500 خط کد به زبان PHP نوشته شده است.

طبیعی است که الگوریتم‌های تشخیص کلمات در مورد کلماتی که چندین معنی دارند، با مشکل مواجه می‌شود. به طور مثال، ممکن است در یک متن، کلمه «بهم» دیده شود. ما نمی‌توانیم بفهمیم که منظور نویسنده، «به من» بوده است یا «به هم». به این دو جمله دقت کنید: "جلسه بهم خورد!" یا "ایشون بهم گفت"...
در این موارد، برنامه، چیزی که عمومی‌تر است را در نظر می‌گیرد.

کاربردهای آتی:

این برنامه در صورت رسیدن به مرحله تکامل، در سیستم «پارس‌خوان» برای خواندن متون گفتاری به کار گرفته خواهد شد. همچنین می‌توان دکمه‌ای در کنار پست‌های انجمن متصور شد که با کلیک روی آن، متن گفتاری را تبدیل به متن رسمی کند.

چگونه به پیشرفت S2F کمک کنیم؟

اگر دیدید برنامه، کلمه‌ای را تشخیص نمی‌دهد، می‌توانید آن‌را از طریق فرم زیر به بانک برنامه اضافه کنید:

http://tools.aftab.cc/s2f/add/

ما پس از بررسی لغات پیشنهادی، در صورتی که مشکل خاصی نبود، آن‌را تأیید خواهیم کرد تا در تبدیلات بعدی در نظر گرفته شود.

امکان دانلود لغات گفتاری، ویژه برنامه‌نویسان

آپدیت در ۶ بهمن ۱۳۹۵: با توجه به درخواست‌های برنامه‌نویسان، با  نیت پیشرفت زبان فارسی جدول حاوی لغات گفتاری و معادل آن‌ها (حاوی حدود ۵۴۰ لفت) را منتشر می‌کنیم. برای دانلود، روی لینک زیر کلیک کنید:

دانلود لغات گفتاری زبان فارسی و معادل نوشتاری آن‌ها

تشکر:
از خانم‌ها glassy_heart و HEAVENLY (از مدیران فعال آفتابگردان) و دیگر مدیران که در تکمیل این برنامه بنده را یاری کردند، بسیار متشکرم.

موفق باشید؛
حمید رضا نیرومند