فهرست مستندات پروژه
محدودیت‌ها، رفع اشکال و ارزیابی
تفاوت تنظیم‌ها را پیدا کنید و نتایج ارزیابی را با توجه به روش اندازهگیری بخوانید.
محدودیت اطلاعات ورودی را بشناسید
فینگلیش همه تفاوت‌های لازم برای املای بی‌ابهام فارسی را نشان نمی‌دهد. نام‌ها، واکه‌های حذف‌شده، چند شکل نوشتن همخوان‌ها، پایان‌های محاوره‌ای و واژه‌های همشکل انگلیسی می‌توانند مبهم بمانند. گزینه بیشتر، وجود واژه مورد نظر را تضمین نمی‌کند. موتور ترجمه نمی‌کند، لحن دلخواه نویسنده را حدس نمی‌زند و ورودی رسمی را به فارسی محاوره‌ای بازنویسی نمی‌کند.
مدل کوچک مخصوص این کار و مراحل مبتنی بر قواعد، درک معنایی یک مدل زبانی عمومی را ندارند. مدل روی واژه‌ها کار می‌کند و پردازش مشترک جمله و جدول اختیاری جفت‌واژه‌ها به آن اضافه می‌شوند. نیمفاصله و پیوستن پسوند ممکن است اشتباه باشند. تشخیص انگلیسی و نام هم کامل نیست. ورودی اصلی و امکان بازبینی را نگه دارید.
رفع اشکال را از تنظیم موتور شروع کنید
| نشانه | بررسی |
|---|---|
salam به سلم تبدیل می‌شود | قواعد بدون داده در نسخه ثبت‌شده همین خروجی را دارند؛ هر دو جدول و برای تنظیم وبسایت، مدل را بارگذاری کنید |
| خروجی با وبسایت فرق دارد | نسخه منبع، مدل، هر دو جدول، hybrid، حفظ متن، نشانهگذاری و واژهنامه یا جفتواژه اختیاری را مقایسه کنید؛ فراخوانی ساده را با ترکیبی یکسان ندانید |
| واژه لاتین می‌ماند | copyReason را ببینید؛ بزرگی حروف، الگوی کد یا تشخیص انگلیسی ممکن است دلیل باشد. forceConvert را فقط برای واژه مورد نظر امتحان کنید |
| نام تجاری فارسی می‌شود | آن را به protect اضافه کنید؛ وامواژه شناخته‌شده عمدا تبدیل می‌شود |
| نشانهگذاری انگلیسی تغییر می‌کند | persianPunctuation: false بدهید؛ این تبدیل به متن فارسی محدود نیست |
| جدول رمزگشایی نمی‌شود | از بایت غیرفشرده .bin بسته، Uint8Array به جای ArrayBuffer و رمزگشای درست استفاده کنید |
| فایل‌ها بارگذاری نمی‌شوند | وضعیت پاسخ، مسیر پایه استقرار، CSP و CORS، نوع محتوا، نسخه کش و خطای شبکه را بررسی کنید |
| تغییر پهنای جستوجو اثری ندارد | این گزینه مخصوص مسیر فقط مدل است؛ برای مقایسه تنظیم‌ها موتور تازه بسازید، چون کلید کش این تنظیم‌ها را ندارد |
| امتیاز بالاست ولی واژه غلط است | اطمینان نشانه رتبهبندی است، نه دقت؛ گزینه‌ها و ویرایش دستی را در دسترس بگذارید |
| متن قدیمی بعد از تایپ برمی‌گردد | ورودی را نسخهگذاری و پاسخ قدیمی Worker را حذف کنید؛ راهنمای Worker را ببینید |
محدودیت ورودی، بازبینی خروجی، پیام خطا، سیاست تلاش دوباره و حریم خصوصی برنامه میزبان را خود کتابخانه فراهم نمی‌کند.
یک تنظیم مشخص را ارزیابی کنید
بررسی فعلی در یادداشت ارزیابی ثبت شده است؛ شامل نسخه منبع، هش فایل‌ها و مجموعه داده، دستورها، تنظیم و معیار. نتایج، بنچمارک‌ها و کارت مدل اسناد پژوهشی‌اند و همه اندازه‌گیری‌های قدیمی آنها به یک موتور یکسان مربوط نیستند.
گزارش‌های موجود را از مخزن ساخته‌شده با Node 24 اجرا کنید. این دستورها فایل‌های ثبت‌شده را می‌خوانند و ارزیابی می‌کنند؛ مدل را آموزش نمی‌دهند:
node --experimental-strip-types scripts/run-fixtures.ts --gold --rules --no-frequency --no-vowels --no-lexicon
node --experimental-strip-types scripts/run-fixtures.ts --gold --rules --no-lexicon
node --experimental-strip-types scripts/run-fixtures.ts --gold --hybrid --no-lexicon
node --experimental-strip-types scripts/run-fixtures.ts --gold --no-lexicon
node --experimental-strip-types scripts/size.ts --tiersدستور چهارم، فقط مدل با جدول فراوانی و واکه است: برخلاف سازنده کتابخانه، اسکریپت به --hybrid صریح نیاز دارد. اسکریپت در حالت عادی واژهنامه هم بارگذاری می‌کند، مگر اینکه --no-lexicon بدهید. حذف این پرچم، تنظیم اندازهگیری را تغییر می‌دهد. برای تنظیم موتور از مجموعه توسعه و از داده طلایی فقط برای گزارش استفاده کنید.
معیار و مجموعه داده را درست بخوانید
دقت واژه با معیار سختگیرانه و معیار املایی متفاوت‌اند. معیار سختگیرانه هم متن را یکسانسازی و واژه‌ها را جدا می‌کند؛ مقایسه بایتبهبایت نیست. معیار املایی بعضی تفاوت‌های نوشتار و فاصله، مانند نیمفاصله، را نادیده می‌گیرد. نرخ خطای نویسه فاصله ویرایشی در سطح نویسه را اندازه می‌گیرد. مرجع faithful ویرایش بازبینی‌شده مدل زبانی به سمت متن واقعا تایپ‌شده است، نه نمونه تازه‌ای از تایپ مستقل انسان. عدد را بدون مجموعه داده، تنظیم، مرجع و معیار فقط «دقت» ننامید.
داده طلایی از یک نویسنده و متن بلندخوانی می‌آید و شامل حذف‌های ممیزی‌شده و تفاوت لحن ورودی و مرجع است. مجموعه‌های چت را هوش مصنوعی نوشته و تایپ کرده است؛ امتیاز آنها دقت اندازه‌گیری‌شده چت انسان نیست. مجموعه توسعه محل تنظیم موتور است. هیچ‌کدام عادت نوشتاری همه بازدیدکنندگان را نمایندگی نمی‌کنند.
اندازه فشرده بسته به تنظیم ابزار ساخت و روش فشردهسازی وابسته است؛ مصرف حافظه یا حجم تضمین‌شده انتقال شبکه نیست. اجرای گرم ممکن است از کش واژه استفاده کند و درباره تاخیر نخستین بارگذاری چیز زیادی نمی‌گوید. راهاندازی و تبدیل سرد و گرم را در مرورگر و دستگاه هدف بسنجید و دانلود فایل‌ها را جدا اندازه بگیرید. این راهنماها ادعای تازه‌ای درباره سرعت ندارند.
پیش از انتشار عمومی
وضعیت انتشار بسته و نسخه‌های پشتیبانی‌شده Node را دوباره بررسی و ناسازگاری حداقل نسخه اعلام‌شده با ابزار ساخت را تعیین تکلیف کنید. مثال‌ها را با موتور و فایل‌های انتشار هماهنگ و LICENSE و NOTICE را حفظ کنید. توضیح‌های قدیمی منبع درباره نشانهگذاری و نرمالسازی احتمال را پیش از تضمیندانستن بازبینی کنید. کامیت انتشار باید docs/navigation.json و پوشه هر دو زبان را داشته باشد تا سایت آنها را وارد کند؛ فهرست فایل‌های آرشیو npm اکنون این راهنماها را شامل نمی‌شود.
ارم مستندات عمومی را فقط از انتشارهای GitHub وارد می‌کند. پیشنمایش محلی ثبت‌نشده برای بازبینی است، نه نسخه عمومی. این روند مستندسازی بسته‌ای منتشر نمی‌کند، نسخه را تغییر نمی‌دهد و قفل انتشار وبسایت را بهروز نمی‌کند.