Co je to za jazyk? 5 nástrojů k identifikaci neznámých jazyků

'??´ 웹„¬'??´íŠ¸" í ™˜ì˜?? '??´ê²ƒì ?? € ë³´E¸° ì›??E³¸'??´E‹¤

Co je to za jazyk? Čínština? japonský?

Ve skutečnosti je to korejština. Detekce toho ručního by mi zabrala spoustu času. Naštěstí jsem našel několik velmi přesných nástrojů, které to dokážou automaticky. Všechny jsou uvedeny níže.

Pokus: Webové stránky jsem testoval pomocí ukázkového textu (1–2 vět s 8 slovy) z následujících jazyků: portugalština, ruština, korejština, vietnamština, italština, turečtina, polština, ukrajinština, Ázerbájdžánština, slovinština, makedonština, holandština, filipínština (tagalog), Řecké, galicijské, české, běloruské, finské, tatarské a norské.

Celkově jsem testoval 20 různých jazyků.

3 Nástroje k detekci textu neznámého jazyka

1. LangId (absolvoval 18 z 20 testů, neprošel Tatarem a Bělorusem)

Klady: Celkově skvělý online nástroj. Nabízí základní funkce detekce textu a má také roboty pro detekci Twitter a e-mail pro ještě rychlejší výsledky.

Nevýhody: Jejich motor je založen na Google API, ale zdá se, že má lepší výsledky než detektor Google popsaný níže. Zdá se, že vědí, jak věci dobře využívat. Nelíbilo se mi, že nemají svůj vlastní unikátní algoritmus pro detekci jazyků.

2. Detektor jazyka Google [již není k dispozici] (úspěšné 17 z 20 testů, neprospěl portugalsky, taglogem a běloruským)

Klady: Google má jedno z nejlepších světových API pro detekci jazyků. Dobrá věc je, že jste schopni vidět pravděpodobnost, že výsledek bude pravdivý. Dokázali projít většinou vzorků.

Nevýhody: Byl jsem docela překvapen, že neprošli portugalským testem. Zdá se, že mají (doufám, že dočasnou) chybu s tímto jazykem. Také mohou určitě udělat lepší práci při vylepšování designu stránek.

3. Co je to za jazyk (absolvováno 11 z 20 testů, neprospělo rusky, korejsky, ukrajinsky, Ázerbájdžánsky, makedonsky, tagalogsky, řecky, galicijsky a tatarsky)

Klady: Některé jazyky jako jihoslovanské (srbština, chorvatština, slovinština) jsou si docela podobné. V případě, že zadáte nějaký chorvatský text, řekněme, tento web vám řekne, že text může být také srbský nebo slovinský.

Nevýhody: Musí pracovat na zdokonalení svého detekčního systému. Místo tohoto jsem přemýšlel o umístění Translated.net (další webové stránky pro detekci jazyků), ale Translated sliboval detekci více jazyků a ve skutečnosti byl horší než WhatLanguageIsThis.com.

2 nástroje k detekci webových stránek v neznámých jazycích

4. Google Překladač s Rozpoznat jazyk jako první možnost

Úspěšně: 18 z 20, neprošlo Bělorusem a Tatarem.

Klady: Tento nástroj dělá svou práci velmi dobře. Co se mi líbí na Google Translate Google Translate 2.1 Objeví se s Native iOS 7 Keyboard a další jazykovou podporou Google Translate 2.1 Zobrazí se Native iOS 7 Keyboard a další jazykovou podporou Aktualizujte Google Translate 2.1 na vašem zařízení iOS a pokračujte v podpoře překladu a podpora vstupu rukopisu pro nové jazyky. Google Translate konečně získá novou klávesnici pro iOS 7, která provede vše… je to, že pokud nepodporuje konkrétní jazyk, zobrazí se vám následující obrazovka:

To je skvělý detektor jazyka, pokud se mě zeptáte!

5. Překladač Microsoft Bing s Auto detekce jako první možnost.

Úspěšně: 8 z 20, neprošli holandsky, vietnamsky, turecky, ukrajinsky, Ázerbájdžánsky, slovinsky, makedonsky, tagalogsky, řecky, galicijsky, česky a bělorusky

Klady: Podporuje omezený počet jazyků. U těchto jazyků funguje dobře.

Nevýhody: Jsem velmi zklamán Microsoftem. Mají velmi omezený počet jazyků pro detekci a překlad Top 4 Online Translation Services Top 4 Online Translation Services a jejich funkce Auto-Detect je hrozná. V případě, že zadáte jazyk, který nepodporují, získáte špatný výsledek místo toho, abyste řekli, že tento jazyk nepodporují.

Myšlenky

Celkově se domnívám, že výše uvedené nástroje směřují dobrým směrem. V současné době jsou nejlepší pro detekci jazyků online a svou práci velmi dobře dělají, pokud jde o populární jazyky. Musí však pracovat na přidávání temnějších jazyků (žádný z nástrojů nedokázal Tatar rozeznat) a jsem si jist, že všechny z nich, zejména Google, se v blízké budoucnosti vydají tímto směrem..

Obrazový kredit: Kanko *