Πώς λειτουργεί η αναγνώριση γλώσσας;

Κάθε γλώσσα αφήνει ενδείξεις στη γραφή. Το σύστημα γραφής περιορίζει γρήγορα τις πιθανότητες, καθώς το κυριλλικό, το ελληνικό ή το αραβικό αλφάβητο αποκλείουν εξαρχής τις περισσότερες γλώσσες. Έπειτα έρχονται γράμματα όπως το ñ στα ισπανικά ή το ß στα γερμανικά, καθώς και μικρές λέξεις που εμφανίζονται παντού, όπως οι λέξεις «the», «le» ή «und».

Οι στενά συγγενικές γλώσσες είναι το δύσκολο κομμάτι. Τα ισπανικά και τα πορτογαλικά ή τα δανικά και τα νορβηγικά έχουν τόσο πολλές κοινές λέξεις, ώστε μια σύντομη πρόταση μπορεί να ξεγελάσει έναν απλό ανιχνευτή. Ένα μοντέλο ΤΝ μπορεί επίσης να αξιολογήσει τη γραμματική και το λεξιλόγιο, καθώς και να διαχωρίσει ένα κείμενο που συνδυάζει πολλές γλώσσες.

Περιγραφή εργαλείου

Επικολλήστε έως και 5.000 χαρακτήρες στο πεδίο «Κείμενο» και κάντε κλικ στην επιλογή «Αναγνώριση γλωσσών». Ο πίνακας παραθέτει κάθε γλώσσα που εντοπίστηκε, από αυτήν με το μεγαλύτερο μερίδιο έως αυτήν με το μικρότερο, και περιλαμβάνει τις εξής στήλες:

  • Γλώσσα, το όνομα της γλώσσας
  • Ενδοώνυμο, το όνομά της στην ίδια τη γλώσσα, όπως Deutsch ή 日本語
  • Κωδικός ISO, ο κωδικός ISO 639-1 ή ο κωδικός ISO 639-3 για γλώσσες που δεν έχουν διγράμματο κωδικό
  • Μερίδιο, κατά προσέγγιση ποσοστό του κειμένου σε αυτήν τη γλώσσα
  • Απόσπασμα, ένα σύντομο απόσπασμα αντιγραμμένο από το κείμενό σας

Η αιτιολόγηση εξηγεί ποιες λέξεις, στοιχεία ορθογραφίας, γραμματικής ή γραφής αποκάλυψαν κάθε γλώσσα και επισημαίνει τα σημεία για τα οποία η ΤΝ δεν είναι βέβαιη. Τα ονόματα, οι αριθμοί, οι URL και οι μεμονωμένες δάνειες λέξεις αγνοούνται, εκτός αν αποτελούν ολόκληρο το κείμενο.

Παράδειγμα

Για το «Bonjour à tous! Μόλις μετακόμισα στο Μόντρεαλ y todavía estoy aprendiendo francés.», θα περιμένατε κάτι σαν ελληνικά και ισπανικά με ποσοστό περίπου 40% το καθένα και γαλλικά με ποσοστό περίπου 20%, με αποσπάσματα όπως το «Bonjour à tous!».

Χαρακτηριστικά

  • Εντοπίζει κάθε γλώσσα σε ένα κείμενο με πολλές γλώσσες και υπολογίζει το μερίδιό της
  • Κωδικοί ISO και ενδοώνυμα για κάθε γλώσσα
  • Σύντομη εξήγηση του τρόπου με τον οποίο αναγνωρίστηκε κάθε γλώσσα

Περιορισμοί

Μία ή δύο λέξεις συχνά δεν αρκούν για να ξεχωρίσουν συγγενικές γλώσσες, ενώ τα μερίδια είναι εκτιμήσεις. Οι απαντήσεις της ΤΝ μπορεί να είναι λανθασμένες, γι’ αυτό ελέγξτε τα αποτελέσματα που έχουν σημασία.