kyrgyz-normalizer 0.1.1

Кыргызча текст нормализатор NLP тапшырмалары үчүн / Kyrgyz text normalizer for NLP tasks

kyrgyz-normalizer

Кыргызча текст нормализатор — NLP тапшырмалары үчүн.

Сандарды, даталарды, убакытты, акча бирдиктерин, аббревиатураларды жана башка форматтарды кыргыз тилинде сөзгө айландырат.

Орнотуу / Installation

pip install kyrgyz-normalizer

Колдонуу / Usage

from kyrgyz_normalizer import normalize

# Сандар
normalize("2024-жылы 15 км жол курулду")
# → "эки миң жыйырма төртүнчү жылы он беш километр жол курулду"

# Акча
normalize("Баасы 1500 сом")
# → "Баасы бир миң беш жүз сом"

# Даталар
normalize("01.02.2024")
# → "эки миң жыйырма төртүнчү жыл биринчи февраль"

# Убакыт
normalize("Саат 12:30да башталат")
# → "Саат он эки отузда башталат"

# Аббревиатуралар
normalize("КР Президенти БУУнун жыйынында")
# → "кыргыз республикасы Президенти бириккен улуттар уюмунун жыйынында"

KyrgyzTextNormalizer классы

from kyrgyz_normalizer import KyrgyzTextNormalizer

normalizer = KyrgyzTextNormalizer()

# Негизги нормализация
normalizer.normalize("$500 доллар")

# Санды сөзгө
normalizer.number_to_words(2024)  # "эки миң жыйырма төрт"

# Иреттик сан
normalizer.number_to_ordinal(5)  # "бешинчи"

# Римские цифры
normalizer.roman_to_number("XIV")  # 14

Мүмкүнчүлүктөр / Features

• Сандарды сөзгө айландыруу (0 — триллиондорго чейин)
• Иреттик сандар (биринчи, экинчи, ...)
• Даталар (01.02.2024, 2024-08-15, 30 Ноябрь 2025)
• Убакыт (12:30, саат 15.00, 18:30да)
• Акча бирдиктери (сом, $, €, ₽, ...)
• Өлчөм бирдиктери (км, кг, м², ГБ, ...)
• Кыргызча аббревиатуралар (КР, БУУ, ЖЧК, ...)
• Англисче аббревиатуралар (IT, AI, GPS, ...)
• Телефон номерлери (+996, 0XXX)
• Римские цифры (XIV → он төртүнчү)
• Математикалык амалдар (5+3=8)
• Сингармонизм (кыргыз тилинин үндөшүүк закону)
• Пайыздар, бөлчөктөр, диапазондор

Лицензия / License

MIT