Տեխնոլոգիաներ և լիցենզիաներ

Armath‑ը համատեղում է նախագծի ստեղծած հայերեն մուտքագրման ինտելեկտը և առանց ցանցի աշխատող, բաց երրորդ կողմի բաղադրիչներ։ Դրանցից ոչ մեկը գրված տեքստ կամ օգտատիրոջ այլ տվյալներ չի ստանում։

Armath Input Intelligence

Շարժումների երկրաչափական համադրումը, թեկնածու բառերի վերծանիչը, ըստ համատեքստի դասավորումը, ավտոմատ ուղղումը, վրիպակների հուշումները, նեյրոնային լեզվական մոդելը և սարքում սահմանափակ անհատականացումը գրվել և սովորեցվել են Armath նախագծի կողմից։ Դրանք աշխատում են տեղում՝ սարքում։ Հայերեն բառերի ցանկը, որում դրանք որոնում են, կազմված է ստորև նշված աղբյուրներից։

Հայերեն բառերի ցանկ

Armath‑ի ներկառուցված բառացանկը պարունակում է Hugging Face‑ի FineWeb-2-ի հայերեն մասի ամենահաճախ հանդիպող բառաձևերը՝ հաճախականության կարգով․ այն պահում է բառերը և դրանց կարգը, ոչ թե հաշվիչներ կամ աղբյուրի տեքստ։ Նույն կորպուսի այլ բառաձևերի երկրորդ ցանկը՝ հեշերի տեսքով, ստեղնաշարին միայն հայտնում է, որ գրված բառը գոյություն ունի։ Երրորդ ցանկը պարունակում է նույն կորպուսի ավելի հազվադեպ բառաձևեր, որոնք նույնպես կարելի է գրել սվայփով։ FineWeb-2-ը տարածվում է Open Data Commons Attribution License v1.0 լիցենզիայով և ենթակա է Common Crawl‑ի օգտագործման պայմաններին։ Խոսակցական բառերի տեղը որոշվում է Հերմիթ Դեյվի FrequencyWords հայերեն հաճախականության ցանկով, որը կազմված է OpenSubtitles կորպուսից (OpenSubtitles.org‑ի ենթագրեր, որոնք տարածում է OPUS‑ը), CC BY-SA 4.0 լիցենզիայով․ հարմարեցված կարգը տարածվում է նույն լիցենզիայով։

HySpell հայերեն ուղղագրական բառարան

Թե ավելի հազվադեպ բառաձևերից որոնք են ներառվում հեշերի ցանկում, որոշվել է HySpell 3.0.1-ի բարեփոխված ուղղագրության բառարանով․ այն ձևը, որն այս բառարանն ընդունում է, և որը մատի պատահական սխալից չի առաջանում շատ ավելի հաճախ հանդիպող բառից, մնում է այնպես, ինչպես գրված է, և սխալ չի նշվում։ Armath‑ը տարածում է միայն այդ բառաձևերի հեշերը, ոչ թե բառարանը, նրա կանոնները կամ ուղղագրական ստուգման շարժիչը։ HySpell‑ը ստեղծել է Հարո Մհերյանը, © 2017 hyspell.com, տարածվում է MIT լիցենզիայով․ ամբողջական ծանուցումը, հեղինակի գրությունը և թույլտվության տեքստը ներառված են հավելվածում։ HySpell անվան նշումը միայն աղբյուրի հղում է և չի ենթադրում հովանավորություն, կապ կամ հավանություն։

FUTO Swipe մոդելի կշիռները

Powered by FUTO Swipe technology. Armath‑ը ներառում է FUTO Swipe honorable_sturgeon մոդելի անփոփոխ կշիռները՝ FUTO Model Weights License 1.0 լիցենզիայով։ Լիցենզիայի ամբողջական պատճենը ներառված է ստեղնաշարի ընդլայնման մեջ։ FUTO Swipe անվան նշումը միայն աղբյուրի հղում է և չի ենթադրում հովանավորություն, կապ կամ հավանություն։ FUTO Swipe նախագիծը

ExecuTorch

Սարքում մոդելներ աշխատեցնելու համար Armath‑ն օգտագործում է BSD լիցենզիայով տարածվող ExecuTorch միջավայրը։ BSD հեղինակային իրավունքի ամբողջական ծանուցումը և պատասխանատվության բացառումը ներառված են թե՛ հավելվածում, թե՛ ստեղնաշարի ընդլայնման մեջ և հասանելի են Armath‑ի Կարգավորումներում։

Universal Dependencies Armenian ArmTDP

Հաջորդ բառի ամփոփ հաշվիչները հարմարեցված են Universal Dependencies Armenian ArmTDP շարահյուսական կորպուսի ուսուցման մասից։ Armath‑ը կորպուսը վերածում է ամփոփ հաշվիչների և չի տարածում աղբյուրի նախադասությունները։ Հարմարեցված տվյալները տարածվում են CC BY-SA 4.0 լիցենզիայով։ ArmTDP և BSUT կորպուսները նաև օգտագործվում են հավելվածից դուրս՝ Armath‑ը գնահատելու համար։

FineWeb-2 հայերեն վեբ տեքստեր

Հաջորդ բառի հաշվիչները ներառում են նաև Hugging Face‑ի FineWeb-2-ի հայերեն մասում հանդիպող կարճ բառակապակցությունների ամփոփ հաշվիչներ։ Armath‑ի սեփական լեզվական մոդելը սովորեցվել է նույն տեքստերի վրա։ Armath‑ը տարածում է միայն այդ հաշվիչները և սովորեցված մոդելը, երբեք՝ աղբյուրի տեքստերը։ FineWeb-2-ը տարածվում է Open Data Commons Attribution License v1.0 լիցենզիայով և ենթակա է Common Crawl‑ի օգտագործման պայմաններին։

GeoNames տեղանուններ

Մարզերի և խոշոր քաղաքների որոշ հայերեն անվանումներ հարմարեցված են GeoNames-ի Հայաստանին վերաբերող քաղվածքից՝ CC BY 4.0 լիցենզիայով։

Noto տառատեսակներ

Հավելվածը ներառում է Noto Serif Armenian տառատեսակը, իսկ հավելվածի պատկերակի տառը (և այս կայքի նշանը) գծված է Noto Sans Armenian‑ով։ Երկուսն էլ տարածվում են SIL Open Font License 1.1 լիցենզիայով։

Այս կայքը

Կայքը չի օգտագործում երրորդ կողմի կոդ, տառատեսակներ կամ հետևման գործիքներ։ Ստեղնաշարի նկարները, ցուցադրություններն ու անիմացիաները մեր սեփականն են․ զննարկչում սվայփի փոքրիկ ցուցադրությունն օգտագործում է Armath‑ի բառացանկի ամենահաճախ հանդիպող 5000 բառը։