Spaces:
Running
Running
| import re | |
| import difflib | |
| from typing import Dict, List, Tuple, Any | |
| import spacy | |
| from fuzzywuzzy import fuzz | |
| from medical_terms import load_turkish_medical_terms # .medical_terms -> medical_terms | |
| # SpaCy modelini yükle (Türkçe model kurulu olmalı) | |
| # pip install https://github.com/explosion/spacy-models/releases/download/tr_core_news_md-3.2.0/tr_core_news_md-3.2.0.tar.gz | |
| try: | |
| nlp = spacy.load("tr_core_news_md") | |
| except: | |
| # Eğer model yüklü değilse | |
| print("Türkçe SpaCy modeli yüklü değil. Yüklemek için: pip install https://github.com/explosion/spacy-models/releases/download/tr_core_news_md-3.2.0/tr_core_news_md-3.2.0.tar.gz") | |
| nlp = spacy.blank("tr") | |
| try: | |
| import python_Levenshtein # Opsiyonel hızlandırma | |
| except ImportError: | |
| pass # Olmasa da çalışır | |
| class MedicalTermCorrector: | |
| def __init__(self, medical_terms: Dict[str, str]): | |
| """ | |
| Tıbbi terim düzeltme sınıfı | |
| Args: | |
| medical_terms: Tıbbi terim sözlüğü (İngilizce -> Türkçe) | |
| """ | |
| self.medical_terms = medical_terms | |
| self.term_patterns = self._create_term_patterns() | |
| def _create_term_patterns(self) -> List[Tuple[str, str]]: | |
| """Terim eşleştirme desenlerini oluşturur""" | |
| patterns = [] | |
| for eng_term, tr_term in self.medical_terms.items(): | |
| # Tam eşleşme için | |
| patterns.append((rf'\b{re.escape(eng_term)}\b', tr_term)) | |
| # Kısmi eşleşme için (kelime sınırları olmadan) | |
| patterns.append((eng_term, tr_term)) | |
| return patterns | |
| def correct_text(self, text: str) -> str: | |
| """ | |
| Metindeki tıbbi terimleri düzeltir | |
| Args: | |
| text: Düzeltilecek metin | |
| Returns: | |
| Düzeltilmiş metin | |
| """ | |
| corrected_text = text | |
| # Önce tam eşleşmeleri düzelt | |
| for pattern, replacement in self.term_patterns: | |
| corrected_text = re.sub(pattern, replacement, corrected_text, flags=re.IGNORECASE) | |
| # Sonra bulanık eşleşmeleri kontrol et | |
| words = corrected_text.split() | |
| for i, word in enumerate(words): | |
| # En iyi eşleşmeyi bul | |
| best_match = None | |
| best_score = 0 | |
| for eng_term, tr_term in self.medical_terms.items(): | |
| score = fuzz.ratio(word.lower(), eng_term.lower()) | |
| if score > best_score and score > 80: # 80% eşleşme eşiği | |
| best_score = score | |
| best_match = tr_term | |
| if best_match: | |
| words[i] = best_match | |
| return ' '.join(words) |