پايگاه داده لغات فارسي

[breeze]

سلام
من براي پروژه ام به مجموعه لغات فارسي نياز دارم. مي شه يه سايت معرفي كنين كه كلمات فرهنگ لغات فارسي را در فايل doc داشته باشه ؟
من يه برنامه نوشتم كه براي متن ورودي كلمات متداولشو با حذف كلمات تكراري ذخيره مي كنه اما من به همه كلمات متداول فارسي بدون وابستگي به متن نياز دارم . از كجا مي تونم متن هاي مختلف رو بدون وابستگي به موضوع پيدا كنم؟
سايتي هست كه متن روزنامه ها در فرمت doc داشته باشه؟

[aminfarajian]

سلام
شما برای این کار میتونید از پیکره همشهری که از آدرس زیر قابل دسترسیه استفاده کنید. این پیکره مجموعه اخبار روزنامه همشهری از سال 1996 تا 2007 رو جمع آوری کرده و میتونه منبع خوبی برای پردازش متون فارسی باشه. با یک پردازش ساده میتونید کلمات استفاده شده در این مجموعه به همراه تعداد تکرار اونها رو استخراج کنید.
http://ece.ut.ac.ir/dbrg/hamshahri/faindex.html
برای استفاده از این پیکره، بعد از اینکه دانلودش کردید باید یک ایمیل به آقای آل احمد بزنید و پسورد فایل رو از ایشون دریافت کنید. راهنمایی بیشتر در خود سایت موجوده.

موفق باشید

[breeze]

خیلی ممنون از راهنماییتون. لطف کردین

[aminfarajian]

خواهش میکنم. راستی یه نکته رو فراموش کردم یادآوری کنم.
دقت کنین که به دلیل نسبتا غنی بودن زبان فارسی از لحاظ صرفی، ممکنه شما با مشکلاتی برخورد کنین به این ترتیب که ممکنه کلمه ای رو مثل «رفت» رو مشاهده کرده باشین اما مثلا «رفته اید» رو نتونید توی پیکره مشاهده کنید که این میتونه مشکل ساز بشه. در اینجا نیاز به یک تحلیلگر صرفی خواهید داشت که متاسفانه هنوز یه کار خوب که به صورت آزاد در اختیار عموم باشه، انجام نشده. نه اینکه نباشه، کارهای خوبی وجود داره اما متاسفانه بصورت آزاد در اختیار عموم نیست.
بنابراین شما ناچارید که از ابزارهای موجود استفاده کرده و یک پس پردازش روی خروجی اونها انجام بدید که کار زمانبریه. در هر صورت اگه سوالی در این مورد داشتید خوشحال میشم که بتونم کمکتون کنم.

موفق باشید. خدانگهدار

[love_mjkh]

باعرض سلام خدمت دوستان
دنبال یک پایگاه داده فرهنگ لغت فارسی هستم جهت ایجاد لغت نامه فارسی؟

[abasfar]

دوستان حالا این لغات در دسترس عموم نیست پس دسترس کدام اورگان دولتی هست ؟