SkillAgentSearch skills...

Tashaphyne

Tashaphyne: Arabic Light Stemmer

GenerateConvertImprove

Install / Use

/learn @linuxscout/Tashaphyne
About this skill

Quality Score

0/100

Supported Platforms

Universal

README

Tashaphyne

downloads

Tashaphyne: Arabic Light Stemmer تاشفين: التجذيع الخفيف للنصوص العربية

تاشفين برنامج تجذيع عربي خفيف ومقطع للكلمات. يدعم بشكل أساسي التجذيع الخفيف (إزالة السوابق واللواحق) ويعطي الجذوع الممكنة. يستخدم ألة ذات وضعيات محدودة معدّلة، مما يسمح له باستخلاص كل الجذوع الممكنة.

يوفر تاشفين استخلاص الجذع والجذر من الكلمة في نفس الوقت، على عكس برامج التجذيع مثل Khoja وISRI وAssem وFarasa.

تاشفين يأتي بقائمة افتراضية للسوابق واللواحق، ويقبل استخدام قوائم مخصصة للزوائد، مما يسمح له بالتعامل مع المزيد من الجوانب الصرفية، وإنشاء زوائد مخصصة دون تغيير الكود.

تاشفين هي مكتبة بايثون، وهي متاحة للتجربة في برنامج مشكال على Mishkal، اختر أدوات/تحليل والمصدر مفتوح على Github Tashaphyne is an Arabic light stemmer and segmentor. It mainly supports light stemming (removing prefixes and suffixes) and gives all possible segmentations. It uses a modified finite state automaton, which allows it to generate all segmentations.

It offers stemming and root extraction at the same time, unlike the Khoja stemmer, ISRI stemmer, Assem stemmer, and Farasa stemmer.

Tashaphyne comes with default prefixes and suffixes, and accepts the use of customized prefixes and suffixes lists, which allow it to handle more aspects and make customized stemmers without changing code.

Tashaphyne is a python library, it's available as a demo on  Mishkal, choose Tools/Analysis and as source code on Github 

Developpers: Taha Zerrouki: http://tahadz.com taha dot zerrouki at gmail dot com

---------|--------------------------------------------------------------------------------- Features | value ---------|--------------------------------------------------------------------------------- Authors | Authors.md Release | 0.3.7 License |GPL Tracker |linuxscout/tashaphyne/Issues Website |https://pypi.python.org/pypi/Tashaphyne Doc |package Documentaion Source |Github Download |sourceforge Feedbacks |Comments Accounts |@Twitter @Sourceforge

Citation

If you would cite it in academic work, can you use this citation

  • T. Zerrouki‏, Tashaphyne, Arabic light stemmer‏, https://pypi.python.org/pypi/Tashaphyne/0.2
  • Zerrouki, T. (2024). Tashaphyne: A python package for arabic light stemming. Journal of Open Source Software, 9(93), 6063. doi: http://doi.org/10.21105/joss.06063
  • Alkhatib, R. M., Zerrouki, T., Shquier, M. M. A., & Balla, A. (2023). Tashaphyne0.4: A new arabic light stemmer based on rhyzome modeling approach. Information Retrieval Journa, 26(14). doi: https://doi.org/10.1007/s10791-023-09429-y
  • Alkhatib, R. M., Zerrouki, T., Shquier, M. M. A., Balla, A., & Al-Khateeb, A. (2021). A new enhanced arabic light stemmer for ir in medical documents. CMC-COMPUTERS MATERIALS & CONTINUA, 68(1), 1255–1269.

or in bibtex format

@misc{zerrouki2012tashaphyne,
title={Tashaphyne, Arabic light stemmer},
author={Zerrouki, Taha},
url={https://pypi.python.org/pypi/Tashaphyne/0.2},
year={2012}
}

** bibtex

@article{Zerrouki2024,
	title        = {Tashaphyne: A Python package for Arabic Light Stemming},
	author       = {Taha Zerrouki},
	year         = 2024,
	journal      = {Journal of Open Source Software},
	publisher    = {The Open Journal},
	volume       = 9,
	number       = 93,
	pages        = 6063,
	doi          = {10.21105/joss.06063},
	url          = {https://doi.org/10.21105/joss.06063}
}

@article{raed20223,
  title={Tashaphyne0.4: a new arabic light stemmer based  on rhyzome modeling approach},
  author={Alkhatib, Read M and Zerrouki, Taha and Shquier, Mohammed M Abu and Balla, Amar},
  journal={Information Retrieval Journa},
  year={2023},
  pages={},
  volume={26},
  number={14}, 
  doi={https://doi.org/10.1007/s10791-023-09429-y}
}

@article{raed2021,
  title={A New Enhanced Arabic Light Stemmer for IR in Medical Documents},
  author={Alkhatib, Read M and Zerrouki, Taha and Shquier, Mohammed M Abu and Balla, Amar and Al-Khateeb, Asef},
  journal={CMC-COMPUTERS MATERIALS \& CONTINUA},
  year={2021},
  pages={1255-1269},
  volume={68},
  number={1}
}

مزايا

  • تجذيع الكلمة العربية إلى أبسط جذع ممكن
  • إمكانية استخراج الجذر
  • تقطيع الكلمة إلى جميع الحالات الممكنة.
  • تنميط الكلمة ( توحيد الحروف ذات الأشكال المختلفة.
  • قائمة مسبقة للزوائد العربية، وحروف الزيادة
  • إمكانية ضبط إعدادات المجذع والمقطع، من خلال تعديل قوائم الزوائد.

Features

  • Arabic word Light Stemming.
  • Root Extraction.
  • Word Segmentation
  • Word normalization
  • Default Arabic Affixes list.
  • An customizable Light stemmer: possibility of change stemmer options and data.
  • Data independent stemmer.

Applications

  • Stemming texts
  • Text Classification and categorization
  • Sentiment Analysis
  • Named Entities Recognition

Installation

pip install tashaphyne

Usage

Tahsphyne is a finite state automaton stem-based; it extracts affixes (prefixes and suffixes) from a predefined affix list.

It extracts all possible affixations from a word and cites all possible configurations stemming from a given word.

Functions الدوال

  • تجذيع الكلمة

تجذيع الكلمة واستخلاص كل المعلومات منها بواسطة الدوال المناسبة

Stemming function: stem an Arabic word and return a stem. This function stores in the instance the stemming positions (left, right), and then it's possible to get other calculated attributes like stem, prefix, suffix, and root.

>>> from tashaphyne.stemming import ArabicLightStemmer
>>> ArListem = ArabicLightStemmer()
>>> word = 'أفتضاربانني'
>>> # stemming word
... stem = ArListem.light_stem(word)
>>> # extract stem
... print(ArListem.get_stem())
ضارب
>>> # extract root
... print(ArListem.get_root())
ضرب
>>> 
>>> # get prefix position index
... print(ArListem.get_left())
3
>>> # get prefix 
... print(ArListem.get_prefix())
أفت
>>> # get prefix with a specific index
... print(ArListem.get_prefix(2))    
أف
>>> 
>>> # get suffix position index
... print(ArListem.get_right())
7
>>> # get suffix 
... print(ArListem.get_suffix())   
انني
>>> # get suffix with a specific index
... print(ArListem.get_suffix(10))    
ي
>>> # get affix
>>> print(ArListem.get_affix())
أفت-انني
>>> # get affix tuple
... print(ArListem.get_affix_tuple())
{'prefix': 'أفت', 'root': '', 'stem': '', 'suffix': 'أفتضاربانني'}
>>> # star words
... print(ArListem.get_starword())
أفت*ا**انني
>>> # get star stem
... print(ArListem.get_starstem())
*ا**
>>> 
>>> #  get unvocalized word
... print(ArListem.get_unvocalized())
أفتضاربانني

function | Description | وصف| ---------|-------------|----| get_root()|Get the root of the treated word by the stemmer. |استخلاص الجذر| get_stem()|Get the stem of the treated word by the stemmer.|استخلاص الجذع يمكن استخلاص الجذع التلقائي مباشرة، عند الرغبة في الحصول على جذع معين، نحدد دليل السابق، ودليل اللاحق.| get_left()| Get the prefix end position | موضع نهاية السابقة| get_right()|Get the suffix start position| موضع بداية اللاحقة | get_prefix()|return the prefix/suffix of the treated word by the stemmer.|استرجاع السابقة التلقائية أو سابقة معينة بموضع| get_suffix()| Get default suffix, or suffix by suffix index| استرجاع اللاحقة التلقائية أو بواسطة دليل اللاحقة get_affix()|Get default Affix or specific by left and right indexes|استرجاع الزائدة التلقائية أو المعينة بدليلي السابق واللاحق| get_affix_tuple()|Get affixe tuple | استرجاع الزائدة بتفاصيلها get_starword()|Get starred word, radical letters replaced by ""|استرجاع الكلمة المنجمة، الحروف الأصلية مخفية بنجوم get_starstem()|Get starred stem, radical letters replaced by ""|استرجاع الجذع المنجم، الحروف الأصلية مخفية بنجوم get_unvocalized()|return the unvocalized form of the treated word by the stemmer. Harakat are striped.| استرجاع الكلمة غير مشكولة|

  • استخلاص كل التقسيمات المحتملة
  • تقسيم الكلمة إلى كل الزوائد المحتملة

Generate a list of all possible segmentation positions (left, right) of the treated word by the stemmer.


>>> word = 'أفتضاربانني'

>>> # Detect all possible segmentation
... print(ArListem.segment(word))
set([(2, 7), (3, 8), (0, 8), (2, 9), (2, 8), (3, 10), (2, 11), (1, 8), (0, 7), (2, 10), (3, 11), (1, 10), (0, 11), (3, 9), (0, 10), (1, 7), (0, 9), (3, 7), (1, 11), (1, 9)])

>>># Get all segment 
>>>print(ArListem.get_segment_list())
set([(2, 7), (3, 8), (0, 8), (2, 9), (2, 8), (3, 10), (2, 11), (1, 8), (0, 7), (2, 10), (3, 11), (1, 10), (0, 11), (3, 9), (0, 10), (1, 7), (0, 9), (3, 7), (1, 11), (1, 9)])

>>> # get affix list
... print(ArListem.get_affix_list())
[{'prefix': 'أف', 'root': 'ضرب', 'stem': 'تضارب', 'suffix': 'انني'},
 {'prefix': 'أفت', 'root': 'ضرب', 'stem': 'ضاربا', 'suffix': 'نني'},
 {'prefix': '', 'root': 'أفضرب', 'stem': 'أفتضاربا', 'suffix': 'نني'}, 
 {'prefix': 'أف', 'root': 'ضربن', 'stem': 'تضاربان', 'suffix': 'ني'}, 
 {'prefix': 'أف', 'root': 'ضرب', 'stem': 'تضاربا', 'suffix': 'نني'}, 
 {'prefix': 'أفت', 'root': 'ضربنن', 'stem': 'ضاربانن', 'suffix': 'ي'}, ...]
>>>

  • segment() / get_segment_list() استخلاص قائمة مواضع كل التقسيمات المحتملة على شكل أعداد return a list of segmentation positions (left, right) of the treated word by the stemmer.

  • get_affix_list

استخلاص قائمة كل الزوائد المحتملة

return a list of affix tuple of the treated word by the stemmer.

Customized Affix list

تخصيص قوائم الزوائد يمكنن تخصيص قوائم ال

linuxscout

View profile

View on GitHub
GitHub Stars105
CategoryDevelopment
Updated2d ago
Forks21
linuxscout/tashaphyne

Languages

Python

Security Score

95/100

Audited on Mar 26, 2026

No findings