diff --git a/docs/docs/content/hazm/chunker.html b/docs/docs/content/hazm/chunker.html index 2acdc8b0..cc91832b 100644 --- a/docs/docs/content/hazm/chunker.html +++ b/docs/docs/content/hazm/chunker.html @@ -1,1310 +1,1228 @@ - - + - - - - - - - - - - - - - - - - - - - - - - - - - chunker - هضم | کتابخانهٔ پردازش زبان فارسی - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - + + + + + + + + + + + + + + + + + chunker - هضم | کتابخانهٔ پردازش زبان فارسی + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
- - - - پرش به محتویات - - + پرش به محتویات
-
- -
- - - - - - -
- - - - -
- -
- - - - -
-
- - - -
-
-
- - - - - -
-
-
- - - -
-
-
- - - -
+ +
+
+
+ +
- - - + + - - - +
- - - - - - - - - - - - - - \ No newline at end of file + + + + + + + + + + + + + diff --git a/docs/docs/content/hazm/corpus_readers/bijankhan_reader.html b/docs/docs/content/hazm/corpus_readers/bijankhan_reader.html index e9b7b629..a1dc1111 100644 --- a/docs/docs/content/hazm/corpus_readers/bijankhan_reader.html +++ b/docs/docs/content/hazm/corpus_readers/bijankhan_reader.html @@ -1,1606 +1,1314 @@ - - + - - - - - - - - - - - - - - - - - - - - - - - - - bijankhan_reader - هضم | کتابخانهٔ پردازش زبان فارسی - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - + + + + + + + + + + + + + + + + + bijankhan_reader - هضم | کتابخانهٔ پردازش زبان فارسی + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
- - - - پرش به محتویات - - -
-
- -
- - - - - - -
- - - - -
- -
- - - - -
-
- - - -
-
-
- - - - - -
-
-
- - - -
-
-
- - - -
+
+
- - - - - - - - - - - - - - \ No newline at end of file + + + + + + + + + + + + + diff --git a/docs/docs/content/hazm/corpus_readers/dadegan_reader.html b/docs/docs/content/hazm/corpus_readers/dadegan_reader.html index 87e5f1e9..f1cebba2 100644 --- a/docs/docs/content/hazm/corpus_readers/dadegan_reader.html +++ b/docs/docs/content/hazm/corpus_readers/dadegan_reader.html @@ -1,1838 +1,1622 @@ - - + - - - - - - - - - - - - - - - - - - - - - - - - - dadegan_reader - هضم | کتابخانهٔ پردازش زبان فارسی - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - + + + + + + + + + + + + + + + + + dadegan_reader - هضم | کتابخانهٔ پردازش زبان فارسی + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
- - - - پرش به محتویات - - -
-
- -
- - - - - - -
- - - - -
- -
- - - - -
-
- - - -
-
-
- - - - - -
-
-
- - - -
-
-
- - - -
+
+
- - - - - - - - - - - - - - \ No newline at end of file + + + + + + + + + + + + + diff --git a/docs/docs/content/hazm/corpus_readers/degarbayan_reader.html b/docs/docs/content/hazm/corpus_readers/degarbayan_reader.html index 1407a746..aa6c9fce 100644 --- a/docs/docs/content/hazm/corpus_readers/degarbayan_reader.html +++ b/docs/docs/content/hazm/corpus_readers/degarbayan_reader.html @@ -1,1663 +1,1385 @@ - - + - - - - - - - - - - - - - - - - - - - - - - - - - degarbayan_reader - هضم | کتابخانهٔ پردازش زبان فارسی - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - + + + + + + + + + + + + + + + + + degarbayan_reader - هضم | کتابخانهٔ پردازش زبان فارسی + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
- - - - پرش به محتویات - - -
-
- -
- - - - - - -
- - - - -
- -
- - - - -
-
- - - -
-
-
- - - - - -
-
-
- - - -
-
-
- - - -
+
+
- - - - - - - - - - - - - - \ No newline at end of file + + + + + + + + + + + + + diff --git a/docs/docs/content/hazm/corpus_readers/hamshahri_reader.html b/docs/docs/content/hazm/corpus_readers/hamshahri_reader.html index 15a6aa5f..ad31cec2 100644 --- a/docs/docs/content/hazm/corpus_readers/hamshahri_reader.html +++ b/docs/docs/content/hazm/corpus_readers/hamshahri_reader.html @@ -1,1650 +1,1355 @@ - - + - - - - - - - - - - - - - - - - - - - - - - - - - hamshahri_reader - هضم | کتابخانهٔ پردازش زبان فارسی - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - + + + + + + + + + + + + + + + + + hamshahri_reader - هضم | کتابخانهٔ پردازش زبان فارسی + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
- - - - پرش به محتویات - - -
-
- -
- - - - - - -
- - - - -
- -
- - - - -
-
- - - -
-
-
- - - - - -
-
-
- - - -
-
-
- - - -
+
+
- - - - - - - - - - - - - - \ No newline at end of file + + + + + + + + + + + + + diff --git a/docs/docs/content/hazm/corpus_readers/index.html b/docs/docs/content/hazm/corpus_readers/index.html index d43f52da..3a9d9e52 100644 --- a/docs/docs/content/hazm/corpus_readers/index.html +++ b/docs/docs/content/hazm/corpus_readers/index.html @@ -1,1536 +1,1346 @@ - - + - - - - - - - - - - - - - - - - - - - - - - - - - پیکره‌خوان‌ها - هضم | کتابخانهٔ پردازش زبان فارسی - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - + + + + + + + + + + + + + + + + + پیکره‌خوان‌ها - هضم | کتابخانهٔ پردازش زبان فارسی + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
- - - - پرش به محتویات - - + پرش به محتویات
-
- -
- - - - - - -
- - - - -
- + +
+ +
+ + + + +
+
hazm
+ +
+ + +
- - - -
- - - -
-
-
- - - - - +
+
+
+
+ + +
- - - -
-
-
- - - -
-
+
+
+ +
+
+
+
- - - -
-
- - - - - - - -

پیکره‌خوان‌ها

-

پردازش زبان طبیعی نیازمند داده است. این داده‌ها که غالباً تحت عنوان «پیکره» -شناخته می‌شوند برای استخراج الگوها و یادگیری ماشین ضروری هستند. خواندن این -پیکره‌ها و تبدیل داده‌های خام به قالبی مناسب برای استفاده از آن‌ها در پردازش -زبان طبیعی نیازمند صرف وقتی جدا برای کدنویسی و پردازش این داده‌های خام است. ما -برای صرفه‌جویی در وقت شما، کلاس‌ها و توابعی تهیه کرده‌ایم که به‌راحتی می‌توانید -پیکره‌های معروف فارسی را بخوانید. کلاس‌ها و توابعِ این بخش صرفاً برای تسهیل کار -توسعه‌دهندگان تهیه شده است و اساساً جزئی در کتابخانهٔ هضم به شمار نمی‌روند.

-

hamshahri_reader

-

mirastext_reader

-

quran_reader

-

bijankhan_reader

-

dadegan_reader

-

universal_dadegan_reader

-

degarbayan_reader

-

persica_reader

-

persian_plain_text_reader

-

peykare_reader

-

sentipers_reader

-

tnews_reader

-

treebank_reader

-

verbvalency_reader

-

wikipedia_reader

-

mizan_reader

-

ner_reader

-

naab_reader

- - - - - - - - -
- - +
+ +
+
+

+ پیکره‌خوان‌ها +

+

+ پردازش زبان طبیعی نیازمند داده است. این داده‌ها که غالباً تحت + عنوان «پیکره» شناخته می‌شوند برای استخراج الگوها و یادگیری ماشین + ضروری هستند. خواندن این پیکره‌ها و تبدیل داده‌های خام به قالبی + مناسب برای استفاده از آن‌ها در پردازش زبان طبیعی نیازمند صرف + وقتی جدا برای کدنویسی و پردازش این داده‌های خام است. ما برای + صرفه‌جویی در وقت شما، کلاس‌ها و توابعی تهیه کرده‌ایم که به‌راحتی + می‌توانید پیکره‌های معروف فارسی را بخوانید. کلاس‌ها و توابعِ این + بخش صرفاً برای تسهیل کار توسعه‌دهندگان تهیه شده است و اساساً + جزئی در کتابخانهٔ هضم به شمار نمی‌روند. +

+

+ hamshahri_reader +

+

+ mirastext_reader +

+

+ quran_reader +

+

+ bijankhan_reader +

+

+ dadegan_reader +

+

+ universal_dadegan_reader +

+

+ degarbayan_reader +

+

+ persica_reader +

+

+ persian_plain_text_reader +

+

+ peykare_reader +

+

+ sentipers_reader +

+

+ tnews_reader +

+

+ treebank_reader +

+

+ verbvalency_reader +

+

+ wikipedia_reader +

+

+ mizan_reader +

+

+ ner_reader +

+

+ naab_reader +

+
+
- - - + +
- - - +
- - - - - - - - - - - - - - \ No newline at end of file + + + + + + + + + + + + + diff --git a/docs/docs/content/hazm/corpus_readers/mirastext_reader.html b/docs/docs/content/hazm/corpus_readers/mirastext_reader.html index a5d08eac..b0e82ce5 100644 --- a/docs/docs/content/hazm/corpus_readers/mirastext_reader.html +++ b/docs/docs/content/hazm/corpus_readers/mirastext_reader.html @@ -1,1635 +1,1338 @@ - - + - - - - - - - - - - - - - - - - - - - - - - - - - mirastext_reader - هضم | کتابخانهٔ پردازش زبان فارسی - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - + + + + + + + + + + + + + + + + + mirastext_reader - هضم | کتابخانهٔ پردازش زبان فارسی + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
- - - - پرش به محتویات - - -
-
- -
- - - - - - -
- - - - -
- -
- - - - -
-
- - - -
-
-
- - - - - -
-
-
- - - -
-
-
- - - -
+
+
- - - - - - - - - - - - - - \ No newline at end of file + + + + + + + + + + + + + diff --git a/docs/docs/content/hazm/corpus_readers/mizan_reader.html b/docs/docs/content/hazm/corpus_readers/mizan_reader.html index 0e90a98f..35cd4353 100644 --- a/docs/docs/content/hazm/corpus_readers/mizan_reader.html +++ b/docs/docs/content/hazm/corpus_readers/mizan_reader.html @@ -1,1693 +1,1414 @@ - - + - - - - - - - - - - - - - - - - - - - - - - - - - mizan_reader - هضم | کتابخانهٔ پردازش زبان فارسی - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - + + + + + + + + + + + + + + + + + mizan_reader - هضم | کتابخانهٔ پردازش زبان فارسی + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
- - - - پرش به محتویات - - -
-
- -
- - - - - - -
- - - - -
- -
- - - - -
-
- - - -
-
-
- - - - - -
-
-
- - - -
-
-
- - - -
+
+
- - - - - - - - - - - - - - \ No newline at end of file + + + + + + + + + + + + + diff --git a/docs/docs/content/hazm/corpus_readers/naab_reader.html b/docs/docs/content/hazm/corpus_readers/naab_reader.html index 5db8c5a8..390bed1d 100644 --- a/docs/docs/content/hazm/corpus_readers/naab_reader.html +++ b/docs/docs/content/hazm/corpus_readers/naab_reader.html @@ -1,1591 +1,1279 @@ - - + - - - - - - - - - - - - - - - - - - - - - - - - - naab_reader - هضم | کتابخانهٔ پردازش زبان فارسی - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - + + + + + + + + + + + + + + + + + naab_reader - هضم | کتابخانهٔ پردازش زبان فارسی + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
- - - - پرش به محتویات - - -
-
- -
- - - - - - -
- - - - -
- -
- - - - -
-
- - - -
-
-
- - - - - -
-
-
- - - -
-
-
- - - -
+
+
- - - - - - - - - - - - - - \ No newline at end of file + + + + + + + + + + + + + diff --git a/docs/docs/content/hazm/corpus_readers/ner_reader.html b/docs/docs/content/hazm/corpus_readers/ner_reader.html index 90fa1309..22216917 100644 --- a/docs/docs/content/hazm/corpus_readers/ner_reader.html +++ b/docs/docs/content/hazm/corpus_readers/ner_reader.html @@ -1,1581 +1,1280 @@ - - + - - - - - - - - - - - - - - - - - - - - - - - - - ner_reader - هضم | کتابخانهٔ پردازش زبان فارسی - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - + + + + + + + + + + + + + + + + + ner_reader - هضم | کتابخانهٔ پردازش زبان فارسی + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
- - - - پرش به محتویات - - -
-
- -
- - - - - - -
- - - - -
- -
- - - - -
-
- - - -
-
-
- - - - - -
-
-
- - - -
-
-
- - - -
+
+
- - - - - - - - - - - - - - \ No newline at end of file + + + + + + + + + + + + + diff --git a/docs/docs/content/hazm/corpus_readers/persian_plain_text_reader.html b/docs/docs/content/hazm/corpus_readers/persian_plain_text_reader.html index 4f96f599..fd82cd33 100644 --- a/docs/docs/content/hazm/corpus_readers/persian_plain_text_reader.html +++ b/docs/docs/content/hazm/corpus_readers/persian_plain_text_reader.html @@ -1,1449 +1,1114 @@ - - + - - - - - - - - - - - - - - - - - - - - - - - - - persian_plain_text_reader - هضم | کتابخانهٔ پردازش زبان فارسی - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - + + + + + + + + + + + + + + + + + persian_plain_text_reader - هضم | کتابخانهٔ پردازش زبان فارسی + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
- - - - پرش به محتویات - - -
-
- -
- - - - - - -
- - - - -
- -
- - - - -
-
- - - -
-
-
- - - - - -
-
-
- - - -
-
-
- - - -
+
+
- - - - - - - - - - - - - - \ No newline at end of file + + + + + + + + + + + + + diff --git a/docs/docs/content/hazm/corpus_readers/persica_reader.html b/docs/docs/content/hazm/corpus_readers/persica_reader.html index 58e886d5..5bd6fa5b 100644 --- a/docs/docs/content/hazm/corpus_readers/persica_reader.html +++ b/docs/docs/content/hazm/corpus_readers/persica_reader.html @@ -1,1657 +1,1363 @@ - - + - - - - - - - - - - - - - - - - - - - - - - - - - persica_reader - هضم | کتابخانهٔ پردازش زبان فارسی - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - + + + + + + + + + + + + + + + + + persica_reader - هضم | کتابخانهٔ پردازش زبان فارسی + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
- - - - پرش به محتویات - - -
-
- -
- - - - - - -
- - - - -
- -
- - - - -
-
- - - -
-
-
- - - - - -
-
-
- - - -
-
-
- - - -
+
+
- - - - - - - - - - - - - - \ No newline at end of file + + + + + + + + + + + + + diff --git a/docs/docs/content/hazm/corpus_readers/peykare_reader.html b/docs/docs/content/hazm/corpus_readers/peykare_reader.html index 88cd0423..4c412f87 100644 --- a/docs/docs/content/hazm/corpus_readers/peykare_reader.html +++ b/docs/docs/content/hazm/corpus_readers/peykare_reader.html @@ -1,1986 +1,1822 @@ - - + - - - - - - - - - - - - - - - - - - - - - - - - - peykare_reader - هضم | کتابخانهٔ پردازش زبان فارسی - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - + + + + + + + + + + + + + + + + + peykare_reader - هضم | کتابخانهٔ پردازش زبان فارسی + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
- - - - پرش به محتویات - - -
-
- -
- - - - - - -
- - - - -
- -
- - - - -
-
- - - -
-
-
- - - - - -
-
-
- - - -
-
-
- - - -
+ +
+
+ +
- - - + + - - - +
- - - - - - - - - - - - - - \ No newline at end of file + + + + + + + + + + + + + diff --git a/docs/docs/content/hazm/corpus_readers/quran_reader.html b/docs/docs/content/hazm/corpus_readers/quran_reader.html index de792839..95f6b346 100644 --- a/docs/docs/content/hazm/corpus_readers/quran_reader.html +++ b/docs/docs/content/hazm/corpus_readers/quran_reader.html @@ -1,1644 +1,1350 @@ - - + - - - - - - - - - - - - - - - - - - - - - - - - - quran_reader - هضم | کتابخانهٔ پردازش زبان فارسی - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - + + + + + + + + + + + + + + + + + quran_reader - هضم | کتابخانهٔ پردازش زبان فارسی + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
- - - - پرش به محتویات - - -
-
- -
- - - - - - -
- - - - -
- -
- - - - -
-
- - - -
-
-
- - - - - -
-
-
- - - -
-
-
- - - -
+
+
- - - - - - - - - - - - - - \ No newline at end of file + + + + + + + + + + + + + diff --git a/docs/docs/content/hazm/corpus_readers/sentipers_reader.html b/docs/docs/content/hazm/corpus_readers/sentipers_reader.html index b61796c1..6a3b3224 100644 --- a/docs/docs/content/hazm/corpus_readers/sentipers_reader.html +++ b/docs/docs/content/hazm/corpus_readers/sentipers_reader.html @@ -1,1645 +1,1347 @@ - - + - - - - - - - - - - - - - - - - - - - - - - - - - sentiPers_reader - هضم | کتابخانهٔ پردازش زبان فارسی - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - + + + + + + + + + + + + + + + + + sentiPers_reader - هضم | کتابخانهٔ پردازش زبان فارسی + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
- - - - پرش به محتویات - - -
-
- -
- - - - - - -
- - - - -
- -
- - - - -
-
- - - -
-
-
- - - - - -
-
-
- - - -
-
-
- - - -
+
+
- - - - - - - - - - - - - - \ No newline at end of file + + + + + + + + + + + + + diff --git a/docs/docs/content/hazm/corpus_readers/tnews_reader.html b/docs/docs/content/hazm/corpus_readers/tnews_reader.html index eba60b07..8d38f4d6 100644 --- a/docs/docs/content/hazm/corpus_readers/tnews_reader.html +++ b/docs/docs/content/hazm/corpus_readers/tnews_reader.html @@ -1,1651 +1,1357 @@ - - + - - - - - - - - - - - - - - - - - - - - - - - - - tnews_reader - هضم | کتابخانهٔ پردازش زبان فارسی - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - + + + + + + + + + + + + + + + + + tnews_reader - هضم | کتابخانهٔ پردازش زبان فارسی + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
- - - - پرش به محتویات - - -
-
- -
- - - - - - -
- - - - -
- -
- - - - -
-
- - - -
-
-
- - - - - -
-
-
- - - -
-
-
- - - -
+
+
- - - - - - - - - - - - - - \ No newline at end of file + + + + + + + + + + + + + diff --git a/docs/docs/content/hazm/corpus_readers/treebank_reader.html b/docs/docs/content/hazm/corpus_readers/treebank_reader.html index 92c066ad..bde7b943 100644 --- a/docs/docs/content/hazm/corpus_readers/treebank_reader.html +++ b/docs/docs/content/hazm/corpus_readers/treebank_reader.html @@ -1,1525 +1,1222 @@ - - + - - - - - - - - - - - - - - - - - - - - - - - - - treebank_reader - هضم | کتابخانهٔ پردازش زبان فارسی - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - + + + + + + + + + + + + + + + + + treebank_reader - هضم | کتابخانهٔ پردازش زبان فارسی + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
- - - - پرش به محتویات - - -
-
- -
- - - - - - -
- - - - -
- -
- - - - -
-
- - - -
-
-
- - - - - -
-
-
- - - -
-
-
- - - -
+
+
- - - - - - - - - - - +
+ + + + + +
- - + - - - - - - - +
- - - - - - - - - - - - - - \ No newline at end of file + + + + + + + + + + + + + diff --git a/docs/docs/content/hazm/corpus_readers/universal_dadegan_reader.html b/docs/docs/content/hazm/corpus_readers/universal_dadegan_reader.html index 7adba4e6..21e86ff0 100644 --- a/docs/docs/content/hazm/corpus_readers/universal_dadegan_reader.html +++ b/docs/docs/content/hazm/corpus_readers/universal_dadegan_reader.html @@ -1,1547 +1,1245 @@ - - + - - - - - - - - - - - - - - - - - - - - - - - - - universal_dadegan_reader - هضم | کتابخانهٔ پردازش زبان فارسی - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - + + + + + + + + + + + + + + + + + universal_dadegan_reader - هضم | کتابخانهٔ پردازش زبان فارسی + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
- - - - پرش به محتویات - - -
-
- -
- - - - - - -
- - - - -
- -
- - - - -
-
- - - -
-
-
- - - - -
+
+
- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
  • - - - - - - - - - کاربردهای هضم - - - - - - - - - - -
    • - - - - - - - - - - - - - - - - - - -
  • - - - - - - - - - سایر بخش‌ها - - - - - - - - - - -
    • - - - - - -
    -
    +
    +
    +
    +
    - - - -
    -
    -
    - - - +
    +
    + +
    +
    +

    universal_dadegan_reader

    + +
    + +
    +

    + این ماژول شامل کلاس‌ها و توابعی برای خواندن پیکرهٔ + PerUDT + است. PerUDT حاوی تعداد قابل‌توجهی جملۀ برچسب‌خورده با + اطلاعات نحوی و ساخت‌واژی است. +

    + +
    +
    +

    + UniversalDadeganReader + + +

    + +
    +

    + کلاس(های) پایه: + DadeganReader +

    + +

    + این کلاس شامل توابعی برای خواندن پیکرهٔ PerUDT است. +

    + +

    پارامترها:

    + + + + + + + + + + + + + + + + + +
    نامنوعتوضیحاتپیش‌فرض
    conllu_file + str +

    مسیر فایلِ پیکره.

    		 + اجباری +
    + +
    +
    +
    + +
    +

    + conllu2conll(conllu_path) + + +

    + +
    +

    + یک فایل conllu را می‌گیرد و بعد از تبدیل به فرمت قدیمی + conll آن را به صورت یک رشتهٔ متنی برمی‌گرداند. +

    +
    +
    - - - -
    -
    - - - - - - - -

    universal_dadegan_reader

    - -
    - - - - -
    - -

    این ماژول شامل کلاس‌ها و توابعی برای خواندن پیکرهٔ PerUDT است. -PerUDT حاوی تعداد قابل‌توجهی جملۀ برچسب‌خورده با اطلاعات نحوی و ساخت‌واژی است.

    - - -
    - - -
    - - - -

    - UniversalDadeganReader - - -

    - - -
    -

    - کلاس(های) پایه: DadeganReader

    - - -

    این کلاس شامل توابعی برای خواندن پیکرهٔ PerUDT است.

    - -

    پارامترها:

    - - - - - - - - - - - - - - - - - -
    نامنوعتوضیحاتپیش‌فرض
    conllu_file - str -

    مسیر فایلِ پیکره.

    		 - اجباری -
    - - - - -
    -
    -
    - -
    - -
    - - - -

    -conllu2conll(conllu_path) - -

    - - -
    - -

    یک فایل conllu را می‌گیرد و بعد از تبدیل به فرمت قدیمی conll آن را به صورت یک رشتهٔ متنی برمی‌گرداند.

    - -
    - -
    -
    - -
    - - - +
    +
    +
    + + +
    - - - - - - - - - - - - - - \ No newline at end of file + + + + + + + + + + + + + diff --git a/docs/docs/content/hazm/corpus_readers/verbvalency_reader.html b/docs/docs/content/hazm/corpus_readers/verbvalency_reader.html index 8c70e970..e3a42cb7 100644 --- a/docs/docs/content/hazm/corpus_readers/verbvalency_reader.html +++ b/docs/docs/content/hazm/corpus_readers/verbvalency_reader.html @@ -1,1588 +1,1274 @@ - - + - - - - - - - - - - - - - - - - - - - - - - - - - verbvalency_reader - هضم | کتابخانهٔ پردازش زبان فارسی - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - + + + + + + + + + + + + + + + + + verbvalency_reader - هضم | کتابخانهٔ پردازش زبان فارسی + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
    - - - - پرش به محتویات - - -
    -
    - -
    - - - - - - -
    - - - - -
    - -
    - - - - -
    -
    - - - -
    -
    -
    - - - - -
    +
    +
    - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
  • - - - - - - - - - کاربردهای هضم - - - - - - - - - - -
    • - - - - - - - - - - - - - - - - - - -
  • - - - - - - - - - سایر بخش‌ها - - - - - - - - - - -
    • - - - - - -
    -
    +
    +
    +
    +
    - - - -
    -
    -
    - - - +
    +
    + +
    +
    +

    verbvalency_reader

    + +
    + +
    +

    + این ماژول شامل کلاس‌ها و توابعی برای خواندن پیکرهٔ ظرفیت + نحوی افعال فارسی است. +

    +

    + پیکرهٔ ظرفیت نحوی افعال فارسی مجموعه‌ای است حاوی اطلاعات + مربوط به ظرفیت نحوی بیش از ۴۵۰۰ فعل در زبان فارسی. در این + فرهنگ، متمم‌های اجباری و اختیاری انواع فعل‌های ساده، مرکب، + پیشوندی و عبارات فعلی مشخص شده است. فراوانی فعل‌های مرکب در + زبان فارسی، نیاز به فرهنگ ظرفیت فعل را در این زبان دوچندان + می‌نماید. چرا که شناخت فعل‌های مرکب چه از لحاظ انسانی و چه + از لحاظ پردازشی کاری دشوار‌تر از شناخت فعل‌های ساده است و به + همین خاطر فراهم آوردن فهرستی از فعل‌های زبان (که شامل + فعل‌های مرکب نیز می‌شود) به همراه ساخت‌های ظرفیتی افعال، + کمکی شایان برای کارهای پردازشی است. از سوی دیگر، بر اساس + نظریه وابستگی، ساخت بنیادین جمله را می‌توان از روی ساخت + ظرفیتی فعل جمله به دست آورد و به همین دلیل بر اهمیت دانستن + ساخت‌های ظرفیتی فعل در متن‌های زبانی افزوده می‌شود. +

    + +
    +
    +

    + VerbValencyReader + + +

    + +
    +

    + این کلاس شامل توابعی برای خواندن پیکرهٔ ظرفیت نحوی + افعال فارسی است. +

    + +

    پارامترها:

    + + + + + + + + + + + + + + + + + +
    نامنوعتوضیحاتپیش‌فرض
    valency_file + str +

    مسیر فایلِ پیکره.

    		 + 'valency.txt' +
    + +
    +
    +

    + verbs() + + +

    + +
    +

    افعال پیکره را برمی‌گرداند.

    + +

    خروجی تدریجی:

    + + + + + + + + + + + + + +
    نوعتوضیحات
    + Verb +

    فعل بعدی.

    +
    +
    +
    +
    +
    - - - -
    -
    - - - - - - - -

    verbvalency_reader

    - -
    - - - - -
    - -

    این ماژول شامل کلاس‌ها و توابعی برای خواندن پیکرهٔ ظرفیت نحوی افعال فارسی -است.

    -

    پیکرهٔ ظرفیت نحوی افعال فارسی مجموعه‌ای است حاوی اطلاعات مربوط به ظرفیت نحوی -بیش -از ۴۵۰۰ فعل در زبان فارسی. در این فرهنگ، متمم‌های اجباری و اختیاری انواع -فعل‌های -ساده، مرکب، پیشوندی و عبارات فعلی مشخص شده است. فراوانی فعل‌های مرکب در زبان -فارسی، نیاز به فرهنگ ظرفیت فعل را در این زبان دوچندان می‌نماید. چرا که شناخت -فعل‌های مرکب چه از لحاظ انسانی و چه از لحاظ پردازشی کاری دشوار‌تر از شناخت -فعل‌های ساده است و به همین خاطر فراهم آوردن فهرستی از فعل‌های زبان (که شامل -فعل‌های مرکب نیز می‌شود) به همراه ساخت‌های ظرفیتی افعال، کمکی شایان برای کارهای -پردازشی است. از سوی دیگر، بر اساس نظریه وابستگی، ساخت بنیادین جمله را می‌توان -از -روی ساخت ظرفیتی فعل جمله به دست آورد و به همین دلیل بر اهمیت دانستن ساخت‌های -ظرفیتی فعل در متن‌های زبانی افزوده می‌شود.

    - - -
    - - -
    - - - -

    - VerbValencyReader - - -

    - - -
    - - -

    این کلاس شامل توابعی برای خواندن پیکرهٔ ظرفیت نحوی افعال فارسی است.

    - -

    پارامترها:

    - - - - - - - - - - - - - - - - - -
    نامنوعتوضیحاتپیش‌فرض
    valency_file - str -

    مسیر فایلِ پیکره.

    		 - 'valency.txt' -
    - - - - -
    - - -
    - - - -

    -verbs() - -

    - - -
    - -

    افعال پیکره را برمی‌گرداند.

    - -

    خروجی تدریجی:

    - - - - - - - - - - - - - -
    نوعتوضیحات
    - Verb -

    فعل بعدی.

    - -
    - -
    -
    - -
    -
    - -
    - - - +
    +
    +
    + + +
    - - - - - - - - - - - - - - \ No newline at end of file + + + + + + + + + + + + + diff --git a/docs/docs/content/hazm/corpus_readers/wikipedia_reader.html b/docs/docs/content/hazm/corpus_readers/wikipedia_reader.html index 316777bc..5c24aabe 100644 --- a/docs/docs/content/hazm/corpus_readers/wikipedia_reader.html +++ b/docs/docs/content/hazm/corpus_readers/wikipedia_reader.html @@ -1,1659 +1,1374 @@ - - + - - - - - - - - - - - - - - - - - - - - - - - - - Wikipedia_reader - هضم | کتابخانهٔ پردازش زبان فارسی - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - + + + + + + + + + + + + + + + + + Wikipedia_reader - هضم | کتابخانهٔ پردازش زبان فارسی + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
    - - - - پرش به محتویات - - -
    -
    - -
    - - - - - - -
    - - - - -
    - -
    - - - - -
    -
    - - - -
    -
    -
    - - - - - -
    -
    -
    - - - -
    -
    -
    - - - -
    +
    +
    - - - - - - - - - - - - - - \ No newline at end of file + + + + + + + + + + + + + diff --git a/docs/docs/content/hazm/dependency_parser.html b/docs/docs/content/hazm/dependency_parser.html index 2ed87ffa..ca32c003 100644 --- a/docs/docs/content/hazm/dependency_parser.html +++ b/docs/docs/content/hazm/dependency_parser.html @@ -1,1417 +1,1338 @@ - - + - - - - - - - - - - - - - - - - - - - - - - - - - dependency_parser - هضم | کتابخانهٔ پردازش زبان فارسی - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - + + + + + + + + + + + + + + + + + dependency_parser - هضم | کتابخانهٔ پردازش زبان فارسی + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
    - - - - پرش به محتویات - - -
    -
    - -
    - - - - - - -
    - - - - -
    - -
    - - - - -
    -
    - - - -
    -
    -
    - - - - - -
    -
    -
    - - - -
    -
    -
    - - - -
    +
    +
    - - - - - - - - - - - - - - \ No newline at end of file + + + + + + + + + + + + + diff --git a/docs/docs/content/hazm/embedding.html b/docs/docs/content/hazm/embedding.html index ed7247e1..da004096 100644 --- a/docs/docs/content/hazm/embedding.html +++ b/docs/docs/content/hazm/embedding.html @@ -12,7 +12,7 @@ - + diff --git a/docs/docs/content/hazm/index.html b/docs/docs/content/hazm/index.html index 67b451d4..3dd9a8fd 100644 --- a/docs/docs/content/hazm/index.html +++ b/docs/docs/content/hazm/index.html @@ -1,1015 +1,845 @@ - - + - - - - - - - - - - - - - - - - - - - - - - - - - Index - هضم | کتابخانهٔ پردازش زبان فارسی - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - + + + + + + + + + + + + + + + + + Index - هضم | کتابخانهٔ پردازش زبان فارسی + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
    - - - - پرش به محتویات - - + پرش به محتویات
    -
    - -
    - - - - - - -
    - - - - -
    - + +
    + +
    + + + + +
    +
    hazm
    +     +
    + + +
    - - - -
    - - - -
    -
    -
    - - - - - -
    -
    -
    - - - -
    -
    -
    - - - +
    +
    +
    +
    -
    - - - -
    -
    - - - - - - -

    کلاس‌ها و توابع

    -

    در این بخش، ماژول‌ها، کلاس‌ها و توابعِ هر کلاس به همراه توضیحات و نمونه‌کد آمده است.

    -

    فهرست مطالب این بخش:

    - + + +
    +
    +
    +
    +
    +
    + +
    +
    +
    - +
    + +
    +
    + +
    +
    - - - - - - - - - - - - - - \ No newline at end of file + + + + + + + + + + + + + diff --git a/docs/docs/content/hazm/informal_normalizer.html b/docs/docs/content/hazm/informal_normalizer.html index 74b036cd..cf029cfe 100644 --- a/docs/docs/content/hazm/informal_normalizer.html +++ b/docs/docs/content/hazm/informal_normalizer.html @@ -1,1493 +1,1414 @@ - - + - - - - - - - - - - - - - - - - - - - - - - - - - informal_normalizer - هضم | کتابخانهٔ پردازش زبان فارسی - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - + + + + + + + + + + + + + + + + + informal_normalizer - هضم | کتابخانهٔ پردازش زبان فارسی + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
    - - - - پرش به محتویات - - -
    -
    - -
    - - - - - - -
    - - - - -
    - -
    - - - - -
    -
    - - - -
    -
    -
    - - - - - -
    -
    -
    - - - -
    -
    -
    - - - -
    + +
    +
    + +
    - - - + + - - - +
    - - - - - - - - - - - - - - \ No newline at end of file + + + + + + + + + + + + + diff --git a/docs/docs/content/hazm/lemmatizer.html b/docs/docs/content/hazm/lemmatizer.html index 9b316b35..1a3917e3 100644 --- a/docs/docs/content/hazm/lemmatizer.html +++ b/docs/docs/content/hazm/lemmatizer.html @@ -1,2492 +1,2710 @@ - - + - - - - - - - - - - - - - - - - - - - - - - - - - lemmatizer - هضم | کتابخانهٔ پردازش زبان فارسی - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - + + + + + + + + + + + + + + + + + lemmatizer - هضم | کتابخانهٔ پردازش زبان فارسی + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
    - - - - پرش به محتویات - - -
    -
    - -
    - - - - - - -
    - - - - -
    - -
    - - - - -
    -
    - - - -
    -
    -
    - - - - - -
    -
    -
    - - - -
    -
    -
    - - - -
    +
    - - - + +
    - - - +
    - - - - - - - - - - - - - - \ No newline at end of file + + + + + + + + + + + + + diff --git a/docs/docs/content/hazm/normalizer.html b/docs/docs/content/hazm/normalizer.html index 0002e757..e59c00d6 100644 --- a/docs/docs/content/hazm/normalizer.html +++ b/docs/docs/content/hazm/normalizer.html @@ -1,1298 +1,1183 @@ - - + - - - - - - - - - - - - - - - - - - - - - - - - - normalizer - هضم | کتابخانهٔ پردازش زبان فارسی - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - + + + + + + + + + + + + + + + + + normalizer - هضم | کتابخانهٔ پردازش زبان فارسی + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
    - - - - پرش به محتویات - - -
    -
    - + پرش به محتویات
    - - - - - - -
    - - - - -
    - + +
    + +
    + + + + +
    +
    hazm
    +     +
    + + +
    - - - -
    - - - -
    -
    -
    - - - - - +
    +
    +
    +
    + + +
    - - - -
    -
    -
    - - - -
    -
    +
    +
    + +
    +
    +
    +
    - - - -
    -
    - - - - - - - -

    normalizer

    - -
    -کاربرد عملی -

    برای آشنایی با کاربرد این ماژول می‌توانید به بخش کاربردهای هضم مراجعه کنید.

    -

    در پروژه‌های زیر از این ماژول استفاده شده است:

    - -
    - - -
    - - - - -
    - -

    این ماژول شامل کلاس‌ها و توابعی برای نرمال‌سازی متن است.

    - - -
    - - -
    - - - -

    - Normalizer - - -

    - - -
    - - -

    این کلاس شامل توابعی برای نرمال‌سازی متن است.

    - -

    پارامترها:

    - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
    نامنوعتوضیحاتپیش‌فرض
    correct_spacing - bool -

    اگر True‍ فاصله‌گذاری‌ها را در متن، نشانه‌های سجاوندی و پیشوندها و پسوندها اصلاح می‌کند.

    		 - True -
    remove_diacritics - bool -

    اگر True باشد اعرابِ حروف را حذف می‌کند.

    		 - True -
    remove_specials_chars - bool -

    اگر True باشد برخی از کاراکترها و نشانه‌های خاص را که کاربردی در پردازش متن ندارند حذف می‌کند.

    		 - True -
    decrease_repeated_chars - bool -

    اگر True باشد تکرارهای بیش از ۲ بار را به ۲ بار کاهش می‌دهد. مثلاً «سلاممم» را به «سلامم» تبدیل می‌کند.

    		 - True -
    persian_style - bool -

    اگر True باشد اصلاحات مخصوص زبان فارسی را انجام می‌دهد؛ مثلاً جایگزین‌کردن کوتیشن با گیومه.

    		 - True -
    persian_numbers - bool -

    اگر True باشد ارقام انگلیسی را با فارسی جایگزین می‌کند.

    		 - True -
    unicodes_replacement - bool -

    اگر True باشد برخی از کاراکترهای یونیکد را با معادل نرمال‌شدهٔ آن جایگزین می‌کند.

    		 - True -
    seperate_mi - bool -

    اگر True باشد پیشوند «می» و «نمی» را در افعال جدا می‌کند.

    		 - True -
    - - - - -
    - - -
    - - - -

    -normalize(text) - -

    - - -
    - -

    متن را نرمال‌سازی می‌کند.

    - -

    مثال‌ها:

    - 
    >>> normalizer = Normalizer()
+
    +
    + +
    +
    +

    normalizer

    + +
    + کاربرد عملی +

    + برای آشنایی با کاربرد این ماژول می‌توانید به بخش کاربردهای هضم + مراجعه کنید. +

    +

    در پروژه‌های زیر از این ماژول استفاده شده است:

    + +
    + +
    + +
    +

    + این ماژول شامل کلاس‌ها و توابعی برای نرمال‌سازی متن است. +

    + +
    +
    +

    + Normalizer + + +

    + +
    +

    این کلاس شامل توابعی برای نرمال‌سازی متن است.

    + +

    پارامترها:

    + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
    نامنوعتوضیحاتپیش‌فرض
    correct_spacing + bool + +

    + اگر True‍ فاصله‌گذاری‌ها را در + متن، نشانه‌های سجاوندی و پیشوندها و پسوندها + اصلاح می‌کند. +

    +     		+ True +
    remove_diacritics + bool + +

    + اگر True باشد اعرابِ حروف را حذف + می‌کند. +

    +     		+ True +
    remove_specials_chars + bool + +

    + اگر True باشد برخی از کاراکترها و + نشانه‌های خاص را که کاربردی در پردازش متن + ندارند حذف می‌کند. +

    +     		+ True +
    decrease_repeated_chars + bool + +

    + اگر True باشد تکرارهای بیش از ۲ + بار را به ۲ بار کاهش می‌دهد. مثلاً «سلاممم» را + به «سلامم» تبدیل می‌کند. +

    +     		+ True +
    persian_style + bool + +

    + اگر True باشد اصلاحات مخصوص زبان + فارسی را انجام می‌دهد؛ مثلاً جایگزین‌کردن + کوتیشن با گیومه. +

    +     		+ True +
    persian_numbers + bool + +

    + اگر True باشد ارقام انگلیسی را با + فارسی جایگزین می‌کند. +

    +     		+ True +
    unicodes_replacement + bool + +

    + اگر True باشد برخی از کاراکترهای + یونیکد را با معادل نرمال‌شدهٔ آن جایگزین + می‌کند. +

    +     		+ True +
    seperate_mi + bool + +

    + اگر True باشد پیشوند «می» و «نمی» + را در افعال جدا می‌کند. +

    +     		+ True +
    + +
    +
    +

    + normalize(text) + + +

    + +
    +

    متن را نرمال‌سازی می‌کند.

    + +

    مثال‌ها:

    +
    + 
    >>> normalizer = Normalizer()
 >>> normalizer.normalize('اِعلاممممم کَرد : « زمین لرزه ای به بُزرگیِ 6 دهم ریشتر ...»')
 'اعلام کرد: «زمین‌لرزه‌ای به بزرگی ۶ دهم ریشتر …»'
 >>> normalizer.normalize('')
 ''
-
    - -

    پارامترها:

    - - - - - - - - - - - - - - - - - -
    نامنوعتوضیحاتپیش‌فرض
    text - str -

    متنی که باید نرمال‌سازی شود.

    		 - اجباری -
    - -

    خروجی‌ها:

    - - - - - - - - - - - - - -
    نوعتوضیحات
    - str -

    متنِ نرمال‌سازی‌شده.

    - -
    - -
    - -
    - - - -

    -correct_spacing(text) - -

    - - -
    - -

    فاصله‌گذاری‌ها را در پیشوندها و پسوندها اصلاح می‌کند.

    - -

    مثال‌ها:

    - 
    >>> normalizer = Normalizer()
+
    +
    + +

    پارامترها:

    + + + + + + + + + + + + + + + + + +
    نامنوعتوضیحاتپیش‌فرض
    text + str +

    متنی که باید نرمال‌سازی شود.

    		 + اجباری +
    + +

    خروجی‌ها:

    + + + + + + + + + + + + + +
    نوعتوضیحات
    + str +

    متنِ نرمال‌سازی‌شده.

    +
    +
    + +
    +

    + correct_spacing(text) + + +

    + +
    +

    + فاصله‌گذاری‌ها را در پیشوندها و پسوندها اصلاح + می‌کند. +

    + +

    مثال‌ها:

    +
    + 
    >>> normalizer = Normalizer()
 >>> normalizer.correct_spacing("سلام   دنیا")
 'سلام دنیا'
 >>> normalizer.correct_spacing("به طول ۹متر و عرض۶")
@@ -1309,70 +1194,88 @@ 
    
 '"سلام به همه"'
 >>> normalizer.correct_spacing('')
 ''
-
    - -

    پارامترها:

    - - - - - - - - - - - - - - - - - -
    نامنوعتوضیحاتپیش‌فرض
    text - str -

    متنی که باید فاصله‌گذاری‌های آن اصلاح شود.

    		 - اجباری -
    - -

    خروجی‌ها:

    - - - - - - - - - - - - - -
    نوعتوضیحات
    - str -

    متنی با فاصله‌گذاری‌های اصلاح‌شده.

    - -
    - -
    - -
    - - - -

    -remove_diacritics(text) - -

    - - -
    - -

    اِعراب را از متن حذف می‌کند.

    - -

    مثال‌ها:

    - 
    >>> normalizer = Normalizer()
+
    +
    + +

    پارامترها:

    + + + + + + + + + + + + + + + + + +
    نامنوعتوضیحاتپیش‌فرض
    text + str + +

    + متنی که باید فاصله‌گذاری‌های آن اصلاح + شود. +

    +     		+ اجباری +
    + +

    خروجی‌ها:

    + + + + + + + + + + + + + +
    نوعتوضیحات
    + str + +

    متنی با فاصله‌گذاری‌های اصلاح‌شده.

    +
    +
    +
    + +
    +

    + remove_diacritics(text) + + +

    + +
    +

    اِعراب را از متن حذف می‌کند.

    + +

    مثال‌ها:

    +
    + 
    >>> normalizer = Normalizer()
 >>> normalizer.remove_diacritics('حَذفِ اِعراب')
 'حذف اعراب'
 >>> normalizer.remove_diacritics('آمدند')
@@ -1381,138 +1284,176 @@ 
    
 'متن بدون اعراب'
 >>> normalizer.remove_diacritics('')
 ''
-
    - -

    پارامترها:

    - - - - - - - - - - - - - - - - - -
    نامنوعتوضیحاتپیش‌فرض
    text - str -

    متنی که باید اعراب آن حذف شود.

    		 - اجباری -
    - -

    خروجی‌ها:

    - - - - - - - - - - - - - -
    نوعتوضیحات
    - str -

    متنی بدون اعراب.

    - -
    - -
    - -
    - - - -

    -remove_specials_chars(text) - -

    - - -
    - -

    برخی از کاراکترها و نشانه‌های خاص را که کاربردی در پردازش متن ندارند حذف -می‌کند.

    - -

    مثال‌ها:

    - 
    >>> normalizer = Normalizer()
+
    +
    + +

    پارامترها:

    + + + + + + + + + + + + + + + + + +
    نامنوعتوضیحاتپیش‌فرض
    text + str + +

    متنی که باید اعراب آن حذف شود.

    +     		+ اجباری +
    + +

    خروجی‌ها:

    + + + + + + + + + + + + + +
    نوعتوضیحات
    + str +

    متنی بدون اعراب.

    +
    +
    + +
    +

    + remove_specials_chars(text) + + +

    + +
    +

    + برخی از کاراکترها و نشانه‌های خاص را که کاربردی + در پردازش متن ندارند حذف می‌کند. +

    + +

    مثال‌ها:

    +
    + 
    >>> normalizer = Normalizer()
 >>> normalizer.remove_specials_chars('پیامبر اکرم ﷺ')
 'پیامبر اکرم '
-
    - -

    پارامترها:

    - - - - - - - - - - - - - - - - - -
    نامنوعتوضیحاتپیش‌فرض
    text - str -

    متنی که باید کاراکترها و نشانه‌های اضافهٔ آن حذف شود.

    		 - اجباری -
    - -

    خروجی‌ها:

    - - - - - - - - - - - - - -
    نوعتوضیحات
    - str -

    متنی بدون کاراکترها و نشانه‌های اضافه.

    - -
    - -
    - -
    - - - -

    -decrease_repeated_chars(text) - -

    - - -
    - -

    تکرارهای زائد حروف را در کلماتی مثل سلامممممم حذف می‌کند و در مواردی که -نمی‌تواند تشخیص دهد دست کم به دو تکرار کاهش می‌دهد.

    - -

    مثال‌ها:

    - 
    >>> normalizer = Normalizer()
+
    +
    + +

    پارامترها:

    + + + + + + + + + + + + + + + + + +
    نامنوعتوضیحاتپیش‌فرض
    text + str + +

    + متنی که باید کاراکترها و نشانه‌های + اضافهٔ آن حذف شود. +

    +     		+ اجباری +
    + +

    خروجی‌ها:

    + + + + + + + + + + + + + +
    نوعتوضیحات
    + str + +

    + متنی بدون کاراکترها و نشانه‌های اضافه. +

    +
    +
    +
    + +
    +

    + decrease_repeated_chars(text) + + +

    + +
    +

    + تکرارهای زائد حروف را در کلماتی مثل سلامممممم + حذف می‌کند و در مواردی که نمی‌تواند تشخیص دهد + دست کم به دو تکرار کاهش می‌دهد. +

    + +

    مثال‌ها:

    +
    + 
    >>> normalizer = Normalizer()
 >>> normalizer.decrease_repeated_chars('سلامممم به همه')
 'سلام به همه'
 >>> normalizer.decrease_repeated_chars('سلامم به همه')
@@ -1523,70 +1464,93 @@ 
    'سلام را برسان'
 >>> normalizer.decrease_repeated_chars('')
 ''
-
    - -

    پارامترها:

    - - - - - - - - - - - - - - - - - -
    نامنوعتوضیحاتپیش‌فرض
    text - str -

    متنی که باید تکرارهای زائد آن حذف شود.

    		 - اجباری -
    - -

    خروجی‌ها:

    - - - - - - - - - - - - - -
    نوعتوضیحات
    - str -

    متنی بدون کاراکترهای زائد یا حداقل با دو تکرار.

    - -
    - -
    - -
    - - - -

    -persian_style(text) - -

    - - -
    - -

    برخی از حروف و نشانه‌ها را با حروف و نشانه‌های فارسی جایگزین می‌کند.

    - -

    مثال‌ها:

    - 
    >>> normalizer = Normalizer()
+
    +
    + +

    پارامترها:

    + + + + + + + + + + + + + + + + + +
    نامنوعتوضیحاتپیش‌فرض
    text + str + +

    + متنی که باید تکرارهای زائد آن حذف شود. +

    +     		+ اجباری +
    + +

    خروجی‌ها:

    + + + + + + + + + + + + + +
    نوعتوضیحات
    + str + +

    + متنی بدون کاراکترهای زائد یا حداقل با دو + تکرار. +

    +
    +
    +
    + +
    +

    + persian_style(text) + + +

    + +
    +

    + برخی از حروف و نشانه‌ها را با حروف و نشانه‌های + فارسی جایگزین می‌کند. +

    + +

    مثال‌ها:

    +
    + 
    >>> normalizer = Normalizer()
 >>> normalizer.persian_style('"نرمال‌سازی"')
 '«نرمال‌سازی»'
 >>> normalizer.persian_style('و ...')
@@ -1595,337 +1559,433 @@ 
    
 '10٫450'
 >>> normalizer.persian_style('')
 ''
-
    - -

    پارامترها:

    - - - - - - - - - - - - - - - - - -
    نامنوعتوضیحاتپیش‌فرض
    text - str -

    متنی که باید حروف و نشانه‌های آن با حروف و نشانه‌های فارسی جایگزین شود.

    		 - اجباری -
    - -

    خروجی‌ها:

    - - - - - - - - - - - - - -
    نوعتوضیحات
    - str -

    متنی با حروف و نشانه‌های فارسی‌سازی شده.

    - -
    - -
    - -
    - - - -

    -persian_number(text) - -

    - - -
    - -

    اعداد لاتین و علامت % را با معادل فارسی آن جایگزین می‌کند.

    - -

    مثال‌ها:

    - 
    >>> normalizer = Normalizer()
+
    +
    + +

    پارامترها:

    + + + + + + + + + + + + + + + + + +
    نامنوعتوضیحاتپیش‌فرض
    text + str + +

    + متنی که باید حروف و نشانه‌های آن با حروف + و نشانه‌های فارسی جایگزین شود. +

    +     		+ اجباری +
    + +

    خروجی‌ها:

    + + + + + + + + + + + + + +
    نوعتوضیحات
    + str + +

    + متنی با حروف و نشانه‌های فارسی‌سازی شده. +

    +
    +
    +
    + +
    +

    + persian_number(text) + + +

    + +
    +

    + اعداد لاتین و علامت % را با معادل فارسی آن + جایگزین می‌کند. +

    + +

    مثال‌ها:

    +
    + 
    >>> normalizer = Normalizer()
 >>> normalizer.persian_number('5 درصد')
 '۵ درصد'
 >>> normalizer.persian_number('۵ درصد')
 '۵ درصد'
 >>> normalizer.persian_number('')
 ''
-
    - -

    پارامترها:

    - - - - - - - - - - - - - - - - - -
    نامنوعتوضیحاتپیش‌فرض
    text - str -

    متنی که باید اعداد لاتین و علامت % آن با معادل فارسی جایگزین شود.

    		 - اجباری -
    - -

    خروجی‌ها:

    - - - - - - - - - - - - - -
    نوعتوضیحات
    - str -

    متنی با اعداد و علامت ٪ فارسی.

    - -
    - -
    - -
    - - - -

    -unicodes_replacement(text) - -

    - - -
    - -

    برخی از کاراکترهای خاص یونیکد را با معادلِ نرمال آن جایگزین می‌کند. غالباً -این کار فقط در مواردی صورت می‌گیرد که یک کلمه در قالب یک کاراکتر یونیکد تعریف -شده است.

    -

    فهرست این کاراکترها و نسخهٔ جایگزین آن:

    - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
    کاراکترنسخهٔ جایگزین
    ﷽بسم الله الرحمن الرحیم
    ﷼ریال
    ﷰ، ﷹصلی
    ﷲالله
    ﷳاکبر
    ﷴمحمد
    ﷵصلعم
    ﷶرسول
    ﷷعلیه
    ﷸوسلم
    ﻵ، ﻶ، ﻷ، ﻸ، ﻹ، ﻺ، ﻻ، ﻼلا
    - -

    مثال‌ها:

    - 
    >>> normalizer = Normalizer()
+
    +
    + +

    پارامترها:

    + + + + + + + + + + + + + + + + + +
    نامنوعتوضیحاتپیش‌فرض
    text + str + +

    + متنی که باید اعداد لاتین و علامت % آن با + معادل فارسی جایگزین شود. +

    +     		+ اجباری +
    + +

    خروجی‌ها:

    + + + + + + + + + + + + + +
    نوعتوضیحات
    + str + +

    متنی با اعداد و علامت ٪ فارسی.

    +
    +
    +
    + +
    +

    + unicodes_replacement(text) + + +

    + +
    +

    + برخی از کاراکترهای خاص یونیکد را با معادلِ نرمال + آن جایگزین می‌کند. غالباً این کار فقط در مواردی + صورت می‌گیرد که یک کلمه در قالب یک کاراکتر + یونیکد تعریف شده است. +

    +

    + فهرست این کاراکترها و نسخهٔ جایگزین + آن: +

    + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
    کاراکترنسخهٔ جایگزین
    ﷽بسم الله الرحمن الرحیم
    ﷼ریال
    ﷰ، ﷹصلی
    ﷲالله
    ﷳاکبر
    ﷴمحمد
    ﷵصلعم
    ﷶرسول
    ﷷعلیه
    ﷸوسلم
    ﻵ، ﻶ، ﻷ، ﻸ، ﻹ، ﻺ، ﻻ، ﻼلا
    + +

    مثال‌ها:

    +
    + 
    >>> normalizer = Normalizer()
 >>> normalizer.remove_specials_chars('پیامبر اکرم ﷺ')
 'پیامبر اکرم '
 >>> normalizer.remove_specials_chars('')
 ''
-
    - -

    پارامترها:

    - - - - - - - - - - - - - - - - - -
    نامنوعتوضیحاتپیش‌فرض
    text - str -

    متنی که باید برخی از کاراکترهای یونیکد آن (جدول بالا)، با شکل استاندارد، جایگزین شود.

    		 - اجباری -
    - -

    خروجی‌ها:

    - - - - - - - - - - - - - -
    نوعتوضیحات
    - str -

    متنی که برخی از کاراکترهای یونیکد آن با شکل استاندارد جایگزین شده است.

    - -
    - -
    - -
    - - - -

    -seperate_mi(text) - -

    - - -
    - -

    پیشوند «می» و «نمی» را در افعال جدا کرده و با نیم‌فاصله می‌چسباند.

    - -

    مثال‌ها:

    - 
    >>> normalizer = Normalizer()
+
    +
    + +

    پارامترها:

    + + + + + + + + + + + + + + + + + +
    نامنوعتوضیحاتپیش‌فرض
    text + str + +

    + متنی که باید برخی از کاراکترهای یونیکد + آن (جدول بالا)، با شکل استاندارد، + جایگزین شود. +

    +     		+ اجباری +
    + +

    خروجی‌ها:

    + + + + + + + + + + + + + +
    نوعتوضیحات
    + str + +

    + متنی که برخی از کاراکترهای یونیکد آن با + شکل استاندارد جایگزین شده است. +

    +
    +
    +
    + +
    +

    + seperate_mi(text) + + +

    + +
    +

    + پیشوند «می» و «نمی» را در افعال جدا کرده و با + نیم‌فاصله می‌چسباند. +

    + +

    مثال‌ها:

    +
    + 
    >>> normalizer = Normalizer()
 >>> normalizer.seperate_mi('نمیدانم چه میگفت')
 'نمی‌دانم چه می‌گفت'
 >>> normalizer.seperate_mi('میز')
 'میز'
 >>> normalizer.seperate_mi('')
 ''
-
    - -

    پارامترها:

    - - - - - - - - - - - - - - - - - -
    نامنوعتوضیحاتپیش‌فرض
    text - str -

    متنی که باید پیشوند «می» و «نمی» در آن جدا شود.

    		 - اجباری -
    - -

    خروجی‌ها:

    - - - - - - - - - - - - - -
    نوعتوضیحات
    - str -

    متنی با «می» و «نمی» جدا شده.

    - -
    - -
    - -
    - - - -

    -token_spacing(tokens) - -

    - - -
    - -

    توکن‌های ورودی را به فهرستی از توکن‌های نرمال‌سازی شده تبدیل می‌کند. -در این فرایند ممکن است برخی از توکن‌ها به یکدیگر بچسبند؛ -برای مثال: ['زمین', 'لرزه', 'ای'] تبدیل می‌شود به: ['زمین‌لرزه‌ای'].

    - -

    مثال‌ها:

    - 
    >>> normalizer = Normalizer()
+
    +
    + +

    پارامترها:

    + + + + + + + + + + + + + + + + + +
    نامنوعتوضیحاتپیش‌فرض
    text + str + +

    + متنی که باید پیشوند «می» و «نمی» در آن + جدا شود. +

    +     		+ اجباری +
    + +

    خروجی‌ها:

    + + + + + + + + + + + + + +
    نوعتوضیحات
    + str + +

    متنی با «می» و «نمی» جدا شده.

    +
    +
    +
    + +
    +

    + token_spacing(tokens) + + +

    + +
    +

    + توکن‌های ورودی را به فهرستی از توکن‌های + نرمال‌سازی شده تبدیل می‌کند. در این فرایند ممکن + است برخی از توکن‌ها به یکدیگر بچسبند؛ برای مثال: + ['زمین', 'لرزه', 'ای'] تبدیل می‌شود + به: ['زمین‌لرزه‌ای']. +

    + +

    مثال‌ها:

    +
    + 
    >>> normalizer = Normalizer()
 >>> normalizer.token_spacing(['کتاب', 'ها'])
 ['کتاب‌ها']
 >>> normalizer.token_spacing(['او', 'می', 'رود'])
@@ -1938,206 +1998,254 @@ 
    
 ['زمین‌لرزه‌ای']
 >>> normalizer.token_spacing([])
 []
-
    - -

    پارامترها:

    - - - - - - - - - - - - - - - - - -
    نامنوعتوضیحاتپیش‌فرض
    tokens - List[str] -

    توکن‌هایی که باید نرمال‌سازی شود.

    		 - اجباری -
    - -

    خروجی‌ها:

    - - - - - - - - - - - - - -
    نوعتوضیحات
    - List[str] -

    لیستی از توکن‌های نرمال‌سازی شده به شکل [token1, token2, ...].

    - -
    - -
    -
    - -
    -
    - -
    - - - - - - - - -
    -
    - - +     +
    + +

    پارامترها:

    + + + + + + + + + + + + + + + + + +
    نامنوعتوضیحاتپیش‌فرض
    tokens + List[str] + +

    توکن‌هایی که باید نرمال‌سازی شود.

    +     		+ اجباری +
    + +

    خروجی‌ها:

    + + + + + + + + + + + + + +
    نوعتوضیحات
    + List[str] + +

    + لیستی از توکن‌های نرمال‌سازی شده به شکل + [token1, token2, ...]. +

    +
    +
    +
    +
    +
    +
    +
    +
    +
    + +
    - - - + +
    - - - +
    - - - - - - - - - - - - - - \ No newline at end of file + + + + + + + + + + + + + diff --git a/docs/docs/content/hazm/pos_tagger.html b/docs/docs/content/hazm/pos_tagger.html index d710871b..239b37de 100644 --- a/docs/docs/content/hazm/pos_tagger.html +++ b/docs/docs/content/hazm/pos_tagger.html @@ -1,1372 +1,1308 @@ - - + - - - - - - - - - - - - - - - - - - - - - - - - - pos_tagger - هضم | کتابخانهٔ پردازش زبان فارسی - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - + + + + + + + + + + + + + + + + + pos_tagger - هضم | کتابخانهٔ پردازش زبان فارسی + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
    - - - - پرش به محتویات - - + پرش به محتویات
    -
    - -
    - - - - - - -
    - - - - -
    - -
    - - - - -
    -
    - - - -
    -
    -
    - - - - - -
    -
    -
    - - - -
    -
    -
    - - - -
    +
    - - - + +
    - - - +
    - - - - - - - - - - - - - - \ No newline at end of file + + + + + + + + + + + + + diff --git a/docs/docs/content/hazm/sentence_tokenizer.html b/docs/docs/content/hazm/sentence_tokenizer.html index 4f49cd37..7fe9d9f9 100644 --- a/docs/docs/content/hazm/sentence_tokenizer.html +++ b/docs/docs/content/hazm/sentence_tokenizer.html @@ -1,1215 +1,1062 @@ - - + - - - - - - - - - - - - - - - - - - - - - - - - - sentence_tokenizer - هضم | کتابخانهٔ پردازش زبان فارسی - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - + + + + + + + + + + + + + + + + + sentence_tokenizer - هضم | کتابخانهٔ پردازش زبان فارسی + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
    - - - - پرش به محتویات - - -
    -
    - + پرش به محتویات
    - - - - - - -
    - - - - -
    - + +
    + +
    + + + + +
    +
    hazm
    +     +
    + + +
    - - - -
    - - - -
    -
    -
    - - - - - +
    +
    +
    +
    + + +
    - - - -
    -
    -
    - - - +
    +
    + +
    +
    +
    + +
    +
    +
    + +
    +
    +

    sentence_tokenizer

    + +
    + کاربرد عملی +

    + برای آشنایی با کاربرد این ماژول می‌توانید به بخش کاربردهای هضم + مراجعه کنید. +

    +

    در پروژه‌های زیر از این ماژول استفاده شده است:

    + +
    + +
    + +
    +

    + این ماژول شامل کلاس‌ها و توابعی برای استخراج جملاتِ متن است. +

    +

    + برای استخراج کلمات از تابع + WordTokenizer() + استفاده کنید. +

    + +
    +
    +

    + SentenceTokenizer + + +

    + +
    +

    + کلاس(های) پایه: + TokenizerI +

    + +

    این کلاس شامل توابعی برای استخراج جملاتِ متن است.

    + +
    +
    +

    + tokenize(text) + + +

    + +
    +

    متن ورودی را به جملات سازندهٔ آن می‌شِکند.

    + +

    مثال‌ها:

    +
    + 
    >>> tokenizer = SentenceTokenizer()
+>>> tokenizer.tokenize('جدا کردن ساده است. تقریبا البته!')
+['جدا کردن ساده است.', 'تقریبا البته!']
+
    +
    + +

    پارامترها:

    + + + + + + + + + + + + + + + + + +
    نامنوعتوضیحاتپیش‌فرض
    text + str + +

    متنی که باید جملات آن استخراج شود.

    +     		+ اجباری +
    + +

    خروجی‌ها:

    + + + + + + + + + + + + + +
    نوعتوضیحات
    + List[str] +

    فهرست جملات استخراج‌شده.

    +
    +
    +
    +
    +
    - - - -
    -
    - - - - - - - -

    sentence_tokenizer

    - -
    -کاربرد عملی -

    برای آشنایی با کاربرد این ماژول می‌توانید به بخش کاربردهای هضم مراجعه کنید.

    -

    در پروژه‌های زیر از این ماژول استفاده شده است:

    - -
    - - -
    - - - - -
    - -

    این ماژول شامل کلاس‌ها و توابعی برای استخراج جملاتِ متن است.

    -

    برای استخراج کلمات از تابع WordTokenizer() استفاده کنید.

    - - -
    - - -
    - - - -

    - SentenceTokenizer - - -

    - - -
    -

    - کلاس(های) پایه: TokenizerI

    - - -

    این کلاس شامل توابعی برای استخراج جملاتِ متن است.

    - - - - -
    - - -
    - - - -

    -tokenize(text) +

    +
    +
    - + +
    +
    - -
    -
    - - - - - - - - - - - +
    + + + + + +
    - - + - - - - - - - +
    - - - - - - - - - - - - - - \ No newline at end of file + + + + + + + + + + + + + diff --git a/docs/docs/content/hazm/sequence_tagger.html b/docs/docs/content/hazm/sequence_tagger.html index 1a8b0956..cfd0574c 100644 --- a/docs/docs/content/hazm/sequence_tagger.html +++ b/docs/docs/content/hazm/sequence_tagger.html @@ -1,1289 +1,1220 @@ - - + - - - - - - - - - - - - - - - - - - - - - - - - - sequence_tagger - هضم | کتابخانهٔ پردازش زبان فارسی - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - + + + + + + + + + + + + + + + + + sequence_tagger - هضم | کتابخانهٔ پردازش زبان فارسی + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
    - - - - پرش به محتویات - - -
    -
    - -
    - - - - - - -
    - - - - -
    - -
    - - - - -
    -
    - - - -
    -
    -
    - - - - - -
    -
    -
    - - - -
    -
    -
    - - - -
    +
    +
    - - - - - - - - - - - - - - +
    + + + + + +
    - - + - - - - - - - +
    - - - - - - - - - - - - - - \ No newline at end of file + + + + + + + + + + + + + diff --git a/docs/docs/content/hazm/stemmer.html b/docs/docs/content/hazm/stemmer.html index 39dfdced..78e150e5 100644 --- a/docs/docs/content/hazm/stemmer.html +++ b/docs/docs/content/hazm/stemmer.html @@ -1,1009 +1,792 @@ - - + - - - - - - - - - - - - - - - - - - - - - - - - - stemmer - هضم | کتابخانهٔ پردازش زبان فارسی - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - + + + + + + + + + + + + + + + + + stemmer - هضم | کتابخانهٔ پردازش زبان فارسی + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
    - - - - پرش به محتویات - - + پرش به محتویات
    -
    - -
    - - - - - - -
    - - - - -
    - -
    - - - - -
    -
    - - - -
    -
    -
    - - - - - -
    -
    -
    - - - -
    -
    -
    - - - -
    +
    - - - +
    - - - - - - - - - - - - - - \ No newline at end of file + + + + + + + + + + + + + diff --git a/docs/docs/content/hazm/token_splitter.html b/docs/docs/content/hazm/token_splitter.html index f6653c45..0625eb32 100644 --- a/docs/docs/content/hazm/token_splitter.html +++ b/docs/docs/content/hazm/token_splitter.html @@ -1,1004 +1,803 @@ - - + - - - - - - - - - - - - - - - - - - - - - - - - - token_splitter - هضم | کتابخانهٔ پردازش زبان فارسی - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - + + + + + + + + + + + + + + + + + token_splitter - هضم | کتابخانهٔ پردازش زبان فارسی + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
    - - - - پرش به محتویات - - + پرش به محتویات
    -
    - -
    - - - - - - -
    - - - - -
    - -
    - - - - -
    -
    - - - -
    -
    -
    - - - - - -
    -
    -
    - - - -
    -
    -
    - - - -
    +
    - - - +
    - - - - - - - - - - - - - - \ No newline at end of file + + + + + + + + + + + + + diff --git a/docs/docs/content/hazm/word_tokenizer.html b/docs/docs/content/hazm/word_tokenizer.html index 38a38814..4aace769 100644 --- a/docs/docs/content/hazm/word_tokenizer.html +++ b/docs/docs/content/hazm/word_tokenizer.html @@ -1,1146 +1,1021 @@ - - + - - - - - - - - - - - - - - - - - - - - - - - - - word_tokenizer - هضم | کتابخانهٔ پردازش زبان فارسی - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - + + + + + + + + + + + + + + + + + word_tokenizer - هضم | کتابخانهٔ پردازش زبان فارسی + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
    - - - - پرش به محتویات - - -
    -
    - + پرش به محتویات
    - - - - - - -
    - - - - -
    - + +
    + +
    + + + + +
    +
    hazm
    +     +
    + + +
    - - - -
    - - - -
    -
    -
    - - - - - +
    +
    +
    +
    + + +
    - - - -
    -
    -
    - - - -
    -
    +
    +
    + +
    +
    +
    +
    - - - -
    -
    - - - - - - - -

    word_tokenizer

    - -
    -کاربرد عملی -

    برای آشنایی با کاربرد این ماژول می‌توانید به بخش کاربردهای هضم مراجعه کنید.

    -

    در پروژه‌های زیر از این ماژول استفاده شده است:

    -

    پروژهٔ استخراج کلمات کلیدی

    -
    - - -
    - - - - -
    - -

    این ماژول شامل کلاس‌ها و توابعی برای استخراج کلماتِ متن است.

    -

    برای استخراج جملات، از تابع SentenceTokenizer() -استفاده کنید.

    - - -
    - - -
    - - - -

    - WordTokenizer - - -

    - - -
    -

    - کلاس(های) پایه: TokenizerI

    - - -

    این کلاس شامل توابعی برای استخراج کلماتِ متن است.

    - -

    پارامترها:

    - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
    نامنوعتوضیحاتپیش‌فرض
    words_file - str -

    مسیر فایل حاوی لیست کلمات. -هضم به صورت پیش‌فرض فایلی برای این منظور در نظر گرفته است؛ با -این حال شما می‌توانید فایل موردنظر خود را معرفی کنید. برای آگاهی از -ساختار این فایل به فایل پیش‌فرض مراجعه کنید.

    		 - default_words -
    verbs_file - str -

    مسیر فایل حاوی افعال. -هضم به صورت پیش‌فرض فایلی برای این منظور در نظر گرفته است؛ با -این حال شما می‌توانید فایل موردنظر خود را معرفی کنید. برای آگاهی از -ساختار این فایل به فایل پیش‌فرض مراجعه کنید.

    		 - default_verbs -
    join_verb_parts - bool -

    اگر True باشد افعال چندبخشی را با خط زیر به هم می‌چسباند؛ مثلاً «گفته شده است» را به صورت «گفته_شده_است» برمی‌گرداند.

    		 - True -
    join_abbreviations - bool -

    اگر True باشد مخفف‌ها را نمی‌شکند و به شکل یک توکن برمی‌گرداند.

    		 - False -
    separate_emoji - bool -

    اگر True باشد اموجی‌ها را با یک فاصله از هم جدا می‌کند.

    		 - False -
    replace_links - bool -

    اگر True باشد لینک‌ها را با کلمهٔ LINK جایگزین می‌کند.

    		 - False -
    replace_ids - bool -

    اگر True باشد شناسه‌ها را با کلمهٔ ID جایگزین می‌کند.

    		 - False -
    replace_emails - bool -

    اگر True باشد آدرس‌های ایمیل را با کلمهٔ EMAIL‍ جایگزین می‌کند.

    		 - False -
    replace_numbers - bool -

    اگر True باشد اعداد اعشاری را باNUMF و اعداد صحیح را باNUM جایگزین می‌کند. در اعداد غیراعشاری، تعداد ارقام نیز جلوی NUM می‌آید.

    		 - False -
    replace_hashtags - bool -

    اگر True باشد علامت # را با TAG جایگزین می‌کند.

    		 - False -
    - - - - -
    - - -
    - - - -

    -tokenize(text) - -

    - - -
    - -

    توکن‌های متن را استخراج می‌کند.

    - -

    مثال‌ها:

    - 
    >>> tokenizer = WordTokenizer()
+
    +
    + +
    +
    +

    word_tokenizer

    + +
    + کاربرد عملی +

    + برای آشنایی با کاربرد این ماژول می‌توانید به بخش کاربردهای هضم + مراجعه کنید. +

    +

    در پروژه‌های زیر از این ماژول استفاده شده است:

    +

    + پروژهٔ استخراج کلمات کلیدی +

    +
    + +
    + +
    +

    + این ماژول شامل کلاس‌ها و توابعی برای استخراج کلماتِ متن است. +

    +

    + برای استخراج جملات، از تابع + SentenceTokenizer() + استفاده کنید. +

    + +
    +
    +

    + WordTokenizer + + +

    + +
    +

    + کلاس(های) پایه: + TokenizerI +

    + +

    این کلاس شامل توابعی برای استخراج کلماتِ متن است.

    + +

    پارامترها:

    + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
    نامنوعتوضیحاتپیش‌فرض
    words_file + str + +

    + مسیر فایل حاوی لیست کلمات. هضم به صورت پیش‌فرض + فایلی برای این منظور در نظر گرفته است؛ با این + حال شما می‌توانید فایل موردنظر خود را معرفی + کنید. برای آگاهی از ساختار این فایل به فایل + پیش‌فرض مراجعه کنید. +

    +     		+ default_words +
    verbs_file + str + +

    + مسیر فایل حاوی افعال. هضم به صورت پیش‌فرض + فایلی برای این منظور در نظر گرفته است؛ با این + حال شما می‌توانید فایل موردنظر خود را معرفی + کنید. برای آگاهی از ساختار این فایل به فایل + پیش‌فرض مراجعه کنید. +

    +     		+ default_verbs +
    join_verb_parts + bool + +

    + اگر True باشد افعال چندبخشی را با + خط زیر به هم می‌چسباند؛ مثلاً «گفته شده است» + را به صورت «گفته_شده_است» برمی‌گرداند. +

    +     		+ True +
    join_abbreviations + bool + +

    + اگر True باشد مخفف‌ها را نمی‌شکند + و به شکل یک توکن برمی‌گرداند. +

    +     		+ False +
    separate_emoji + bool + +

    + اگر True باشد اموجی‌ها را با یک + فاصله از هم جدا می‌کند. +

    +     		+ False +
    replace_links + bool + +

    + اگر True باشد لینک‌ها را با کلمهٔ + LINK جایگزین می‌کند. +

    +     		+ False +
    replace_ids + bool + +

    + اگر True باشد شناسه‌ها را با + کلمهٔ ID جایگزین می‌کند. +

    +     		+ False +
    replace_emails + bool + +

    + اگر True باشد آدرس‌های ایمیل را + با کلمهٔ EMAIL‍ جایگزین می‌کند. +

    +     		+ False +
    replace_numbers + bool + +

    + اگر True باشد اعداد اعشاری را + باNUMF و اعداد صحیح را باNUM + جایگزین می‌کند. در اعداد غیراعشاری، تعداد + ارقام نیز جلوی NUM می‌آید. +

    +     		+ False +
    replace_hashtags + bool + +

    + اگر True باشد علامت + # را با TAG جایگزین + می‌کند. +

    +     		+ False +
    + +
    +
    +

    + tokenize(text) + + +

    + +
    +

    توکن‌های متن را استخراج می‌کند.

    + +

    مثال‌ها:

    +
    + 
    >>> tokenizer = WordTokenizer()
 >>> tokenizer.tokenize('این جمله (خیلی) پیچیده نیست!!!')
 ['این', 'جمله', '(', 'خیلی', ')', 'پیچیده', 'نیست', '!!!']
 >>> tokenizer = WordTokenizer(join_verb_parts=False)
@@ -1158,70 +1033,88 @@ 
    
 >>> tokenizer = WordTokenizer(join_abbreviations=True)
 >>> print(' '.join(tokenizer.tokenize('امام علی (ع) فرمود: برترین زهد، پنهان داشتن زهد است')))
 ['امام', 'علی', '(ع)', 'فرمود', ':', 'برترین', 'زهد', '،', 'پنهان', 'داشتن', 'زهد', 'است']
-
    - -

    پارامترها:

    - - - - - - - - - - - - - - - - - -
    نامنوعتوضیحاتپیش‌فرض
    text - str -

    متنی که باید توکن‌های آن استخراج شود.

    		 - اجباری -
    - -

    خروجی‌ها:

    - - - - - - - - - - - - - -
    نوعتوضیحات
    - List[str] -

    لیست توکن‌های استخراج‌شده.

    - -
    - -
    - -
    - - - -

    -join_verb_parts(tokens) - -

    - - -
    - -

    افعال چندبخشی را به هم می‌چسباند.

    - -

    مثال‌ها:

    - 
    >>> tokenizer = WordTokenizer()
+
    +
    + +

    پارامترها:

    + + + + + + + + + + + + + + + + + +
    نامنوعتوضیحاتپیش‌فرض
    text + str + +

    + متنی که باید توکن‌های آن استخراج شود. +

    +     		+ اجباری +
    + +

    خروجی‌ها:

    + + + + + + + + + + + + + +
    نوعتوضیحات
    + List[str] +

    لیست توکن‌های استخراج‌شده.

    +
    +
    + +
    +

    + join_verb_parts(tokens) + + +

    + +
    +

    افعال چندبخشی را به هم می‌چسباند.

    + +

    مثال‌ها:

    +
    + 
    >>> tokenizer = WordTokenizer()
 >>> tokenizer.join_verb_parts(['خواهد', 'رفت'])
 ['خواهد_رفت']
 >>> tokenizer.join_verb_parts(['رفته', 'است'])
@@ -1232,206 +1125,253 @@ 
    ['گفته_خواهد_شد']
 >>> tokenizer.join_verb_parts(['خسته', 'شدید'])
 ['خسته', 'شدید']
-
    - -

    پارامترها:

    - - - - - - - - - - - - - - - - - -
    نامنوعتوضیحاتپیش‌فرض
    tokens - List[str] -

    لیست کلمات یک فعل چندبخشی.

    		 - اجباری -
    - -

    خروجی‌ها:

    - - - - - - - - - - - - - -
    نوعتوضیحات
    - List[str] -

    لیست از افعال چندبخشی که در صورت لزوم بخش‌های آن با کاراکتر خط زیر به هم چسبانده_شده_است.

    - -
    - -
    -
    - -
    -
    - -
    - - - - - - - - -
    -
    - - +     +
    + +

    پارامترها:

    + + + + + + + + + + + + + + + + + +
    نامنوعتوضیحاتپیش‌فرض
    tokens + List[str] +

    لیست کلمات یک فعل چندبخشی.

    		 + اجباری +
    + +

    خروجی‌ها:

    + + + + + + + + + + + + + +
    نوعتوضیحات
    + List[str] + +

    + لیست از افعال چندبخشی که در صورت لزوم + بخش‌های آن با کاراکتر خط زیر به هم + چسبانده_شده_است. +

    +
    +
    +
    +
    +
    +
    +
    +
    +
    + +
    - - - + +
    - - - +
    - - - - - - - - - - - - - - \ No newline at end of file + + + + + + + + + + + + + diff --git a/docs/docs/content/in-other-languages.html b/docs/docs/content/in-other-languages.html index 71e1b8e7..b8b46d1d 100644 --- a/docs/docs/content/in-other-languages.html +++ b/docs/docs/content/in-other-languages.html @@ -12,7 +12,7 @@ - + diff --git a/docs/docs/content/samples/index.html b/docs/docs/content/samples/index.html index f40cc582..82a4c8dd 100644 --- a/docs/docs/content/samples/index.html +++ b/docs/docs/content/samples/index.html @@ -1,715 +1,779 @@ - - + - - - - - - - - - - - - - - - - - - - - - - - - - کاربردهای هضم - هضم | کتابخانهٔ پردازش زبان فارسی - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - + + + + + + + + + + + + + + + + + کاربردهای هضم - هضم | کتابخانهٔ پردازش زبان فارسی + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
    - - - - پرش به محتویات - - -
    -
    - + پرش به محتویات
    - - - - - - -
    - - - - -
    - + +
    + +
    + + + + +
    +
    hazm
    +     +
    + + +
    - - - -
    - - - -
    -
    -
    - - - - - +
    +
    +
    +
    -
    - - - -
    -
    -
    - - - -
    -
    -
    - - - -
    -
    +
    +
    -

    کاربردهای هضم

    -

    در این بخش مثال‌هایی عملی از کاربردهای هضم در سناریوهای مختلف قرار گرفته است. شما نیز می‌توانید مثال‌های خودتان را اضافه کنید.

    -
    -

    سورس مثال‌های این بخش را می‌توانید در پوشهٔ samples ببینید.

    -
    -

    فهرست مثال‌ها:

    -

    استخراج کلمات کلیدی

    - +
    +
    +
    + +
    +
    +
    - +
    +
    +

    + کاربردهای هضم +

    +

    + در این بخش مثال‌هایی عملی از کاربردهای هضم در سناریوهای مختلف + قرار گرفته است. شما نیز می‌توانید مثال‌های خودتان را اضافه کنید. +

    +
    +

    + سورس مثال‌های این بخش را می‌توانید در پوشهٔ + samples + ببینید. +

    +
    +

    + فهرست مثال‌ها: +

    +

    + استخراج کلمات کلیدی +

    +
    +
    +
    + +
    +
    - - - - - - - - - - - - - - \ No newline at end of file + + + + + + + + + + + + + diff --git a/docs/docs/content/samples/keyword_extraction.html b/docs/docs/content/samples/keyword_extraction.html index b8b07306..a31e71df 100644 --- a/docs/docs/content/samples/keyword_extraction.html +++ b/docs/docs/content/samples/keyword_extraction.html @@ -1,715 +1,728 @@ - - + - - - - - - - - - - - - - - - - - - - - - - - - - استخراج کلمات کلیدی - هضم | کتابخانهٔ پردازش زبان فارسی - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - + + + + + + + + + + + + + + + + + استخراج کلمات کلیدی - هضم | کتابخانهٔ پردازش زبان فارسی + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
    - - - - پرش به محتویات - - -
    -
    - + پرش به محتویات
    - - - - - - -
    - - - - -
    - + +
    + +
    + + + + +
    +
    hazm
    +     +
    + + +
    - - - -
    - - - -
    -
    -
    - - - - - +
    +
    +
    +
    + + +
    - - - -
    -
    -
    - - - -
    -
    +
    +
    + +
    +
    +
    + +
    +
    +
    + +
    +
    +

    استخراج کلمات کلیدی

    + +

    + وقتی در حال پیمایش لیست پیام‌ها، توییت‌ها، خبرها و ... هستید در + واقع مشغول استخراج کلمات کلیدی هستید. شما براساس برخی از کلمات + کلیدی تصمیم می‌گیرید که متنی را بخوانید یا نه. الگوریتم‌های + استخراج کلمات کلیدی در NLP نیز هر کدام به روشی سعی دارند این + رفتار انسان را تقلید کنند. استخراج کلمات کلیدی، رویکردی + تحلیل‌گرانه برای شناسایی پرکاربردترین و ضروری‌ترین واژه‌ها و + عباراتِ یک متن است. این کار برای شناسایی مفهوم اصلی متن ضروری + است. +

    +

    + در این مثال قصد داریم با کمک هضم و برخی از کتابخانه‌های پردازش + زبان، کلمات کلیدی یک متن را استخراج کنیم. در تمام الگوریتم‌های + استخراج کلمات کلیدی، ابتدا باید متن خام ورودی نرمال‌سازی، + توکنایز و برچسب‌گذاری شود که انجام این کارها به سادگی توسط + کتابخانهٔ هضم میسر است. +

    +

    + الگوریتم‌های مختلفی برای استخراج کلمات کلیدی وجود دارد. ما در + این مقاله از روش Text Rank استفاده کرده‌ایم. در روش Text Rank + متن ورودی ابتدا به جملات و کلمات شکسته می‌شود و سپس گراف معنایی + آن ایجاد می‌شود. در این گراف، هر کلمه یا جمله نقش یک گره را بازی + می‌کند و یال‌های بین گره‌ها، روابط معنایی بین آن‌هاست. اهمیت هر + گره به این صورت مشخص می‌شود که اگر گره‌ای (یعنی کلمه یا جمله‌ای) + با کلمات و جملات همجوار، همبستگی بیشتری داشت اهمیت بیشتری دارد. +

    +

    بیایید جزئیات بیشتر را از طریق کد بررسی کنیم.

    +
    +

    + سورس این مثال +

    - - - -
    -
    - - - - - - - -

    استخراج کلمات کلیدی

    - -

    وقتی در حال پیمایش لیست پیام‌ها، توییت‌ها، خبرها و ... هستید در واقع مشغول استخراج کلمات کلیدی هستید. شما براساس برخی از کلمات کلیدی تصمیم می‌گیرید که متنی را بخوانید یا نه. الگوریتم‌های استخراج کلمات کلیدی در NLP نیز هر کدام به روشی سعی دارند این رفتار انسان را تقلید کنند. استخراج کلمات کلیدی، رویکردی تحلیل‌گرانه برای شناسایی پرکاربردترین و ضروری‌ترین واژه‌ها و عباراتِ یک متن است. این کار برای شناسایی مفهوم اصلی متن ضروری است.

    -

    در این مثال قصد داریم با کمک هضم و برخی از کتابخانه‌های پردازش زبان، کلمات کلیدی یک متن را استخراج کنیم. در تمام الگوریتم‌های استخراج کلمات کلیدی، ابتدا باید متن خام -ورودی نرمال‌سازی، توکنایز و برچسب‌گذاری شود که انجام این کارها به سادگی توسط کتابخانهٔ هضم میسر است.

    -

    الگوریتم‌های مختلفی برای استخراج کلمات کلیدی وجود دارد. ما در این مقاله از روش Text Rank استفاده کرده‌ایم. در روش Text Rank متن ورودی ابتدا به جملات و کلمات شکسته می‌شود و سپس گراف معنایی آن ایجاد می‌شود. در این گراف، هر کلمه یا جمله نقش یک گره را بازی می‌کند و یال‌های بین گره‌ها، روابط معنایی بین آن‌هاست. اهمیت هر گره به این صورت مشخص می‌شود که اگر گره‌ای (یعنی کلمه یا جمله‌ای) با کلمات و جملات همجوار، همبستگی بیشتری داشت اهمیت بیشتری دارد.

    -

    بیایید جزئیات بیشتر را از طریق کد بررسی کنیم.

    -
    -

    سورس این مثال

    -
    -

    ابتدا آخرین نسخهٔ هضم و تمام کتابخانه‌هایی را که در مثال زیر ایمپورت شده‌اند نصب کنید.

    -
    pip install hazm
-
    -
    import numpy as np
+              
    
+                ابتدا آخرین نسخهٔ هضم و تمام کتابخانه‌هایی را که در مثال زیر
+                ایمپورت شده‌اند نصب کنید.
+              
    
+              
    
+                
    pip install hazm
+
    
+              
    
+              
    
+                
    import numpy as np
 import nltk
 import re
 import string
@@ -721,20 +734,39 @@ 
    استخراج کلمات کلیدی
    
 from gensim.models import Doc2Vec
 from hazm.Embedding import SentEmbedding
 from hazm import *
-
    
-
    متنی را برای استخراج کلمات کلیدی آن در نظر بگیرید.
    
-
    text = 'سفارت ایران در مادرید درباره فیلم منتشرشده از «حسن قشقاوی» در مراسم سال نو در کاخ سلطنتی اسپانیا و حاشیه‌سازی‌ها در فضای مجازی اعلام کرد: به تشریفات دربار کتباً اعلام شد سفیر بدون همراه در مراسم حضور خواهد داشت و همچون قبل به دلایل تشریفاتی نمی‌تواند با ملکه دست بدهد. همان‌گونه که کارشناس رسمی تشریفات در توضیحات خود به یک نشریه اسپانیایی گفت این موضوع توضیح مذهبی داشته و هرگز به معنی بی‌احترامی به مقام و شخصیت زن آن هم در سطح ملکه محترمه یک کشور نیست.'
+
    
+              
    
+              
    متنی را برای استخراج کلمات کلیدی آن در نظر بگیرید.
    
+              
    
+                
    text = 'سفارت ایران در مادرید درباره فیلم منتشرشده از «حسن قشقاوی» در مراسم سال نو در کاخ سلطنتی اسپانیا و حاشیه‌سازی‌ها در فضای مجازی اعلام کرد: به تشریفات دربار کتباً اعلام شد سفیر بدون همراه در مراسم حضور خواهد داشت و همچون قبل به دلایل تشریفاتی نمی‌تواند با ملکه دست بدهد. همان‌گونه که کارشناس رسمی تشریفات در توضیحات خود به یک نشریه اسپانیایی گفت این موضوع توضیح مذهبی داشته و هرگز به معنی بی‌احترامی به مقام و شخصیت زن آن هم در سطح ملکه محترمه یک کشور نیست.'
 
 keyword_count = 10
-
    
-
    نرمال‌سازی متن و استخراج توکن‌ها توسط هضم
    
-
    متن ورودی را با کمک نرمالایزر هضم نرمال‌سازی می‌کنیم و پس از آن با کمک توکنایزر به جملات و در نهایت به کلمات می‌شکنیم.
    
-
    normalizer = Normalizer()
+
    
+              
    
+              
    
+                نرمال‌سازی متن و استخراج توکن‌ها توسط هضم
+              
    
+              
    
+                متن ورودی را با کمک
+                نرمالایزر هضم نرمال‌سازی
+                می‌کنیم و پس از آن با کمک توکنایزر به
+                جملات و در نهایت
+                به کلمات می‌شکنیم.
+              
    
+              
    
+                
    normalizer = Normalizer()
 normalize_text = normalizer.normalize(text)
 tokenize_text = [word_tokenize(txt) for txt in sent_tokenize(normalize_text)]
 tokenize_text
-
    
-
    [['سفارت',
+
    
+              
    
+              
    
+                
    [['سفارت',
   'ایران',
   'در',
   'مادرید',
@@ -742,15 +774,30 @@ 
    نرمال‌سازی متن و استخراج توکن‌ها تو
   'فیلم',
   'منتشرشده',
   ...]]
-
    
-
    استخراج تگ POS برای هر یک از کلمات
    
-
    بعد از لودکردن مدل POS، هر یک از کلمات را با ماژول POSTagger هضم برچسب‌گذاری می‌کنیم.
    
-
    model_path = 'pos_tagger.model'
+
    
+              
    
+              
    
+                استخراج تگ POS برای هر یک از کلمات
+              
    
+              
    
+                بعد از لودکردن مدل POS، هر یک از کلمات را با ماژول
+                POSTagger هضم برچسب‌گذاری
+                می‌کنیم.
+              
    
+              
    
+                
    model_path = 'pos_tagger.model'
 tagger = POSTagger(model = model_path)
 token_tag_list = tagger.tag_sents(tokenize_text)
 token_tag_list
-
    
-
    [[('سفارت', 'NOUN,EZ'),
+
    
+              
    
+              
    
+                
    [[('سفارت', 'NOUN,EZ'),
   ('ایران', 'NOUN'),
   ('در', 'ADP'),
   ('مادرید', 'NOUN'),
@@ -758,10 +805,19 @@ 
    استخراج تگ POS برای هر یک از کلمات
    
-
    استخراج کاندیداها
    
-
    با استفاده از چند گرامر، کاندیداها را پیدا می‌کنیم.
    
-
    grammers = [
+
    
+              
    
+              
    
+                استخراج کاندیداها
+              
    
+              
    با استفاده از چند گرامر، کاندیداها را پیدا می‌کنیم.
    
+              
    
+                
    grammers = [
 """
 NP:
         {<NOUN,EZ>?<NOUN.*>}    # Noun(s) + Noun(optional)
@@ -775,8 +831,10 @@ 
    استخراج کاندیداها"""
 ]
 ## you can also add your own grammer to be extracted from the text...
-
    
-
    def extract_candidates(tagged, grammer):
+
    
+              
    
+              
    
+                
    def extract_candidates(tagged, grammer):
     keyphrase_candidate = set()
     np_parser = nltk.RegexpParser(grammer)
     trees = np_parser.parse_sents(tagged)
@@ -797,8 +855,10 @@ 
    استخراج کاندیداهاprint(np.array(list(all_candidates)))
-
    
-
    ['مقام' 'توضیح' 'اسپانیا' 'ملکه محترمه' 'توضیح مذهبی' 'ملکه'
+
    
+              
    
+              
    
+                
    ['مقام' 'توضیح' 'اسپانیا' 'ملکه محترمه' 'توضیح مذهبی' 'ملکه'
  'تشریفات دربار' 'معنی بی‌احترامی' 'توضیحات' 'دلایل' 'سفارت' 'کشور'
  'فضای' 'مراسم' 'موضوع' 'سفارت ایران' 'حاشیه‌سازی‌ها' 'ایران'
  'شخصیت زن' 'بی‌احترامی' 'سطح' 'حضور' 'سال نو' 'دست' 'دلایل تشریفاتی'
@@ -806,47 +866,103 @@ 
    استخراج کاندیداها
    
-
    لودکردن مدل Sent2Vec
    
-
    مدل sent2vec را لود می‌کنیم.
    
-
    sent2vec_model_path = 'sent2vec.model'
+
    
+              
    
+              
    
+                لودکردن مدل Sent2Vec
+              
    
+              
    مدل sent2vec را لود می‌کنیم.
    
+              
    
+                
    sent2vec_model_path = 'sent2vec.model'
 sent2vec_model = SentEmbedding(sent2vec_model_path)
-
    
-
    استخراج وکتور برای هر یک از کاندیداها و کل متن
    
-
    با کمک مدلی که در مرحله قبل لود شد هر یک از کاندیداها را به وکتور متناظر تبدیل می‌کنیم و همانند آن یکبار هم با ترکیب تمام کاندیداهای یک وکتور، به عنوان وکتور نمایندهٔ متن تعیین می‌کنیم.
    
-
    all_candidates_vectors = [sent2vec_model[candidate] for candidate in all_candidates]
+
    
+              
    
+              
    
+                استخراج وکتور برای هر یک از کاندیداها و کل متن
+              
    
+              
    
+                با کمک مدلی که در مرحله قبل لود شد هر یک از کاندیداها را به
+                وکتور متناظر تبدیل می‌کنیم و همانند آن یکبار هم با ترکیب تمام
+                کاندیداهای یک وکتور، به عنوان وکتور نمایندهٔ متن تعیین می‌کنیم.
+              
    
+              
    
+                
    all_candidates_vectors = [sent2vec_model[candidate] for candidate in all_candidates]
 all_candidates_vectors[0:2]
-
    
-
    [array([-0.01188162, -0.01629335, -0.02919522, -0.00783677, -0.00102758,
+
    
+              
    
+              
    
+                
    [array([-0.01188162, -0.01629335, -0.02919522, -0.00783677, -0.00102758,
         -0.03208233, -0.01709846,  0.0117062 ,  0.03449516,  0.07738346,
         ...],dtype=float32),
  array([ 1.61259193e-02, -2.24474519e-02, -3.80111709e-02,  2.28938404e-02,
          1.09725883e-02,  3.17719281e-02,  6.31656572e-02,  8.05895310e-03,
         ...],dtype=float32)]
-
    
-
    candidates_concatinate = ' '.join(all_candidates)
+
    
+              
    
+              
    
+                
    candidates_concatinate = ' '.join(all_candidates)
 whole_text_vector = sent2vec_model[candidates_concatinate]
 whole_text_vector
-
    
-
    array([ 4.67376083e-01,  1.41185641e-01, -4.01345827e-02,  8.06454271e-02,
+
    
+              
    
+              
    
+                
    array([ 4.67376083e-01,  1.41185641e-01, -4.01345827e-02,  8.06454271e-02,
         2.87257284e-01, -1.73859105e-01,  2.10984781e-01, -4.19053972e-01,
         ...], dtype=float32)
-
    
-
    یافتن شباهت کسینوسی کاندیداها و کل متن
    
-
    شباهت کسینوسی بین هریک از کاندیداها و وکتور نمایندهٔ متن را محاسبه می‌کنیم.
    
-
    candidates_sim_whole = cosine_similarity(all_candidates_vectors, whole_text_vector.reshape(1,-1))
+
    
+              
    
+              
    
+                یافتن شباهت کسینوسی کاندیداها و کل متن
+              
    
+              
    
+                شباهت کسینوسی بین هریک از کاندیداها و وکتور نمایندهٔ متن را
+                محاسبه می‌کنیم.
+              
    
+              
    
+                
    candidates_sim_whole = cosine_similarity(all_candidates_vectors, whole_text_vector.reshape(1,-1))
 candidates_sim_whole.reshape(1,-1)
-
    
-
    array([[ 1.19351953e-01,  1.23398483e-01,  1.25267982e-01,
+
    
+              
    
+              
    
+                
    array([[ 1.19351953e-01,  1.23398483e-01,  1.25267982e-01,
          1.78353339e-02,  2.34080136e-01, -1.43648628e-02,
         ...]], dtype=float32)
-
    
-
    یافتن شباهت کسینوسی کاندیداها به یکدیگر
    
-
    ماتریسی ایجاد می‌کنیم که هر درایهٔ آن با اندیس آی و جی، بیانگر شباهت کسینوسی کاندیدای آی با کاندیدای جی است.
    
-
    candidate_sim_candidate = cosine_similarity(all_candidates_vectors)
+
    
+              
    
+              
    
+                یافتن شباهت کسینوسی کاندیداها به یکدیگر
+              
    
+              
    
+                ماتریسی ایجاد می‌کنیم که هر درایهٔ آن با اندیس آی و جی، بیانگر
+                شباهت کسینوسی کاندیدای آی با کاندیدای جی است.
+              
    
+              
    
+                
    candidate_sim_candidate = cosine_similarity(all_candidates_vectors)
 candidate_sim_candidate
-
    
-
    array([[0.9999997 , 0.14587443, 0.20270647, ..., 0.42830434, 0.27730745,
+
    
+              
    
+              
    
+                
    array([[0.9999997 , 0.14587443, 0.20270647, ..., 0.42830434, 0.27730745,
         0.30513293],
        [0.14587443, 0.9999996 , 0.10514447, ..., 0.48333895, 0.3179143 ,
         0.19037738],
@@ -859,26 +975,43 @@ 
    یافتن شباهت کسینوسی کاندیداها به یکد
         0.40011758],
        [0.30513293, 0.19037738, 0.18565692, ..., 0.50683355, 0.40011758,
         0.9999996 ]], dtype=float32)
-
    
-
    نرمال‌سازی مقادیر مربوط به شباهت‌های کسینوسی
    
-
    دو مقدار بالا را برای استفاده در مراحل بعد نرمال‌سازی می‌کنیم.
    
-
    candidates_sim_whole_norm = candidates_sim_whole / np.max(candidates_sim_whole)
+
    
+              
    
+              
    
+                نرمال‌سازی مقادیر مربوط به شباهت‌های کسینوسی
+              
    
+              
    
+                دو مقدار بالا را برای استفاده در مراحل بعد نرمال‌سازی می‌کنیم.
+              
    
+              
    
+                
    candidates_sim_whole_norm = candidates_sim_whole / np.max(candidates_sim_whole)
 candidates_sim_whole_norm = 0.5 + (candidates_sim_whole_norm - np.average(candidates_sim_whole_norm)) / np.std(candidates_sim_whole_norm)
 candidates_sim_whole_norm
-
    
-
    array([[ 0.9393711 ],
+
    
+              
    
+              
    
+                
    array([[ 0.9393711 ],
        [ 0.979393  ],
        [ 0.9978831 ],
        [-0.06467056],
        [ 2.0740807 ],
        ...], dtype=float32)
-
    
-
    np.fill_diagonal(candidate_sim_candidate, np.NaN)
+
    
+              
    
+              
    
+                
    np.fill_diagonal(candidate_sim_candidate, np.NaN)
 candidate_sim_candidate_norm = candidate_sim_candidate / np.nanmax(candidate_sim_candidate, axis=0)
 candidate_sim_candidate_norm = 0.5 + (candidate_sim_candidate_norm - np.nanmean(candidate_sim_candidate_norm, axis=0)) / np.nanstd(candidate_sim_candidate_norm, axis=0)
 candidate_sim_candidate_norm
-
    
-
    array([[nan, -3.5498703e-01,  3.2357961e-02, ...,
+
    
+              
    
+              
    
+                
    array([[nan, -3.5498703e-01,  3.2357961e-02, ...,
          1.8948689e-01,  3.9502221e-01,  6.2098056e-01],
        [-5.2607918e-01,            nan, -7.2487104e-01, ...,
          4.3979204e-01,  6.8422610e-01, -9.5400155e-02],
@@ -891,13 +1024,26 @@ 
    نرمال‌سازی مقادیر مربوط به شباهت‌ها
          6.3278729e-01,            nan,  1.2139380e+00],
        [ 8.9874434e-01,  1.5904903e-03, -9.9972427e-02, ...,
          5.4664868e-01,  1.2696817e+00,nan]], dtype=float32)
-
    
-
    استخراج کلمات کلیدی از روی شباهت‌های کسینوسی
    
-
    با استفاده از روش امبدرنک در یک الگوریتم تکرارشونده، در هر مرحله با یک فرمول، یک کاندیدا به عنوان کلمهٔ کلیدی انتخاب می‌شود.
-کاندیدایی انتخاب می‌شود که در درجهٔ اول بیشترین شباهت را با کل متن دارد و در درجهٔ دوم کمترین شباهت را با کاندیداهای انتخاب‌شده دارد.
-میزان اثرگذاری این دو فاکتور را می‌توان با درنظرگرفتن عوامل مختلفی مثل طول و محتوای متن تغییر داد.
-(beta)
    
-
    beta = 0.82
+
    
+              
    
+              
    
+                استخراج کلمات کلیدی از روی شباهت‌های کسینوسی
+              
    
+              
    
+                با استفاده از روش امبدرنک در یک الگوریتم تکرارشونده، در هر مرحله
+                با یک فرمول، یک کاندیدا به عنوان کلمهٔ کلیدی انتخاب می‌شود.
+                کاندیدایی انتخاب می‌شود که در درجهٔ اول بیشترین شباهت را با کل
+                متن دارد و در درجهٔ دوم کمترین شباهت را با کاندیداهای انتخاب‌شده
+                دارد. میزان اثرگذاری این دو فاکتور را می‌توان با درنظرگرفتن
+                عوامل مختلفی مثل طول و محتوای متن تغییر داد. (beta)
+              
    
+              
    
+                
    beta = 0.82
 N = min(len(all_candidates), keyword_count)
 
 selected_candidates = []
@@ -923,8 +1069,10 @@ 
    استخراج کلمات کلیدی از روی شباهت‌های
     selected_candidates.append(best_index)
     unselected_candidates.remove(best_index)
 all_candidates[selected_candidates].tolist()
-
    
-
    ['معنی بی‌احترامی',
+
    
+              
    
+              
    
+                
    ['معنی بی‌احترامی',
  'دلایل تشریفاتی',
  'سطح ملکه',
  'توضیح مذهبی',
@@ -934,154 +1082,189 @@ 
    استخراج کلمات کلیدی از روی شباهت‌های
  'فیلم',
  'کارشناس رسمی',
  'کشور']
-
    
-
-
-  
+
    +
    +
    +
    +
    + +
    +
    - - - - - - - - - - - - - - \ No newline at end of file + + + + + + + + + + + + + diff --git a/docs/docs/content/utils.html b/docs/docs/content/utils.html index 084bb765..ec28e9dc 100644 --- a/docs/docs/content/utils.html +++ b/docs/docs/content/utils.html @@ -1,1391 +1,1261 @@ - - + - - - - - - - - - - - - - - - - - - - - - - - - - utils - هضم | کتابخانهٔ پردازش زبان فارسی - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - + + + + + + + + + + + + + + + + + utils - هضم | کتابخانهٔ پردازش زبان فارسی + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
    - - - - پرش به محتویات - - -
    -
    - + پرش به محتویات
    - - - - - - -
    - - - - -
    - -
    - - - - -
    -
    - - - -
    -
    -
    - - - - - -
    -
    -
    - - - -
    -
    -
    - - - -
    +
    +
    - - - - - - - - - - - - - - \ No newline at end of file + + + + + + + + + + + + + diff --git a/docs/docs/index.html b/docs/docs/index.html index 8bbc2cd5..78654a07 100644 --- a/docs/docs/index.html +++ b/docs/docs/index.html @@ -1,610 +1,643 @@ - - + - - - - - - - - - - - - - - - - - - - - - - - هضم | کتابخانهٔ پردازش زبان فارسی - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - + + + + + + + + + + + + + + + هضم | کتابخانهٔ پردازش زبان فارسی + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
    - - - - پرش به محتویات - - + پرش به محتویات
    -
    - -
    - - - - - - -
    - - - - -
    - + +
    + +
    + + + + +
    +
    hazm
    +     +
    + + +
    - - - -
    - - - -
    -
    -
    - - - - - +
    +
    +
    +
    + + +
    - - - -
    -
    -
    - - - -
    -
    +
    +
    + +
    +
    +
    + +
    +
    +
    + +
    +
    +

    معرفی و نصب

    + +

    + معرفی هضم +

    +

    + هضم + کتابخانه‌ای پایتونی برای پردازش زبان فارسی است. + با هضم می‌توانید متن را نرمال‌سازی کنید. جملات و واژه‌های متن را + استخراج کنید. ریشهٔ کلمات را پیدا کنید. جملات را تحلیل صرفی و + نحوی کنید. وابستگی‌های دستوری را در متن شناسایی کنید و ... . +

    +
    +

    + مبتنی بر کتابخانهٔ nltk و سازگار با پایتون +۳.۸ +

    +
    +

    + هضم بر مبنای کتابخانهٔ + NLTK توسعه داده شده و برای + زبان فارسی بومی‌سازی شده است. هضم با پایتون + +۳.۸ سازگار است. +

    +
    +

    محصولی از تیم روشن

    - - - -
    -
    - - - - - - - -

    معرفی و نصب

    - -

    معرفی هضم

    -

    هضم کتابخانه‌ای پایتونی برای پردازش زبان -فارسی است. با هضم می‌توانید متن را نرمال‌سازی کنید. جملات و واژه‌های متن را -استخراج کنید. ریشهٔ کلمات را پیدا کنید. جملات را تحلیل صرفی و نحوی کنید. -وابستگی‌های دستوری را در متن شناسایی کنید و ... .

    -
    -

    مبتنی بر کتابخانهٔ nltk و سازگار با پایتون +۳.۸

    -
    -

    هضم بر مبنای کتابخانهٔ NLTK توسعه داده شده و برای -زبان فارسی بومی‌سازی شده است. هضم با پایتون +۳.۸ سازگار است.

    -
    -

    محصولی از تیم روشن

    -
    -

    این کتابخانه در ابتدا به عنوان پروژه‌ای شخصی توسعه داده شد و اکنون زیر چتر -محصولات روشن در ادامهٔ مسیر توسعه است.

    -
    -

    کتابخانهٔ هضم -

    -
    -
    -

    نصب هضم

    -

    ابتدا پکیج هضم را نصب کنید:

    -
    $ pip install hazm
-
    -

    سپس منابع موردنظر را دانلود کنید و ترجیحاً در ریشهٔ پروژه اکسترکت کنید.

    -

    و در آخر، هضم را را در پروژه خود ایمپورت کنید:

    -
    from hazm import *
-
    -

    استفاده از هضم

    -

    کد پایین دیدی کلی از کاربردهای هضم نشان می‌دهد:

    -
    >>> from hazm import *
+              
    
+                این کتابخانه در ابتدا به عنوان پروژه‌ای شخصی توسعه داده شد و
+                اکنون زیر چتر
+                محصولات روشن در ادامهٔ
+                مسیر توسعه است.
+              
    
+              
    
+                
    
+                  کتابخانهٔ هضم
+                
    
+                
    
+              
    
+              
    
+                نصب هضم
+              
    
+              
    ابتدا پکیج هضم را نصب کنید:
    
+              
    
+                
    $ pip install hazm
+
    
+              
    
+              
    
+                سپس
+                منابع موردنظر را دانلود کنید
+                و ترجیحاً در ریشهٔ پروژه اکسترکت کنید.
+              
    
+              
    و در آخر، هضم را را در پروژه خود ایمپورت کنید:
    
+              
    
+                
    from hazm import *
+
    
+              
    
+              
    
+                استفاده از هضم
+              
    
+              
    کد پایین دیدی کلی از کاربردهای هضم نشان می‌دهد:
    
+              
    
+                
    >>> from hazm import *
 
 >>> normalizer = Normalizer()
 >>> normalizer.normalize('اصلاح نويسه ها و استفاده از نیم‌فاصله پردازش را آسان مي كند')
@@ -640,159 +673,201 @@ 
    استفاده از هضم>>> parser = DependencyParser(tagger=tagger, lemmatizer=lemmatizer)
 >>> parser.parse(word_tokenize('زنگ‌ها برای که به صدا درمی‌آید؟'))
 <DependencyGraph with 8 nodes>
-
    
-
    جزئیات بیشترِ این توابع را در بخش کلاس‌ها و توابع پی بگیرید.
-هضم علاوه بر کلاس‌ها و توابع مختص خود، کلاس‌ها و توابعی نیز برای خواندن
-پیکره‌های مشهور دارد که می‌توانید توضیحات هریک از آن‌ها را در بخش
-پیکره‌خوان‌ها بخوانید. هضم مبتنی بر پایتون است؛ با این حال
-نسخه‌هایی از این کتابخانه به زبان‌های دیگر پورت شده است.
    
-
-
-  
+
    +
    +

    + جزئیات بیشترِ این توابع را در بخش + کلاس‌ها و توابع پی بگیرید. + هضم علاوه بر کلاس‌ها و توابع مختص خود، کلاس‌ها و توابعی نیز برای + خواندن پیکره‌های مشهور دارد که می‌توانید توضیحات هریک از آن‌ها + را در بخش + پیکره‌خوان‌ها بخوانید. هضم مبتنی بر پایتون است؛ با این حال نسخه‌هایی از این + کتابخانه به زبان‌های دیگر + پورت شده است. +

    +
    +
    +
    + +
    +
    - - - - - - - - - - - - - - \ No newline at end of file + + + + + + + + + + + + + diff --git a/docs/docs/sitemap.xml b/docs/docs/sitemap.xml index c6cd12ce..7e431187 100644 --- a/docs/docs/sitemap.xml +++ b/docs/docs/sitemap.xml @@ -1,187 +1,187 @@ - https://www.roshan-ai.ir/hazm/index.html + https://www.roshan-ai.ir/hazm/docs/index.html 2023-10-01 daily - https://www.roshan-ai.ir/hazm/content/in-other-languages.html + https://www.roshan-ai.ir/hazm/docs/content/in-other-languages.html 2023-10-01 daily - https://www.roshan-ai.ir/hazm/content/utils.html + https://www.roshan-ai.ir/hazm/docs/content/utils.html 2023-10-01 daily - https://www.roshan-ai.ir/hazm/content/hazm/index.html + https://www.roshan-ai.ir/hazm/docs/content/hazm/index.html 2023-10-01 daily - https://www.roshan-ai.ir/hazm/content/hazm/chunker.html + https://www.roshan-ai.ir/hazm/docs/content/hazm/chunker.html 2023-10-01 daily - https://www.roshan-ai.ir/hazm/content/hazm/dependency_parser.html + https://www.roshan-ai.ir/hazm/docs/content/hazm/dependency_parser.html 2023-10-01 daily - https://www.roshan-ai.ir/hazm/content/hazm/embedding.html + https://www.roshan-ai.ir/hazm/docs/content/hazm/embedding.html 2023-10-01 daily - https://www.roshan-ai.ir/hazm/content/hazm/informal_normalizer.html + https://www.roshan-ai.ir/hazm/docs/content/hazm/informal_normalizer.html 2023-10-01 daily - https://www.roshan-ai.ir/hazm/content/hazm/lemmatizer.html + https://www.roshan-ai.ir/hazm/docs/content/hazm/lemmatizer.html 2023-10-01 daily - https://www.roshan-ai.ir/hazm/content/hazm/normalizer.html + https://www.roshan-ai.ir/hazm/docs/content/hazm/normalizer.html 2023-10-01 daily - https://www.roshan-ai.ir/hazm/content/hazm/pos_tagger.html + https://www.roshan-ai.ir/hazm/docs/content/hazm/pos_tagger.html 2023-10-01 daily - https://www.roshan-ai.ir/hazm/content/hazm/sentence_tokenizer.html + https://www.roshan-ai.ir/hazm/docs/content/hazm/sentence_tokenizer.html 2023-10-01 daily - https://www.roshan-ai.ir/hazm/content/hazm/sequence_tagger.html + https://www.roshan-ai.ir/hazm/docs/content/hazm/sequence_tagger.html 2023-10-01 daily - https://www.roshan-ai.ir/hazm/content/hazm/stemmer.html + https://www.roshan-ai.ir/hazm/docs/content/hazm/stemmer.html 2023-10-01 daily - https://www.roshan-ai.ir/hazm/content/hazm/token_splitter.html + https://www.roshan-ai.ir/hazm/docs/content/hazm/token_splitter.html 2023-10-01 daily - https://www.roshan-ai.ir/hazm/content/hazm/word_tokenizer.html + https://www.roshan-ai.ir/hazm/docs/content/hazm/word_tokenizer.html 2023-10-01 daily - https://www.roshan-ai.ir/hazm/content/hazm/corpus_readers/index.html + https://www.roshan-ai.ir/hazm/docs/content/hazm/corpus_readers/index.html 2023-10-01 daily - https://www.roshan-ai.ir/hazm/content/hazm/corpus_readers/bijankhan_reader.html + https://www.roshan-ai.ir/hazm/docs/content/hazm/corpus_readers/bijankhan_reader.html 2023-10-01 daily - https://www.roshan-ai.ir/hazm/content/hazm/corpus_readers/dadegan_reader.html + https://www.roshan-ai.ir/hazm/docs/content/hazm/corpus_readers/dadegan_reader.html 2023-10-01 daily - https://www.roshan-ai.ir/hazm/content/hazm/corpus_readers/degarbayan_reader.html + https://www.roshan-ai.ir/hazm/docs/content/hazm/corpus_readers/degarbayan_reader.html 2023-10-01 daily - https://www.roshan-ai.ir/hazm/content/hazm/corpus_readers/hamshahri_reader.html + https://www.roshan-ai.ir/hazm/docs/content/hazm/corpus_readers/hamshahri_reader.html 2023-10-01 daily - https://www.roshan-ai.ir/hazm/content/hazm/corpus_readers/mirastext_reader.html + https://www.roshan-ai.ir/hazm/docs/content/hazm/corpus_readers/mirastext_reader.html 2023-10-01 daily - https://www.roshan-ai.ir/hazm/content/hazm/corpus_readers/mizan_reader.html + https://www.roshan-ai.ir/hazm/docs/content/hazm/corpus_readers/mizan_reader.html 2023-10-01 daily - https://www.roshan-ai.ir/hazm/content/hazm/corpus_readers/naab_reader.html + https://www.roshan-ai.ir/hazm/docs/content/hazm/corpus_readers/naab_reader.html 2023-10-01 daily - https://www.roshan-ai.ir/hazm/content/hazm/corpus_readers/ner_reader.html + https://www.roshan-ai.ir/hazm/docs/content/hazm/corpus_readers/ner_reader.html 2023-10-01 daily - https://www.roshan-ai.ir/hazm/content/hazm/corpus_readers/persian_plain_text_reader.html + https://www.roshan-ai.ir/hazm/docs/content/hazm/corpus_readers/persian_plain_text_reader.html 2023-10-01 daily - https://www.roshan-ai.ir/hazm/content/hazm/corpus_readers/persica_reader.html + https://www.roshan-ai.ir/hazm/docs/content/hazm/corpus_readers/persica_reader.html 2023-10-01 daily - https://www.roshan-ai.ir/hazm/content/hazm/corpus_readers/peykare_reader.html + https://www.roshan-ai.ir/hazm/docs/content/hazm/corpus_readers/peykare_reader.html 2023-10-01 daily - https://www.roshan-ai.ir/hazm/content/hazm/corpus_readers/quran_reader.html + https://www.roshan-ai.ir/hazm/docs/content/hazm/corpus_readers/quran_reader.html 2023-10-01 daily - https://www.roshan-ai.ir/hazm/content/hazm/corpus_readers/sentipers_reader.html + https://www.roshan-ai.ir/hazm/docs/content/hazm/corpus_readers/sentipers_reader.html 2023-10-01 daily - https://www.roshan-ai.ir/hazm/content/hazm/corpus_readers/tnews_reader.html + https://www.roshan-ai.ir/hazm/docs/content/hazm/corpus_readers/tnews_reader.html 2023-10-01 daily - https://www.roshan-ai.ir/hazm/content/hazm/corpus_readers/treebank_reader.html + https://www.roshan-ai.ir/hazm/docs/content/hazm/corpus_readers/treebank_reader.html 2023-10-01 daily - https://www.roshan-ai.ir/hazm/content/hazm/corpus_readers/universal_dadegan_reader.html + https://www.roshan-ai.ir/hazm/docs/content/hazm/corpus_readers/universal_dadegan_reader.html 2023-10-01 daily - https://www.roshan-ai.ir/hazm/content/hazm/corpus_readers/verbvalency_reader.html + https://www.roshan-ai.ir/hazm/docs/content/hazm/corpus_readers/verbvalency_reader.html 2023-10-01 daily - https://www.roshan-ai.ir/hazm/content/hazm/corpus_readers/wikipedia_reader.html + https://www.roshan-ai.ir/hazm/docs/content/hazm/corpus_readers/wikipedia_reader.html 2023-10-01 daily - https://www.roshan-ai.ir/hazm/content/samples/index.html + https://www.roshan-ai.ir/hazm/docs/content/samples/index.html 2023-10-01 daily - https://www.roshan-ai.ir/hazm/content/samples/keyword_extraction.html + https://www.roshan-ai.ir/hazm/docs/content/samples/keyword_extraction.html 2023-10-01 daily diff --git a/docs/index.html b/docs/index.html index 70b255c7..9d1b730c 100644 --- a/docs/index.html +++ b/docs/index.html @@ -38,7 +38,8 @@ + content="هضم کتابخانه‌ای پایتونی برای پردازش زبان فارسی است." + /> @@ -52,6 +53,7 @@ + @@ -60,7 +62,8 @@ + href="https://github.com/roshan-research/hazm/blob/master/LICENSE" + /> @@ -104,17 +109,20 @@

    هضم

    menu icon + alt="menu icon" + /> close icon + alt="close icon" + />
    doc_icon + alt="doc_icon" + /> مستندات @@ -198,7 +206,7 @@

    شروع کار با هضم

    دانلود کنید. شما نیز می‌توانید طبق رویه‌هایی که جزئیات آن در     مستندات آمده، مدل‌های مخصوص خود را آموزش دهید. -

    +

    نمونه کد

    @@ -229,11 +237,13 @@

    نمونه کد

    open path + alt="open path" + /> close path + alt="close path" + />
    نمونه کد open path + alt="open path" + /> close path + alt="close path" + />
    [ @@ -291,11 +303,13 @@

    نمونه کد

    open path + alt="open path" + /> close path + alt="close path" + />
    [ @@ -331,11 +345,13 @@

    نمونه کد

    open path + alt="open path" + /> close path + alt="close path" + />
    'رفت#رو' @@ -370,11 +386,13 @@

    نمونه کد

    open path + alt="open path" + /> close path + alt="close path" + />
    [ @@ -445,11 +463,13 @@

    نمونه کد

    open path + alt="open path" + /> close path + alt="close path" + />
    '[کتاب خواندن NP] @@ -466,8 +486,7 @@

    نمونه کد

    >= WordEmbedding (model_type = 'fasttext', model_path = 'word2vec.bin' + >= 'word2vec.bin' )
    >>> نمونه کد open path + alt="open path" + /> close path + alt="close path" + />
    'پنجره' @@ -526,11 +547,13 @@

    نمونه کد

    open path + alt="open path" + /> close path + alt="close path" + />
    <DependencyGraph @@ -710,8 +733,7 @@

    نمونه کد

    >= WordEmbedding (model_type = 'fasttext', model_path = 'word2vec.bin' + >= 'word2vec.bin' )
    @@ -762,94 +784,124 @@

    درخت تحلیل نحوی

    height="249" viewBox="0 0 600 249" fill="none" - xmlns="http://www.w3.org/2000/svg"> + xmlns="http://www.w3.org/2000/svg" + > + d="M566.644 235.828C566.644 234.37 567.993 233.227 570.691 232.398L570.792 232.367L570.777 232.266L570.73 232.023L571.761 231.805L572.386 236.273C572.428 236.57 572.514 236.82 572.644 237.023C572.779 237.227 572.957 237.38 573.175 237.484C573.394 237.589 573.654 237.641 573.957 237.641H574.089C574.131 237.708 574.152 237.87 574.152 238.125V238.312C574.152 238.458 574.144 238.583 574.128 238.688C574.118 238.786 574.105 238.852 574.089 238.883H573.925C573.233 238.883 572.688 238.745 572.292 238.469C571.897 238.188 571.636 237.766 571.511 237.203L571.472 237.008L571.324 237.141C571.022 237.406 570.696 237.604 570.347 237.734C569.998 237.865 569.623 237.93 569.222 237.93C568.102 237.93 567.326 237.568 566.894 236.844C566.727 236.568 566.644 236.229 566.644 235.828ZM570.785 233.477C569.795 233.836 569.05 234.201 568.55 234.57C568.05 234.94 567.8 235.328 567.8 235.734C567.8 236.089 567.917 236.357 568.152 236.539C568.391 236.716 568.733 236.805 569.175 236.805C569.41 236.805 569.639 236.773 569.863 236.711C570.092 236.643 570.311 236.547 570.519 236.422C571.061 236.089 571.274 235.555 571.16 234.82L571.003 233.781L570.964 233.562L570.949 233.422L570.808 233.469L570.785 233.477ZM579.707 229.711L580.73 228.688L581.761 229.719L580.738 230.734L579.707 229.711ZM580.996 231.805L582.019 230.789L583.042 231.812L582.027 232.836L580.996 231.805ZM578.457 231.805L579.472 230.789L580.503 231.812L579.48 232.836L578.457 231.805ZM583.027 238.883C582.147 238.883 581.537 238.536 581.199 237.844L581.113 237.672L580.996 237.828C580.501 238.531 579.792 238.883 578.871 238.883C577.808 238.883 577.131 238.539 576.839 237.852L576.746 237.633L576.628 237.844C576.233 238.536 575.425 238.883 574.207 238.883H574.003C573.832 238.883 573.707 238.839 573.628 238.75C573.55 238.661 573.511 238.516 573.511 238.312V238.164C573.511 237.977 573.55 237.844 573.628 237.766C573.707 237.682 573.832 237.641 574.003 237.641H574.222C574.868 237.641 575.36 237.508 575.699 237.242C576.042 236.971 576.217 236.57 576.222 236.039C576.222 235.966 576.22 235.896 576.214 235.828C576.214 235.76 576.214 235.695 576.214 235.633C576.214 235.57 576.212 235.51 576.207 235.453C576.201 235.396 576.196 235.341 576.191 235.289L576.16 234.93L577.214 234.805L577.332 236.336C577.363 236.763 577.511 237.089 577.777 237.312C578.042 237.531 578.412 237.641 578.886 237.641C579.407 237.641 579.806 237.513 580.082 237.258C580.363 237.003 580.506 236.628 580.511 236.133C580.511 235.852 580.506 235.625 580.496 235.453L580.457 234.93L581.511 234.805L581.628 236.336C581.665 236.758 581.798 237.081 582.027 237.305C582.256 237.523 582.576 237.633 582.988 237.633C583.42 237.633 583.743 237.49 583.957 237.203C584.17 236.917 584.274 236.503 584.269 235.961C584.269 235.732 584.256 235.479 584.23 235.203L584.199 234.836L585.253 234.648L585.371 235.844C585.423 236.427 585.579 236.872 585.839 237.18C586.105 237.487 586.47 237.641 586.933 237.641H587.058C587.095 237.714 587.113 237.888 587.113 238.164V238.312C587.113 238.609 587.092 238.799 587.05 238.883H586.949C585.964 238.883 585.352 238.539 585.113 237.852L585.019 237.586L584.894 237.836C584.545 238.534 583.923 238.883 583.027 238.883ZM587.55 238.883H586.957C586.785 238.883 586.66 238.839 586.582 238.75C586.503 238.661 586.464 238.516 586.464 238.312V238.164C586.464 237.977 586.503 237.844 586.582 237.766C586.66 237.682 586.785 237.641 586.957 237.641H587.55C588.384 237.641 588.957 237.552 589.269 237.375C589.753 237.094 589.996 236.581 589.996 235.836C589.996 235.539 589.972 235.224 589.925 234.891C589.884 234.557 589.819 234.211 589.73 233.852L590.816 233.586C590.931 233.971 591.016 234.349 591.074 234.719C591.131 235.089 591.16 235.453 591.16 235.812C591.16 236.958 590.832 237.779 590.175 238.273C589.628 238.68 588.753 238.883 587.55 238.883ZM589.472 241.555L590.519 240.508L591.566 241.562L590.527 242.609L589.472 241.555ZM586.933 241.555L587.972 240.508L589.027 241.562L587.98 242.609L586.933 241.555ZM597.73 234.992C598.183 236.055 598.41 237.042 598.41 237.953C598.41 239.422 597.97 240.581 597.089 241.43C596.214 242.284 594.891 242.836 593.121 243.086L592.839 241.984C594.292 241.776 595.389 241.341 596.128 240.68C596.868 240.023 597.238 239.146 597.238 238.047C597.238 237.635 597.183 237.208 597.074 236.766C596.97 236.318 596.811 235.857 596.597 235.383L597.73 234.992Z" + /> + d="M469.577 238.312C469.582 238.771 469.53 239 469.421 239H469.257C467.205 239 466.179 237.859 466.179 235.578V227.531H467.585V235.562C467.585 236.87 468.15 237.523 469.28 237.523H469.421C469.525 237.523 469.577 237.737 469.577 238.164V238.312ZM470.116 239H469.319C468.913 239 468.71 238.771 468.71 238.312V238.164C468.71 237.737 468.913 237.523 469.319 237.523H471.39H471.78C471.551 237.362 471.374 237.211 471.249 237.07C470.832 236.586 470.627 236.031 470.632 235.406C470.632 234.781 470.861 234.206 471.319 233.68C471.861 233.049 472.554 232.734 473.397 232.734C474.205 232.734 474.897 233.008 475.476 233.555C475.929 233.977 476.158 234.477 476.163 235.055C476.163 236.039 475.7 236.815 474.772 237.383C475.611 237.503 476.205 237.562 476.554 237.562C476.908 237.562 477.181 237.526 477.374 237.453C477.843 237.271 478.077 236.859 478.077 236.219C478.077 235.703 477.814 235.148 477.288 234.555C476.335 233.466 475.111 232.622 473.616 232.023L474.312 230.75C477.78 232.651 479.502 234.477 479.476 236.227C479.465 236.997 479.231 237.635 478.772 238.141C478.262 238.708 477.444 238.992 476.319 238.992C475.559 238.997 474.588 238.812 473.405 238.438C472.14 238.812 471.043 239 470.116 239ZM474.226 236.406C474.642 236.026 474.848 235.609 474.843 235.156C474.838 234.901 474.741 234.669 474.554 234.461C474.272 234.154 473.91 234 473.468 234C472.947 234 472.546 234.227 472.265 234.68C472.124 234.898 472.051 235.151 472.046 235.438C472.046 235.854 472.213 236.211 472.546 236.508C472.692 236.638 472.851 236.742 473.022 236.82C473.147 236.883 473.278 236.93 473.413 236.961C473.491 236.93 473.569 236.891 473.647 236.844C473.83 236.729 474.022 236.583 474.226 236.406ZM498.983 226.344L492.702 228.906V227.906L498.983 225.336V226.344ZM491.374 239C487.405 239 485.421 237.734 485.421 235.203C485.421 234.5 485.564 233.831 485.851 233.195L487.108 233.734C486.937 234.177 486.851 234.602 486.851 235.008C486.861 236.685 488.369 237.523 491.374 237.523H492.796C495.051 237.523 496.181 237.039 496.187 236.07C496.187 235.56 495.916 235.052 495.374 234.547C494.546 233.776 493.835 233.159 493.241 232.695C492.647 232.232 492.351 231.719 492.351 231.156C492.351 230.828 492.447 230.536 492.64 230.281C492.838 230.026 493.106 229.831 493.444 229.695L499.015 227.484V229.008L493.64 231.109L493.601 231.117C494.965 232.258 495.963 233.167 496.593 233.844C497.009 234.297 497.345 234.883 497.601 235.602C498.059 236.883 498.809 237.523 499.851 237.523H499.976C500.08 237.523 500.132 237.737 500.132 238.164V238.312C500.132 238.771 500.08 239 499.976 239H499.851C498.772 239 497.89 238.539 497.202 237.617C496.608 238.539 495.14 239 492.796 239H491.374ZM500.452 239H499.858C499.452 239 499.249 238.771 499.249 238.312V238.164C499.249 237.737 499.452 237.523 499.858 237.523H500.452C501.265 237.523 501.819 237.44 502.116 237.273C502.559 237.013 502.78 236.534 502.78 235.836C502.78 235.216 502.684 234.526 502.491 233.766L503.796 233.445C504.051 234.258 504.179 235.047 504.179 235.812C504.179 237 503.835 237.852 503.147 238.367C502.58 238.789 501.681 239 500.452 239ZM501.312 230.984L502.452 229.844L503.593 230.992L502.46 232.125L501.312 230.984ZM508.569 234.844C509.059 235.958 509.304 236.995 509.304 237.953C509.304 240.974 507.47 242.729 503.804 243.219L503.476 241.891C506.424 241.49 507.897 240.208 507.897 238.047C507.897 237.208 507.668 236.297 507.21 235.312L508.569 234.844ZM506.272 231.844L507.444 230.672L508.632 231.852L507.452 233.031L506.272 231.844Z" + /> + d="M392.972 239.557C392.972 239.255 392.769 239.104 392.363 239.104L391.472 239.096C390.373 239.09 389.85 238.627 389.902 237.705C389.964 236.705 390.282 235.817 390.855 235.041C391.589 234.041 392.649 233.523 394.035 233.486V234.994C392.404 235.182 391.49 236.038 391.292 237.564L391.285 237.643H392.417C393.683 237.637 394.313 238.239 394.308 239.447C394.308 240.093 394.126 240.671 393.761 241.182C393.058 242.171 391.964 242.796 390.48 243.057C389.944 243.15 389.358 243.197 388.722 243.197C385.571 243.197 383.996 241.804 383.996 239.018C383.996 237.846 384.358 236.442 385.082 234.807L386.355 235.314C385.714 236.768 385.394 237.994 385.394 238.994C385.394 240.833 386.493 241.757 388.691 241.768C389.321 241.768 389.886 241.718 390.386 241.619C391.303 241.442 392.009 241.098 392.503 240.588C392.811 240.275 392.967 239.932 392.972 239.557ZM396.386 227.689H397.785V239.15H396.386V227.689ZM402.855 235.002L403.378 236.713C403.576 237.359 404.071 237.682 404.863 237.682H405.082C405.186 237.682 405.238 237.882 405.238 238.283V238.471C405.238 238.929 405.186 239.158 405.082 239.158H404.949C404.235 239.158 403.774 239.02 403.566 238.744C403.332 241.38 401.509 242.924 398.097 243.377L397.769 242.049C400.722 241.648 402.196 240.364 402.191 238.197C402.191 237.369 401.959 236.46 401.496 235.471L402.855 235.002ZM405.542 239.158H404.949C404.542 239.158 404.339 238.929 404.339 238.471V238.322C404.339 237.895 404.542 237.682 404.949 237.682H405.542C406.355 237.682 406.91 237.598 407.207 237.432C407.649 237.171 407.871 236.692 407.871 235.994C407.871 235.374 407.774 234.684 407.582 233.924L408.886 233.604C409.141 234.416 409.269 235.205 409.269 235.971C409.269 237.158 408.925 238.01 408.238 238.525C407.67 238.947 406.772 239.158 405.542 239.158ZM405.957 241.713L407.097 240.572L408.238 241.721L407.105 242.854L405.957 241.713Z" + /> + d="M312.748 235.986C312.748 234.471 314.125 233.291 316.88 232.447L316.81 232.088L318.083 231.83L318.724 236.416C318.844 237.26 319.328 237.682 320.177 237.682H320.333C320.438 237.682 320.49 237.882 320.49 238.283V238.471C320.49 238.929 320.438 239.158 320.333 239.158H320.146C318.719 239.158 317.878 238.567 317.623 237.385C316.998 237.932 316.271 238.205 315.443 238.205C314.281 238.205 313.472 237.825 313.013 237.064C312.836 236.768 312.748 236.408 312.748 235.986ZM317.044 233.752C315.107 234.45 314.138 235.163 314.138 235.893C314.138 236.528 314.557 236.846 315.396 236.846C315.849 236.846 316.276 236.723 316.677 236.479C317.177 236.171 317.375 235.676 317.271 234.994L317.107 233.955L317.068 233.736L317.044 233.752ZM321.404 237.682C323.659 237.682 324.789 237.197 324.794 236.229C324.794 235.718 324.524 235.21 323.982 234.705C323.154 233.934 322.443 233.317 321.849 232.854C321.255 232.39 320.958 231.877 320.958 231.314C320.958 230.986 321.055 230.695 321.248 230.439C321.445 230.184 321.714 229.989 322.052 229.854L327.623 227.643V229.166L322.248 231.268L322.216 231.275C323.576 232.416 324.57 233.325 325.201 234.002C325.878 234.736 326.208 235.544 326.193 236.424C326.162 238.247 324.568 239.158 321.412 239.158H320.216C319.81 239.158 319.607 238.929 319.607 238.471V238.322C319.607 237.895 319.81 237.682 320.216 237.682H321.404Z" + /> + d="M244.188 235.986C244.188 234.471 245.566 233.291 248.321 232.447L248.251 232.088L249.524 231.83L250.165 236.416C250.285 237.26 250.769 237.682 251.618 237.682H251.774C251.878 237.682 251.93 237.882 251.93 238.283V238.471C251.93 238.929 251.878 239.158 251.774 239.158H251.587C250.16 239.158 249.318 238.567 249.063 237.385C248.438 237.932 247.712 238.205 246.884 238.205C245.722 238.205 244.912 237.825 244.454 237.064C244.277 236.768 244.188 236.408 244.188 235.986ZM248.485 233.752C246.548 234.45 245.579 235.163 245.579 235.893C245.579 236.528 245.998 236.846 246.837 236.846C247.29 236.846 247.717 236.723 248.118 236.479C248.618 236.171 248.816 235.676 248.712 234.994L248.548 233.955L248.509 233.736L248.485 233.752ZM252.251 239.158H251.657C251.251 239.158 251.048 238.929 251.048 238.471V238.322C251.048 237.895 251.251 237.682 251.657 237.682H252.251C253.063 237.682 253.618 237.598 253.915 237.432C254.358 237.171 254.579 236.692 254.579 235.994C254.579 235.374 254.483 234.684 254.29 233.924L255.594 233.604C255.85 234.416 255.977 235.205 255.977 235.971C255.977 237.158 255.634 238.01 254.946 238.525C254.378 238.947 253.48 239.158 252.251 239.158ZM252.665 241.713L253.805 240.572L254.946 241.721L253.813 242.854L252.665 241.713Z" + /> + d="M164.498 227.689H165.896V239.15H164.498V227.689ZM170.131 239.15C169.433 239.15 168.688 239.075 167.896 238.924V237.447C168.625 237.598 169.383 237.674 170.17 237.674C171.914 237.674 172.787 237.312 172.787 236.588C172.787 236.244 172.55 235.518 172.076 234.408L171.037 231.979L172.326 231.385L173.92 235.314C174.555 236.893 175.17 237.682 175.763 237.682H175.92C176.024 237.682 176.076 237.895 176.076 238.322V238.471C176.076 238.632 176.068 238.762 176.052 238.861C176.037 238.965 176.019 239.041 175.998 239.088C175.972 239.135 175.946 239.158 175.92 239.158H175.763C175.06 239.158 174.42 238.702 173.842 237.791C173.102 238.697 171.865 239.15 170.131 239.15ZM181.396 237.682H182.599C184.105 237.682 185.245 237.518 186.021 237.189C186.782 236.84 187.162 236.322 187.162 235.635C187.162 235.301 187.071 235.015 186.888 234.775C186.581 234.374 186.149 234.171 185.592 234.166C184.279 234.171 182.881 235.343 181.396 237.682ZM178.584 238.025C178.032 238.781 177.151 239.158 175.943 239.158H175.81C175.404 239.158 175.201 238.929 175.201 238.471V238.322C175.201 237.895 175.407 237.682 175.818 237.682H175.943C177.115 237.682 177.758 237.351 177.873 236.689C177.904 236.492 177.92 236.262 177.92 236.002C177.92 235.872 177.912 235.689 177.896 235.455L177.857 234.822L179.138 234.666L179.279 236.322C179.336 236.984 179.545 237.361 179.904 237.455C181.789 234.262 183.677 232.669 185.568 232.674C186.667 232.674 187.503 233.085 188.076 233.908C188.42 234.403 188.589 234.947 188.584 235.541C188.584 235.822 188.547 236.122 188.474 236.439C188.058 238.252 186.084 239.158 182.552 239.158H182.154C180.227 239.158 179.037 238.781 178.584 238.025Z" + /> + d="M57.606 239.15C56.908 239.15 56.1632 239.075 55.3716 238.924V237.447C56.1007 237.598 56.8586 237.674 57.645 237.674C59.3898 237.674 60.2622 237.312 60.2622 236.588C60.2622 236.244 60.0252 235.518 59.5513 234.408L58.5122 231.979L59.8013 231.385L61.395 235.314C62.0304 236.893 62.645 237.682 63.2388 237.682H63.395C63.4992 237.682 63.5513 237.895 63.5513 238.322V238.471C63.5513 238.632 63.5435 238.762 63.5278 238.861C63.5122 238.965 63.494 239.041 63.4731 239.088C63.4471 239.135 63.4211 239.158 63.395 239.158H63.2388C62.5356 239.158 61.895 238.702 61.3169 237.791C60.5773 238.697 59.3403 239.15 57.606 239.15ZM63.8794 239.158H63.2856C62.8794 239.158 62.6763 238.929 62.6763 238.471V238.322C62.6763 237.895 62.8794 237.682 63.2856 237.682H63.8794C64.6919 237.682 65.2466 237.598 65.5435 237.432C65.9862 237.171 66.2075 236.692 66.2075 235.994C66.2075 235.374 66.1112 234.684 65.9185 233.924L67.2231 233.604C67.4784 234.416 67.606 235.205 67.606 235.971C67.606 237.158 67.2622 238.01 66.5747 238.525C66.007 238.947 65.1086 239.158 63.8794 239.158ZM65.7075 241.713L66.8481 240.572L67.9888 241.721L66.856 242.854L65.7075 241.713ZM63.1685 241.713L64.3013 240.572L65.4497 241.721L64.3091 242.854L63.1685 241.713ZM70.5747 228.846H71.9731V239.15H70.5747V228.846ZM70.645 227.291C70.0669 227.213 69.5382 227.458 69.0591 228.025L68.27 227.197C68.8846 226.312 69.6346 225.939 70.52 226.08L71.6841 226.268C72.1893 226.351 72.7596 226.231 73.395 225.908L73.9106 226.979C73.2388 227.395 72.5174 227.551 71.7466 227.447L70.645 227.291ZM85.9575 237.682C86.0669 237.682 86.1216 237.895 86.1216 238.322V238.471C86.1216 238.929 86.0669 239.158 85.9575 239.158H84.8481H84.6528C84.9549 239.387 85.1034 239.684 85.0981 240.049C85.0981 240.257 85.0487 240.492 84.9497 240.752C84.7466 241.273 84.3299 241.736 83.6997 242.143C82.533 242.887 81.1346 243.26 79.5044 243.26C76.369 243.26 74.8065 241.9 74.8169 239.182C74.8169 238.041 75.0799 236.906 75.606 235.775L76.8794 236.283C76.4367 237.403 76.2153 238.356 76.2153 239.143C76.2153 240.924 77.3534 241.82 79.6294 241.83C80.6659 241.83 81.5565 241.663 82.3013 241.33C82.9002 241.059 83.3273 240.731 83.5825 240.346C83.7023 240.163 83.7622 239.989 83.7622 239.822C83.7622 239.374 83.4185 239.15 82.731 239.15H81.6919C81.3898 239.119 81.1841 238.874 81.0747 238.416C81.0226 238.197 80.9966 238.025 80.9966 237.9C80.9966 237.775 81.0252 237.702 81.0825 237.682H85.9575ZM90.856 237.9C91.5851 237.9 91.9497 237.544 91.9497 236.83C91.9497 236.492 91.8976 236.2 91.7935 235.955C91.5435 235.387 91.1268 235.104 90.5435 235.104C89.8247 235.104 89.2752 235.643 88.895 236.721C89.5773 237.507 90.231 237.9 90.856 237.9ZM88.2153 238.041C87.5747 238.786 86.8455 239.158 86.0278 239.158H85.8638C85.4627 239.158 85.2622 238.929 85.2622 238.471V238.322C85.2622 237.895 85.4627 237.682 85.8638 237.682H85.9888C86.4159 237.682 86.8325 237.439 87.2388 236.955C87.4159 236.736 87.6138 236.382 87.8325 235.893C88.5148 234.377 89.408 233.619 90.5122 233.619C91.3716 233.619 92.0487 233.929 92.5435 234.549C93.0382 235.163 93.2856 235.885 93.2856 236.713C93.2856 237.541 93.1112 238.161 92.7622 238.572C92.3299 239.077 91.731 239.33 90.9653 239.33C89.9549 239.33 89.0382 238.9 88.2153 238.041ZM97.731 235.002C98.2205 236.117 98.4653 237.153 98.4653 238.111C98.4653 241.132 96.632 242.887 92.9653 243.377L92.6372 242.049C95.5851 241.648 97.0591 240.367 97.0591 238.205C97.0591 237.367 96.8299 236.455 96.3716 235.471L97.731 235.002ZM100.004 237.479C100.635 237.609 101.262 237.674 101.887 237.674C103.814 237.674 104.778 237.215 104.778 236.299C104.778 235.21 103.697 233.986 101.536 232.627L102.317 231.439C104.926 233.007 106.231 234.619 106.231 236.275C106.231 238.182 104.817 239.137 101.989 239.143C101.223 239.143 100.562 239.08 100.004 238.955V237.479Z" + /> + d="M3.41706 238.064C3.41706 237.773 3.51863 237.523 3.72175 237.314C3.93008 237.106 4.18008 237.002 4.47175 237.002C4.76342 237.002 5.01081 237.106 5.21394 237.314C5.42227 237.523 5.52644 237.773 5.52644 238.064C5.52644 238.351 5.42227 238.598 5.21394 238.807C5.01081 239.015 4.76342 239.119 4.47175 239.119C4.21654 239.119 3.99519 239.038 3.80769 238.877C3.66706 238.762 3.5629 238.624 3.49519 238.463C3.4431 238.343 3.41706 238.21 3.41706 238.064ZM3.68269 235.283C3.65144 234.924 3.20352 234.322 2.33894 233.479C1.40665 232.572 0.950917 231.64 0.97175 230.682C0.987375 229.911 1.21394 229.275 1.65144 228.775C2.28165 228.067 3.10717 227.713 4.128 227.713C6.03946 227.723 6.99519 228.736 6.99519 230.752C6.99519 230.752 6.99519 230.778 6.99519 230.83H5.74519V230.76C5.74519 229.739 5.22956 229.229 4.19831 229.229C3.58373 229.229 3.1306 229.403 2.83894 229.752C2.60977 230.028 2.49519 230.38 2.49519 230.807C2.48998 231.38 2.85456 232.046 3.58894 232.807C4.6879 233.963 5.24779 234.788 5.26863 235.283H3.68269Z" + /> + d="M580.557 213.123C551.693 156.394 468.951 29.6846 331.278 29.6846C193.606 29.6846 107.569 157.385 82 213.123" + /> + d="M485.307 211.81C462.016 174.231 395.248 90.2939 284.154 90.2939C173.06 90.2939 103.633 174.887 83 211.81" + /> + d="M397.055 212.433C378.873 192.391 326.752 147.624 240.028 147.624C153.304 147.624 99.1065 192.741 83 212.433" + /> + d="M320.312 212.123C324.752 207.305 337.479 196.544 358.656 196.544C379.833 196.544 393.067 207.389 397 212.123" + /> + d="M250.983 212.432C241.258 202.797 213.379 181.274 166.992 181.274C120.604 181.274 91.6151 202.965 83 212.432" + /> + d="M174.312 212.123C178.752 207.305 191.479 196.544 212.656 196.544C233.833 196.544 247.067 207.389 251 212.123" + /> + d="M5.54861 212.121C9.98847 207.303 22.7158 196.542 43.8926 196.542C65.0694 196.542 78.3036 207.387 82.2366 212.121" + /> + d="M335.124 24.2998V34.2704L327.82 29.2851L335.124 24.2998Z" + /> + d="M281.564 85.3096V95.2801L288.868 90.2949L281.564 85.3096Z" + /> + d="M236.525 142.639V152.609L243.829 147.624L236.525 142.639Z" + /> + d="M360.687 191.559V201.529L353.383 196.544L360.687 191.559Z" + /> + d="M163.489 176.289V186.26L170.793 181.274L163.489 176.289Z" + /> + d="M214.614 191.559V201.529L207.311 196.544L214.614 191.559Z" + /> + d="M46.6313 191.87V201.841L39.3277 196.855L46.6313 191.87Z" + /> + d="M301.237 13.2246C301.237 11.9486 302.418 10.9482 304.778 10.2236L304.867 10.1963L304.854 10.1074L304.812 9.89551L305.715 9.7041L306.262 13.6143C306.298 13.874 306.373 14.0928 306.487 14.2705C306.606 14.4482 306.761 14.5827 306.952 14.6738C307.144 14.765 307.371 14.8105 307.636 14.8105H307.752C307.788 14.8698 307.807 15.0111 307.807 15.2344V15.3984C307.807 15.526 307.8 15.6354 307.786 15.7266C307.777 15.8132 307.766 15.8701 307.752 15.8975H307.608C307.002 15.8975 306.526 15.7767 306.18 15.5352C305.833 15.2891 305.605 14.9199 305.496 14.4277L305.462 14.2568L305.332 14.373C305.068 14.6055 304.783 14.7786 304.478 14.8926C304.172 15.0065 303.844 15.0635 303.493 15.0635C302.513 15.0635 301.834 14.7467 301.456 14.1133C301.31 13.8717 301.237 13.5755 301.237 13.2246ZM304.86 11.167C303.994 11.4814 303.343 11.8005 302.905 12.124C302.468 12.4476 302.249 12.7871 302.249 13.1426C302.249 13.4525 302.352 13.6872 302.557 13.8467C302.766 14.0016 303.065 14.0791 303.452 14.0791C303.657 14.0791 303.858 14.0518 304.054 13.9971C304.254 13.9378 304.446 13.8535 304.628 13.7441C305.102 13.4525 305.289 12.9854 305.188 12.3428L305.052 11.4336L305.018 11.2422L305.004 11.1191L304.881 11.1602L304.86 11.167ZM308.019 15.8975H307.677C307.526 15.8975 307.417 15.8587 307.349 15.7812C307.28 15.7038 307.246 15.5762 307.246 15.3984V15.2686C307.246 15.1045 307.28 14.9883 307.349 14.9199C307.417 14.847 307.526 14.8105 307.677 14.8105H308.032C309.313 14.8105 309.953 14.307 309.953 13.2998V6.06738H310.972V13.2998C310.972 13.7965 311.111 14.1725 311.389 14.4277C311.671 14.6829 312.081 14.8105 312.619 14.8105H312.729C312.774 14.8607 312.797 15.0133 312.797 15.2686V15.3984C312.797 15.6673 312.774 15.8337 312.729 15.8975H312.633C311.639 15.8975 310.924 15.5898 310.486 14.9746L310.404 14.8516L310.322 14.9746C309.898 15.5898 309.131 15.8975 308.019 15.8975ZM317.021 15.002C317.372 15.0065 317.641 14.9176 317.828 14.7354C318.015 14.5531 318.104 14.291 318.095 13.9492C318.095 13.8079 318.079 13.6712 318.047 13.5391C318.02 13.4069 317.979 13.2793 317.924 13.1562C317.869 13.0241 317.801 12.9079 317.719 12.8076C317.641 12.7074 317.552 12.6253 317.452 12.5615C317.352 12.4932 317.24 12.4408 317.117 12.4043C316.999 12.3678 316.869 12.3496 316.728 12.3496C316.062 12.3405 315.552 12.835 315.196 13.833L315.176 13.8877L315.217 13.9355C315.827 14.6419 316.429 14.9974 317.021 15.002ZM317.097 16.0479C316.285 16.0479 315.513 15.6833 314.779 14.9541L314.697 14.8721L314.629 14.9541C314.087 15.583 313.474 15.8975 312.79 15.8975H312.646C312.501 15.8975 312.394 15.8587 312.325 15.7812C312.257 15.7038 312.223 15.5762 312.223 15.3984V15.2686C312.223 15.1045 312.257 14.9883 312.325 14.9199C312.389 14.847 312.496 14.8105 312.646 14.8105H312.756C313.216 14.8105 313.61 14.5827 313.938 14.127C314.107 13.8991 314.28 13.5824 314.458 13.1768C315.037 11.9007 315.789 11.2604 316.714 11.2559C316.892 11.2559 317.058 11.2718 317.213 11.3037C317.372 11.3356 317.521 11.3857 317.657 11.4541C317.799 11.5179 317.928 11.5977 318.047 11.6934C318.17 11.7891 318.282 11.9007 318.382 12.0283C318.532 12.2197 318.658 12.4339 318.758 12.6709C318.863 12.9079 318.947 13.1676 319.011 13.4502C319.202 14.3571 319.594 14.8105 320.187 14.8105H320.275C320.307 14.8743 320.323 15.027 320.323 15.2686V15.3984C320.323 15.485 320.321 15.5648 320.316 15.6377C320.312 15.7106 320.305 15.7676 320.296 15.8086C320.287 15.8496 320.278 15.8792 320.269 15.8975H320.18C319.688 15.8975 319.286 15.6582 318.977 15.1797L318.895 15.0498L318.806 15.1797C318.683 15.3757 318.537 15.5374 318.368 15.665C318.204 15.7926 318.015 15.8883 317.801 15.9521C317.591 16.016 317.356 16.0479 317.097 16.0479ZM324.37 18.2354L325.286 17.3193L326.209 18.2422L325.293 19.1582L324.37 18.2354ZM320.187 15.8975C320.036 15.8975 319.927 15.8587 319.858 15.7812C319.79 15.7038 319.756 15.5762 319.756 15.3984V15.2686C319.756 15.1045 319.79 14.9883 319.858 14.9199C319.927 14.847 320.036 14.8105 320.187 14.8105H320.597C322.164 14.8105 324.04 14.2454 326.223 13.1152L326.729 12.8555L326.961 12.7393L326.708 12.6709C326.653 12.6527 326.501 12.5957 326.25 12.5C325.999 12.3997 325.662 12.2653 325.238 12.0967C324.783 11.9144 324.402 11.7777 324.097 11.6865C323.796 11.5954 323.557 11.5498 323.379 11.5498C323.197 11.5498 323.023 11.5771 322.859 11.6318C322.7 11.682 322.549 11.7572 322.408 11.8574C322.267 11.9577 322.139 12.083 322.025 12.2334L321.882 12.4111L321.007 11.9805L321.062 11.8848C321.631 10.946 322.406 10.4743 323.386 10.4697C323.951 10.4697 324.628 10.6611 325.416 11.0439C326.792 11.7184 327.875 12.083 328.663 12.1377L328.649 13.1836C328.554 13.1973 328.447 13.2201 328.328 13.252C328.214 13.2793 328.089 13.318 327.952 13.3682C327.815 13.4183 327.67 13.4753 327.515 13.5391C327.36 13.6029 327.191 13.6781 327.009 13.7646C326.831 13.8467 326.642 13.9378 326.441 14.0381C326.241 14.1383 326.029 14.2477 325.806 14.3662C323.864 15.387 322.101 15.8975 320.515 15.8975H320.187ZM334.063 13.2246C334.063 11.9486 335.244 10.9482 337.604 10.2236L337.693 10.1963L337.68 10.1074L337.639 9.89551L338.541 9.7041L339.088 13.6143C339.124 13.874 339.2 14.0928 339.313 14.2705C339.432 14.4482 339.587 14.5827 339.778 14.6738C339.97 14.765 340.198 14.8105 340.462 14.8105H340.578C340.615 14.8698 340.633 15.0111 340.633 15.2344V15.3984C340.633 15.526 340.626 15.6354 340.612 15.7266C340.603 15.8132 340.592 15.8701 340.578 15.8975H340.435C339.828 15.8975 339.352 15.7767 339.006 15.5352C338.66 15.2891 338.432 14.9199 338.322 14.4277L338.288 14.2568L338.158 14.373C337.894 14.6055 337.609 14.7786 337.304 14.8926C336.998 15.0065 336.67 15.0635 336.319 15.0635C335.34 15.0635 334.66 14.7467 334.282 14.1133C334.136 13.8717 334.063 13.5755 334.063 13.2246ZM337.687 11.167C336.821 11.4814 336.169 11.8005 335.731 12.124C335.294 12.4476 335.075 12.7871 335.075 13.1426C335.075 13.4525 335.178 13.6872 335.383 13.8467C335.592 14.0016 335.891 14.0791 336.278 14.0791C336.483 14.0791 336.684 14.0518 336.88 13.9971C337.08 13.9378 337.272 13.8535 337.454 13.7441C337.928 13.4525 338.115 12.9854 338.015 12.3428L337.878 11.4336L337.844 11.2422L337.83 11.1191L337.707 11.1602L337.687 11.167ZM345.493 7.87207L346.389 6.97656L347.291 7.87891L346.396 8.76758L345.493 7.87207ZM346.621 9.7041L347.517 8.81543L348.412 9.71094L347.523 10.6064L346.621 9.7041ZM344.399 9.7041L345.288 8.81543L346.19 9.71094L345.295 10.6064L344.399 9.7041ZM348.398 15.8975C347.628 15.8975 347.095 15.5944 346.799 14.9883L346.724 14.8379L346.621 14.9746C346.188 15.5898 345.568 15.8975 344.762 15.8975C343.832 15.8975 343.24 15.5967 342.984 14.9951L342.902 14.8037L342.8 14.9883C342.453 15.5944 341.747 15.8975 340.681 15.8975H340.503C340.353 15.8975 340.243 15.8587 340.175 15.7812C340.106 15.7038 340.072 15.5762 340.072 15.3984V15.2686C340.072 15.1045 340.106 14.9883 340.175 14.9199C340.243 14.847 340.353 14.8105 340.503 14.8105H340.694C341.259 14.8105 341.69 14.6943 341.986 14.4619C342.287 14.2249 342.44 13.874 342.444 13.4092C342.444 13.3454 342.442 13.2839 342.438 13.2246C342.438 13.1654 342.438 13.1084 342.438 13.0537C342.438 12.999 342.435 12.9466 342.431 12.8965C342.426 12.8464 342.422 12.7985 342.417 12.7529L342.39 12.4385L343.312 12.3291L343.415 13.6689C343.442 14.0426 343.572 14.3275 343.805 14.5234C344.037 14.7148 344.361 14.8105 344.775 14.8105C345.231 14.8105 345.58 14.6989 345.821 14.4756C346.067 14.2523 346.193 13.9242 346.197 13.4912C346.197 13.2451 346.193 13.0469 346.184 12.8965L346.149 12.4385L347.072 12.3291L347.175 13.6689C347.207 14.0381 347.323 14.3206 347.523 14.5166C347.724 14.708 348.004 14.8037 348.364 14.8037C348.743 14.8037 349.025 14.6784 349.212 14.4277C349.399 14.1771 349.49 13.8148 349.485 13.3408C349.485 13.1403 349.474 12.9193 349.451 12.6777L349.424 12.3564L350.347 12.1924L350.449 13.2383C350.495 13.7487 350.632 14.1383 350.859 14.4072C351.092 14.6761 351.411 14.8105 351.816 14.8105H351.926C351.958 14.8743 351.974 15.027 351.974 15.2686V15.3984C351.974 15.6582 351.955 15.8245 351.919 15.8975H351.83C350.969 15.8975 350.433 15.5967 350.224 14.9951L350.142 14.7627L350.032 14.9814C349.727 15.5921 349.182 15.8975 348.398 15.8975ZM352.356 15.8975H351.837C351.687 15.8975 351.577 15.8587 351.509 15.7812C351.44 15.7038 351.406 15.5762 351.406 15.3984V15.2686C351.406 15.1045 351.44 14.9883 351.509 14.9199C351.577 14.847 351.687 14.8105 351.837 14.8105H352.356C353.086 14.8105 353.587 14.7331 353.86 14.5781C354.284 14.332 354.496 13.8831 354.496 13.2314C354.496 12.9717 354.476 12.696 354.435 12.4043C354.398 12.1126 354.341 11.8096 354.264 11.4951L355.214 11.2627C355.314 11.5999 355.389 11.9303 355.439 12.2539C355.49 12.5775 355.515 12.8965 355.515 13.2109C355.515 14.2135 355.228 14.9313 354.653 15.3643C354.175 15.7197 353.409 15.8975 352.356 15.8975ZM354.038 18.2354L354.954 17.3193L355.87 18.2422L354.961 19.1582L354.038 18.2354ZM351.816 18.2354L352.726 17.3193L353.648 18.2422L352.732 19.1582L351.816 18.2354ZM361.264 12.4932C361.66 13.4229 361.858 14.2865 361.858 15.084C361.858 16.3691 361.473 17.3831 360.703 18.126C359.938 18.8734 358.78 19.3564 357.23 19.5752L356.984 18.6113C358.256 18.429 359.215 18.0485 359.862 17.4697C360.509 16.8955 360.833 16.1276 360.833 15.166C360.833 14.806 360.785 14.4323 360.689 14.0449C360.598 13.653 360.459 13.2497 360.272 12.835L361.264 12.4932Z" + /> + d="M277.82 75.9453L277.834 66.7031H278.846L278.839 73.9014C278.839 74.234 278.903 74.5166 279.03 74.749C279.158 74.9769 279.345 75.1501 279.591 75.2686C279.837 75.3825 280.14 75.4395 280.5 75.4395H280.616C280.653 75.4987 280.671 75.64 280.671 75.8633V76.0273C280.671 76.2871 280.653 76.4535 280.616 76.5264H280.466C279.787 76.5264 279.288 76.3646 278.969 76.041L278.798 75.877L278.791 76.1094C278.786 76.2142 278.782 76.319 278.777 76.4238C278.714 77.668 278.351 78.5954 277.69 79.2061C277.034 79.8213 276.07 80.1289 274.799 80.1289C273.5 80.1289 272.532 79.8167 271.894 79.1924C271.26 78.5726 270.946 77.6338 270.95 76.376C270.95 75.9111 270.996 75.4531 271.087 75.002C271.132 74.7832 271.187 74.5667 271.251 74.3525C271.319 74.1338 271.395 73.9196 271.477 73.71L272.399 74.0791C272.112 74.8402 271.969 75.6035 271.969 76.3691C271.969 77.2624 272.208 77.9368 272.687 78.3926C273.165 78.8483 273.871 79.0762 274.806 79.0762C275.799 79.0762 276.549 78.8118 277.055 78.2832C277.561 77.7591 277.816 76.9798 277.82 75.9453ZM286.44 72.4727C285.889 72.0443 285.342 71.8301 284.8 71.8301C284.645 71.8301 284.499 71.8415 284.362 71.8643C284.23 71.8825 284.103 71.9144 283.979 71.96C283.856 72.001 283.74 72.0557 283.631 72.124C283.526 72.1878 283.43 72.263 283.344 72.3496C283.171 72.5182 283.041 72.7074 282.954 72.917C282.909 73.0218 282.874 73.1312 282.852 73.2451C282.833 73.359 282.824 73.4798 282.824 73.6074C282.824 74.2546 283.2 74.7559 283.952 75.1113C283.961 75.1159 283.982 75.1273 284.014 75.1455C284.05 75.1637 284.071 75.1729 284.075 75.1729C284.08 75.1729 284.098 75.1774 284.13 75.1865C284.166 75.1956 284.189 75.1934 284.198 75.1797L287.049 74.4893V75.542C284.916 76.1982 282.954 76.5264 281.163 76.5264H280.534C280.384 76.5264 280.274 76.4876 280.206 76.4102C280.138 76.3327 280.104 76.2051 280.104 76.0273V75.8975C280.104 75.7334 280.138 75.6172 280.206 75.5488C280.274 75.4759 280.384 75.4395 280.534 75.4395H282.4H282.448H282.681L282.523 75.2617L282.496 75.2275C282.464 75.2002 282.437 75.1706 282.414 75.1387C282.405 75.1296 282.396 75.1204 282.387 75.1113C282.382 75.1022 282.378 75.0954 282.373 75.0908C282.368 75.0817 282.362 75.0726 282.353 75.0635C282.348 75.0544 282.341 75.0475 282.332 75.043C282.309 75.0111 282.286 74.9792 282.264 74.9473C282.255 74.9336 282.245 74.9222 282.236 74.9131C282.232 74.904 282.225 74.8949 282.216 74.8857C282.211 74.8721 282.204 74.8607 282.195 74.8516C281.954 74.4688 281.835 74.0312 281.84 73.5391C281.844 72.8145 282.04 72.2083 282.428 71.7207C282.496 71.6387 282.569 71.5589 282.646 71.4814C282.729 71.404 282.815 71.3333 282.906 71.2695C282.997 71.2012 283.095 71.1396 283.2 71.085C283.601 70.8662 284.075 70.7591 284.622 70.7637C284.845 70.7637 285.057 70.7842 285.258 70.8252C285.463 70.8617 285.657 70.9163 285.839 70.9893C286.021 71.0622 286.192 71.1533 286.352 71.2627C286.516 71.3675 286.671 71.4906 286.816 71.6318L286.44 72.4727ZM291.868 76.0273C291.868 76.0638 291.866 76.1025 291.861 76.1436C291.861 76.18 291.861 76.2142 291.861 76.2461C291.861 76.2734 291.859 76.3008 291.854 76.3281C291.854 76.3555 291.852 76.3805 291.848 76.4033C291.843 76.4215 291.839 76.4398 291.834 76.458C291.834 76.4717 291.832 76.4854 291.827 76.499C291.823 76.5081 291.818 76.5173 291.813 76.5264H291.69C290.82 76.5264 290.171 76.2894 289.742 75.8154C289.314 75.3369 289.1 74.61 289.1 73.6348V66.6963H290.125V73.6211C290.125 74.2135 290.257 74.6647 290.521 74.9746C290.79 75.2845 291.187 75.4395 291.711 75.4395H291.813C291.827 75.4668 291.839 75.5215 291.848 75.6035C291.861 75.681 291.868 75.779 291.868 75.8975V76.0273ZM294.568 74.1201C293.917 74.1201 293.431 73.9766 293.112 73.6895C292.798 73.4023 292.636 72.9626 292.627 72.3701C292.627 72.2744 292.632 72.181 292.641 72.0898C292.65 71.9987 292.663 71.9098 292.682 71.8232C292.814 71.1214 293.067 70.5586 293.44 70.1348C293.81 69.7201 294.284 69.5127 294.862 69.5127C295.213 69.5127 295.523 69.6016 295.792 69.7793C296.562 70.2715 297.029 71.2422 297.193 72.6914C297.198 72.737 297.202 72.7803 297.207 72.8213C297.212 72.8623 297.214 72.9033 297.214 72.9443C297.218 72.9854 297.221 73.0264 297.221 73.0674C297.225 73.1038 297.228 73.1426 297.228 73.1836C297.232 73.2201 297.234 73.2588 297.234 73.2998C297.239 73.3363 297.241 73.375 297.241 73.416C297.241 73.4525 297.241 73.4889 297.241 73.5254C297.241 74.6556 296.924 75.4577 296.291 75.9316C295.762 76.3281 294.821 76.5264 293.468 76.5264H291.745C291.595 76.5264 291.485 76.4876 291.417 76.4102C291.349 76.3327 291.314 76.2051 291.314 76.0273V75.8975C291.314 75.7334 291.349 75.6172 291.417 75.5488C291.485 75.4759 291.595 75.4395 291.745 75.4395H293.543C295.343 75.4395 296.266 74.9906 296.312 74.0928C296.312 74.0426 296.309 73.9948 296.305 73.9492L296.284 73.8262L296.168 73.8672C295.612 74.0358 295.079 74.1201 294.568 74.1201ZM293.55 72.1855C293.55 72.4772 293.65 72.6982 293.851 72.8486C294.056 72.9945 294.347 73.0674 294.726 73.0674C294.912 73.0674 295.122 73.0469 295.354 73.0059C295.587 72.9648 295.842 72.901 296.12 72.8145L296.209 72.7939L296.195 72.7051C296.132 72.1673 296.013 71.7116 295.84 71.3379C295.721 71.0781 295.576 70.8799 295.402 70.7432C295.234 70.6064 295.038 70.5381 294.814 70.5381C294.258 70.5381 293.864 70.9141 293.632 71.666C293.604 71.7572 293.584 71.846 293.57 71.9326C293.557 72.0192 293.55 72.1035 293.55 72.1855ZM293.604 67.3389L294.521 66.4229L295.443 67.3457L294.527 68.2617L293.604 67.3389Z" + /> + d="M232.828 132.85C232.249 132.85 231.632 132.79 230.976 132.672V131.585C231.582 131.703 232.211 131.763 232.862 131.763C234.457 131.763 235.255 131.412 235.255 130.71C235.255 130.396 235.045 129.746 234.626 128.762L233.758 126.731L234.694 126.301L236.048 129.637C236.33 130.343 236.611 130.876 236.889 131.236C237.171 131.592 237.461 131.77 237.757 131.77H237.873C237.91 131.838 237.928 131.991 237.928 132.228V132.357C237.928 132.494 237.921 132.604 237.907 132.686C237.898 132.763 237.884 132.82 237.866 132.856H237.757C237.178 132.852 236.647 132.469 236.164 131.708L236.089 131.592L236 131.701C235.371 132.467 234.314 132.85 232.828 132.85ZM240.006 135.194L240.922 134.278L241.838 135.201L240.929 136.117L240.006 135.194ZM237.784 135.194L238.693 134.278L239.616 135.201L238.7 136.117L237.784 135.194ZM242.843 132.357C242.843 132.485 242.836 132.594 242.822 132.686C242.813 132.772 242.802 132.829 242.788 132.856H242.74C241.879 132.856 241.289 132.553 240.97 131.947L240.888 131.797L240.792 131.934C240.359 132.549 239.598 132.856 238.509 132.856H237.798C237.652 132.856 237.545 132.818 237.477 132.74C237.408 132.663 237.374 132.535 237.374 132.357V132.228C237.374 132.063 237.408 131.947 237.477 131.879C237.54 131.806 237.647 131.77 237.798 131.77H238.475C239.582 131.77 240.197 131.453 240.32 130.819C240.334 130.76 240.343 130.701 240.348 130.642C240.357 130.578 240.361 130.512 240.361 130.443C240.366 130.375 240.368 130.304 240.368 130.231C240.368 130.159 240.366 130.081 240.361 129.999C240.357 129.912 240.352 129.817 240.348 129.712L240.313 129.254L241.243 129.145L241.339 130.484C241.362 130.762 241.43 130.997 241.544 131.188C241.658 131.38 241.815 131.526 242.016 131.626C242.221 131.722 242.467 131.77 242.754 131.77H242.788C242.825 131.842 242.843 132.016 242.843 132.289V132.357ZM245.536 130.45C244.884 130.45 244.399 130.307 244.08 130.02C243.766 129.732 243.604 129.293 243.595 128.7C243.595 128.604 243.599 128.511 243.608 128.42C243.618 128.329 243.631 128.24 243.649 128.153C243.782 127.451 244.035 126.889 244.408 126.465C244.777 126.05 245.251 125.843 245.83 125.843C246.181 125.843 246.491 125.932 246.76 126.109C247.53 126.602 247.997 127.572 248.161 129.021C248.166 129.067 248.17 129.11 248.175 129.151C248.179 129.192 248.182 129.233 248.182 129.274C248.186 129.315 248.188 129.356 248.188 129.397C248.193 129.434 248.195 129.473 248.195 129.514C248.2 129.55 248.202 129.589 248.202 129.63C248.207 129.666 248.209 129.705 248.209 129.746C248.209 129.783 248.209 129.819 248.209 129.855C248.209 130.986 247.892 131.788 247.259 132.262C246.73 132.658 245.789 132.856 244.436 132.856H242.713C242.562 132.856 242.453 132.818 242.385 132.74C242.316 132.663 242.282 132.535 242.282 132.357V132.228C242.282 132.063 242.316 131.947 242.385 131.879C242.453 131.806 242.562 131.77 242.713 131.77H244.511C246.311 131.77 247.234 131.321 247.279 130.423C247.279 130.373 247.277 130.325 247.272 130.279L247.252 130.156L247.136 130.197C246.58 130.366 246.047 130.45 245.536 130.45ZM244.518 128.516C244.518 128.807 244.618 129.028 244.818 129.179C245.023 129.325 245.315 129.397 245.693 129.397C245.88 129.397 246.09 129.377 246.322 129.336C246.555 129.295 246.81 129.231 247.088 129.145L247.177 129.124L247.163 129.035C247.099 128.497 246.981 128.042 246.808 127.668C246.689 127.408 246.543 127.21 246.37 127.073C246.201 126.937 246.006 126.868 245.782 126.868C245.226 126.868 244.832 127.244 244.6 127.996C244.572 128.087 244.552 128.176 244.538 128.263C244.524 128.349 244.518 128.434 244.518 128.516ZM245.7 123.689L246.616 122.773L247.532 123.696L246.623 124.612L245.7 123.689ZM243.479 123.689L244.388 122.773L245.311 123.696L244.395 124.612L243.479 123.689Z" + /> + d="M325.022 179.916L325.938 179L326.861 179.923L325.945 180.839L325.022 179.916ZM330.313 183.806C330.309 184.407 330.161 185.016 329.869 185.631C329.213 187.003 327.884 187.688 325.884 187.688C323.195 187.688 321.851 186.428 321.851 183.908C321.851 183.015 322.065 182.035 322.493 180.969L323.416 181.345C323.056 182.284 322.876 183.133 322.876 183.895C322.876 184.801 323.133 185.485 323.648 185.945C324.163 186.406 324.924 186.636 325.932 186.636C327.044 186.636 327.882 186.371 328.447 185.843C329.012 185.314 329.295 184.53 329.295 183.491C329.295 182.671 329.101 181.848 328.714 181.023L329.691 180.682L330.156 182.117C330.348 182.705 330.819 182.999 331.571 182.999H331.688C331.701 183.022 331.713 183.072 331.722 183.149C331.731 183.222 331.735 183.313 331.735 183.423V183.587C331.735 183.847 331.717 184.013 331.681 184.086H331.599C331.106 184.086 330.735 183.967 330.484 183.73L330.313 183.566V183.806ZM333.807 186.424L334.723 185.508L335.639 186.431L334.729 187.347L333.807 186.424ZM331.585 186.424L332.494 185.508L333.417 186.431L332.501 187.347L331.585 186.424ZM336.644 183.587C336.644 183.715 336.637 183.824 336.623 183.915C336.614 184.002 336.603 184.059 336.589 184.086H336.541C335.68 184.086 335.09 183.783 334.771 183.177L334.688 183.026L334.593 183.163C334.16 183.778 333.399 184.086 332.31 184.086H331.599C331.453 184.086 331.346 184.047 331.277 183.97C331.209 183.892 331.175 183.765 331.175 183.587V183.457C331.175 183.293 331.209 183.177 331.277 183.108C331.341 183.035 331.448 182.999 331.599 182.999H332.275C333.383 182.999 333.998 182.682 334.121 182.049C334.135 181.99 334.144 181.93 334.148 181.871C334.158 181.807 334.162 181.741 334.162 181.673C334.167 181.604 334.169 181.534 334.169 181.461C334.169 181.388 334.167 181.311 334.162 181.229C334.158 181.142 334.153 181.046 334.148 180.941L334.114 180.483L335.044 180.374L335.14 181.714C335.162 181.992 335.231 182.227 335.345 182.418C335.459 182.609 335.616 182.755 335.816 182.855C336.021 182.951 336.268 182.999 336.555 182.999H336.589C336.625 183.072 336.644 183.245 336.644 183.519V183.587ZM344.409 184.086C343.639 184.086 343.106 183.783 342.81 183.177L342.734 183.026L342.632 183.163C342.199 183.778 341.579 184.086 340.772 184.086C339.843 184.086 339.25 183.785 338.995 183.184L338.913 182.992L338.811 183.177C338.464 183.783 337.758 184.086 336.691 184.086H336.514C336.363 184.086 336.254 184.047 336.186 183.97C336.117 183.892 336.083 183.765 336.083 183.587V183.457C336.083 183.293 336.117 183.177 336.186 183.108C336.254 183.035 336.363 182.999 336.514 182.999H336.705C337.27 182.999 337.701 182.883 337.997 182.65C338.298 182.413 338.451 182.062 338.455 181.598C338.455 181.534 338.453 181.472 338.448 181.413C338.448 181.354 338.448 181.297 338.448 181.242C338.448 181.188 338.446 181.135 338.441 181.085C338.437 181.035 338.432 180.987 338.428 180.941L338.4 180.627L339.323 180.518L339.426 181.857C339.453 182.231 339.583 182.516 339.815 182.712C340.048 182.903 340.371 182.999 340.786 182.999C341.242 182.999 341.59 182.887 341.832 182.664C342.078 182.441 342.203 182.113 342.208 181.68C342.208 181.434 342.203 181.235 342.194 181.085L342.16 180.627L343.083 180.518L343.186 181.857C343.217 182.227 343.334 182.509 343.534 182.705C343.735 182.896 344.015 182.992 344.375 182.992C344.753 182.992 345.036 182.867 345.223 182.616C345.41 182.366 345.501 182.003 345.496 181.529C345.496 181.329 345.485 181.108 345.462 180.866L345.435 180.545L346.357 180.381L346.46 181.427C346.506 181.937 346.642 182.327 346.87 182.596C347.103 182.865 347.422 182.999 347.827 182.999H347.937C347.968 183.063 347.984 183.215 347.984 183.457V183.587C347.984 183.847 347.966 184.013 347.93 184.086H347.841C346.979 184.086 346.444 183.785 346.234 183.184L346.152 182.951L346.043 183.17C345.738 183.781 345.193 184.086 344.409 184.086ZM348.367 184.086H347.848C347.697 184.086 347.588 184.047 347.52 183.97C347.451 183.892 347.417 183.765 347.417 183.587V183.457C347.417 183.293 347.451 183.177 347.52 183.108C347.588 183.035 347.697 182.999 347.848 182.999H348.367C349.096 182.999 349.598 182.922 349.871 182.767C350.295 182.521 350.507 182.072 350.507 181.42C350.507 181.16 350.486 180.884 350.445 180.593C350.409 180.301 350.352 179.998 350.274 179.684L351.225 179.451C351.325 179.788 351.4 180.119 351.45 180.442C351.5 180.766 351.525 181.085 351.525 181.399C351.525 182.402 351.238 183.12 350.664 183.553C350.186 183.908 349.42 184.086 348.367 184.086ZM348.894 188.078L349.796 187.183L350.691 188.078L349.789 188.974L348.894 188.078ZM350.021 186.246L350.924 185.344L351.812 186.239L350.917 187.135L350.021 186.246ZM347.8 186.246L348.695 185.344L349.591 186.239L348.688 187.135L347.8 186.246ZM357.186 181.413C357.186 180.137 358.366 179.137 360.727 178.412L360.815 178.385L360.802 178.296L360.761 178.084L361.663 177.893L362.21 181.803C362.246 182.062 362.322 182.281 362.436 182.459C362.554 182.637 362.709 182.771 362.9 182.862C363.092 182.953 363.32 182.999 363.584 182.999H363.7C363.737 183.058 363.755 183.2 363.755 183.423V183.587C363.755 183.715 363.748 183.824 363.734 183.915C363.725 184.002 363.714 184.059 363.7 184.086H363.557C362.951 184.086 362.474 183.965 362.128 183.724C361.782 183.478 361.554 183.108 361.444 182.616L361.41 182.445L361.28 182.562C361.016 182.794 360.731 182.967 360.426 183.081C360.12 183.195 359.792 183.252 359.441 183.252C358.462 183.252 357.783 182.935 357.404 182.302C357.258 182.06 357.186 181.764 357.186 181.413ZM360.809 179.355C359.943 179.67 359.291 179.989 358.854 180.312C358.416 180.636 358.197 180.976 358.197 181.331C358.197 181.641 358.3 181.876 358.505 182.035C358.715 182.19 359.013 182.268 359.4 182.268C359.605 182.268 359.806 182.24 360.002 182.186C360.202 182.126 360.394 182.042 360.576 181.933C361.05 181.641 361.237 181.174 361.137 180.531L361 179.622L360.966 179.431L360.952 179.308L360.829 179.349L360.809 179.355ZM368.663 183.587C368.663 183.715 368.656 183.824 368.643 183.915C368.633 184.002 368.622 184.059 368.608 184.086H368.561C367.699 184.086 367.109 183.783 366.79 183.177L366.708 183.026L366.612 183.163C366.179 183.778 365.418 184.086 364.329 184.086H363.618C363.472 184.086 363.365 184.047 363.297 183.97C363.229 183.892 363.194 183.765 363.194 183.587V183.457C363.194 183.293 363.229 183.177 363.297 183.108C363.361 183.035 363.468 182.999 363.618 182.999H364.295C365.402 182.999 366.018 182.682 366.141 182.049C366.154 181.99 366.163 181.93 366.168 181.871C366.177 181.807 366.182 181.741 366.182 181.673C366.186 181.604 366.188 181.534 366.188 181.461C366.188 181.388 366.186 181.311 366.182 181.229C366.177 181.142 366.173 181.046 366.168 180.941L366.134 180.483L367.063 180.374L367.159 181.714C367.182 181.992 367.25 182.227 367.364 182.418C367.478 182.609 367.635 182.755 367.836 182.855C368.041 182.951 368.287 182.999 368.574 182.999H368.608C368.645 183.072 368.663 183.245 368.663 183.519V183.587ZM365.915 177.749L366.831 176.833L367.747 177.756L366.838 178.672L365.915 177.749ZM363.693 177.749L364.603 176.833L365.525 177.756L364.609 178.672L363.693 177.749ZM376.429 184.086C375.659 184.086 375.125 183.783 374.829 183.177L374.754 183.026L374.651 183.163C374.218 183.778 373.599 184.086 372.792 184.086C371.862 184.086 371.27 183.785 371.015 183.184L370.933 182.992L370.83 183.177C370.484 183.783 369.777 184.086 368.711 184.086H368.533C368.383 184.086 368.273 184.047 368.205 183.97C368.137 183.892 368.103 183.765 368.103 183.587V183.457C368.103 183.293 368.137 183.177 368.205 183.108C368.273 183.035 368.383 182.999 368.533 182.999H368.725C369.29 182.999 369.72 182.883 370.017 182.65C370.317 182.413 370.47 182.062 370.475 181.598C370.475 181.534 370.472 181.472 370.468 181.413C370.468 181.354 370.468 181.297 370.468 181.242C370.468 181.188 370.465 181.135 370.461 181.085C370.456 181.035 370.452 180.987 370.447 180.941L370.42 180.627L371.343 180.518L371.445 181.857C371.473 182.231 371.603 182.516 371.835 182.712C372.067 182.903 372.391 182.999 372.806 182.999C373.261 182.999 373.61 182.887 373.852 182.664C374.098 182.441 374.223 182.113 374.228 181.68C374.228 181.434 374.223 181.235 374.214 181.085L374.18 180.627L375.103 180.518L375.205 181.857C375.237 182.227 375.353 182.509 375.554 182.705C375.754 182.896 376.035 182.992 376.395 182.992C376.773 182.992 377.055 182.867 377.242 182.616C377.429 182.366 377.52 182.003 377.516 181.529C377.516 181.329 377.504 181.108 377.481 180.866L377.454 180.545L378.377 180.381L378.479 181.427C378.525 181.937 378.662 182.327 378.89 182.596C379.122 182.865 379.441 182.999 379.847 182.999H379.956C379.988 183.063 380.004 183.215 380.004 183.457V183.587C380.004 183.847 379.986 184.013 379.949 184.086H379.86C378.999 184.086 378.464 183.785 378.254 183.184L378.172 182.951L378.062 183.17C377.757 183.781 377.213 184.086 376.429 184.086ZM380.387 184.086H379.867C379.717 184.086 379.607 184.047 379.539 183.97C379.471 183.892 379.437 183.765 379.437 183.587V183.457C379.437 183.293 379.471 183.177 379.539 183.108C379.607 183.035 379.717 182.999 379.867 182.999H380.387C381.116 182.999 381.617 182.922 381.891 182.767C382.314 182.521 382.526 182.072 382.526 181.42C382.526 181.16 382.506 180.884 382.465 180.593C382.428 180.301 382.371 179.998 382.294 179.684L383.244 179.451C383.344 179.788 383.42 180.119 383.47 180.442C383.52 180.766 383.545 181.085 383.545 181.399C383.545 182.402 383.258 183.12 382.684 183.553C382.205 183.908 381.439 184.086 380.387 184.086ZM380.831 186.424L381.747 185.508L382.67 186.431L381.754 187.347L380.831 186.424ZM385.555 174.256H386.573V184.079H385.555V174.256ZM392.145 182.773C392.04 181.21 391.563 180.429 390.716 180.429C390.183 180.429 389.816 180.725 389.615 181.317C389.529 181.577 389.485 181.821 389.485 182.049C389.485 182.391 389.611 182.646 389.861 182.814C390.112 182.979 390.47 183.061 390.935 183.061C391.131 183.056 391.322 183.04 391.509 183.013C391.7 182.981 391.887 182.938 392.069 182.883L392.145 182.855V182.773ZM390.928 184.1C390.117 184.1 389.515 183.94 389.123 183.621C388.731 183.298 388.535 182.808 388.535 182.151C388.535 181.614 388.649 181.105 388.877 180.627C389.287 179.77 389.927 179.342 390.798 179.342C391.687 179.342 392.32 179.841 392.698 180.839C392.999 181.632 393.147 182.452 393.143 183.3C393.133 184.58 392.751 185.592 391.994 186.335C391.242 187.078 390.105 187.556 388.583 187.771L388.337 186.8C390.52 186.472 391.787 185.578 392.138 184.12L392.172 183.977C391.625 184.059 391.21 184.1 390.928 184.1Z" + /> + d="M113.706 167.96C113.706 167.878 113.69 167.805 113.658 167.741C113.631 167.677 113.588 167.625 113.528 167.584C113.474 167.543 113.408 167.513 113.33 167.495C113.253 167.472 113.166 167.461 113.07 167.461L112.291 167.454C112.241 167.454 112.191 167.454 112.141 167.454C111.735 167.431 111.441 167.329 111.259 167.146C111.081 166.964 111.001 166.698 111.02 166.347C111.074 165.49 111.345 164.731 111.833 164.07C112.439 163.245 113.305 162.808 114.431 162.758V163.879C113.004 164.07 112.204 164.845 112.031 166.203L112.024 166.271L112.011 166.388H112.127H113.118C113.647 166.383 114.039 166.502 114.294 166.743C114.549 166.985 114.674 167.358 114.67 167.864C114.67 168.407 114.515 168.892 114.205 169.32C113.608 170.163 112.674 170.697 111.402 170.92C110.942 171.002 110.436 171.043 109.885 171.043C108.978 171.043 108.226 170.911 107.629 170.646C107.032 170.387 106.585 169.993 106.289 169.464C105.997 168.94 105.852 168.281 105.852 167.488C105.852 166.499 106.152 165.314 106.754 163.934L107.677 164.303C107.139 165.547 106.87 166.602 106.87 167.468C106.87 168.302 107.121 168.931 107.622 169.354C108.128 169.778 108.873 169.993 109.857 169.997C110.135 169.997 110.4 169.986 110.65 169.963C110.901 169.945 111.138 169.913 111.361 169.867C112.182 169.708 112.817 169.396 113.269 168.931C113.556 168.639 113.701 168.315 113.706 167.96ZM116.693 157.679H117.712V167.502H116.693V157.679ZM123.557 164.836C123.557 163.56 124.737 162.56 127.098 161.835L127.187 161.808L127.173 161.719L127.132 161.507L128.034 161.315L128.581 165.226C128.618 165.485 128.693 165.704 128.807 165.882C128.925 166.06 129.08 166.194 129.271 166.285C129.463 166.376 129.691 166.422 129.955 166.422H130.071C130.108 166.481 130.126 166.622 130.126 166.846V167.01C130.126 167.137 130.119 167.247 130.105 167.338C130.096 167.424 130.085 167.481 130.071 167.509H129.928C129.322 167.509 128.845 167.388 128.499 167.146C128.153 166.9 127.925 166.531 127.815 166.039L127.781 165.868L127.651 165.984C127.387 166.217 127.102 166.39 126.797 166.504C126.492 166.618 126.163 166.675 125.812 166.675C124.833 166.675 124.154 166.358 123.775 165.725C123.63 165.483 123.557 165.187 123.557 164.836ZM127.18 162.778C126.314 163.093 125.662 163.412 125.225 163.735C124.787 164.059 124.568 164.398 124.568 164.754C124.568 165.064 124.671 165.299 124.876 165.458C125.086 165.613 125.384 165.69 125.771 165.69C125.977 165.69 126.177 165.663 126.373 165.608C126.574 165.549 126.765 165.465 126.947 165.355C127.421 165.064 127.608 164.597 127.508 163.954L127.371 163.045L127.337 162.854L127.323 162.73L127.2 162.771L127.18 162.778ZM132.819 165.103C132.168 165.103 131.682 164.959 131.363 164.672C131.049 164.385 130.887 163.945 130.878 163.353C130.878 163.257 130.882 163.163 130.892 163.072C130.901 162.981 130.914 162.892 130.933 162.806C131.065 162.104 131.318 161.541 131.691 161.117C132.061 160.702 132.535 160.495 133.113 160.495C133.464 160.495 133.774 160.584 134.043 160.762C134.813 161.254 135.28 162.225 135.444 163.674C135.449 163.719 135.453 163.763 135.458 163.804C135.463 163.845 135.465 163.886 135.465 163.927C135.469 163.968 135.472 164.009 135.472 164.05C135.476 164.086 135.479 164.125 135.479 164.166C135.483 164.202 135.485 164.241 135.485 164.282C135.49 164.319 135.492 164.357 135.492 164.398C135.492 164.435 135.492 164.471 135.492 164.508C135.492 165.638 135.175 166.44 134.542 166.914C134.013 167.311 133.072 167.509 131.719 167.509H129.996C129.846 167.509 129.736 167.47 129.668 167.393C129.6 167.315 129.565 167.188 129.565 167.01V166.88C129.565 166.716 129.6 166.6 129.668 166.531C129.736 166.458 129.846 166.422 129.996 166.422H131.794C133.594 166.422 134.517 165.973 134.562 165.075C134.562 165.025 134.56 164.977 134.556 164.932L134.535 164.809L134.419 164.85C133.863 165.018 133.33 165.103 132.819 165.103ZM131.801 163.168C131.801 163.46 131.901 163.681 132.102 163.831C132.307 163.977 132.598 164.05 132.977 164.05C133.163 164.05 133.373 164.029 133.605 163.988C133.838 163.947 134.093 163.883 134.371 163.797L134.46 163.776L134.446 163.688C134.382 163.15 134.264 162.694 134.091 162.32C133.972 162.061 133.826 161.862 133.653 161.726C133.485 161.589 133.289 161.521 133.065 161.521C132.509 161.521 132.115 161.896 131.883 162.648C131.855 162.74 131.835 162.828 131.821 162.915C131.808 163.002 131.801 163.086 131.801 163.168ZM131.855 158.321L132.771 157.405L133.694 158.328L132.778 159.244L131.855 158.321ZM140.1 167.01C140.1 167.046 140.097 167.085 140.093 167.126C140.093 167.162 140.093 167.197 140.093 167.229C140.093 167.256 140.09 167.283 140.086 167.311C140.086 167.338 140.084 167.363 140.079 167.386C140.075 167.404 140.07 167.422 140.065 167.44C140.065 167.454 140.063 167.468 140.059 167.481C140.054 167.491 140.049 167.5 140.045 167.509H139.922C139.051 167.509 138.402 167.272 137.974 166.798C137.545 166.319 137.331 165.592 137.331 164.617V157.679H138.356V164.604C138.356 165.196 138.489 165.647 138.753 165.957C139.022 166.267 139.418 166.422 139.942 166.422H140.045C140.059 166.449 140.07 166.504 140.079 166.586C140.093 166.663 140.1 166.761 140.1 166.88V167.01ZM147.188 159.524L148.104 158.608L149.027 159.531L148.111 160.447L147.188 159.524ZM144.864 166.422H145.917C147.248 166.422 148.259 166.276 148.952 165.984C149.659 165.661 150.012 165.175 150.012 164.528C150.012 164.214 149.925 163.943 149.752 163.715C149.46 163.337 149.055 163.145 148.535 163.141C147.35 163.145 146.097 164.187 144.775 166.265L144.673 166.422H144.864ZM142.321 166.559C141.856 167.192 141.114 167.509 140.093 167.509H139.977C139.826 167.509 139.717 167.47 139.648 167.393C139.58 167.315 139.546 167.188 139.546 167.01V166.88C139.546 166.716 139.58 166.6 139.648 166.531C139.717 166.458 139.828 166.422 139.983 166.422H140.093C141.177 166.422 141.772 166.103 141.877 165.465C141.909 165.287 141.925 165.082 141.925 164.85C141.925 164.79 141.923 164.722 141.918 164.645C141.913 164.562 141.909 164.469 141.904 164.364L141.87 163.906L142.8 163.797L142.909 165.144C142.964 165.768 143.171 166.126 143.531 166.217L143.606 166.237L143.647 166.176C145.279 163.414 146.901 162.035 148.515 162.04C149.44 162.04 150.144 162.384 150.627 163.072C150.914 163.492 151.055 163.95 151.051 164.446C151.051 164.683 151.021 164.938 150.962 165.212C150.606 166.743 148.911 167.509 145.876 167.509H145.527C144.698 167.509 144.03 167.429 143.524 167.27C143.019 167.105 142.674 166.871 142.492 166.565L142.417 166.436L142.321 166.559ZM153.074 157.679H154.093V167.502H153.074V157.679ZM167.546 158.321L168.462 157.405L169.385 158.328L168.469 159.244L167.546 158.321ZM167.211 167.509H164.955C163.237 167.509 161.956 167.24 161.113 166.702C160.275 166.164 159.855 165.36 159.855 164.289C159.855 163.724 159.963 163.184 160.177 162.669L161.1 163.059C161.031 163.245 160.981 163.425 160.949 163.599C160.917 163.772 160.901 163.945 160.901 164.118C160.901 164.888 161.236 165.465 161.906 165.848C162.576 166.23 163.561 166.422 164.859 166.422H167.286C169.123 166.422 170.046 165.971 170.055 165.068C170.055 165.055 170.055 165.041 170.055 165.027C170.055 165.009 170.052 164.993 170.048 164.979C170.048 164.966 170.048 164.95 170.048 164.932L170.034 164.809L169.918 164.85C169.357 165.018 168.822 165.103 168.312 165.103C167.664 165.103 167.181 164.959 166.862 164.672C166.548 164.385 166.386 163.945 166.377 163.353C166.372 163.161 166.388 162.979 166.425 162.806C166.448 162.687 166.473 162.573 166.5 162.464C166.532 162.354 166.564 162.25 166.596 162.149C166.632 162.045 166.671 161.947 166.712 161.855C166.757 161.76 166.803 161.671 166.849 161.589C166.899 161.502 166.951 161.42 167.006 161.343C167.065 161.261 167.127 161.186 167.19 161.117C167.555 160.702 168.027 160.495 168.605 160.495C168.956 160.495 169.266 160.582 169.535 160.755C169.923 161.006 170.232 161.375 170.465 161.862C170.702 162.345 170.859 162.949 170.937 163.674C170.968 163.97 170.987 164.248 170.991 164.508C170.987 165.638 170.668 166.44 170.034 166.914C169.506 167.311 168.564 167.509 167.211 167.509ZM167.293 163.168C167.293 163.46 167.396 163.681 167.601 163.831C167.806 163.977 168.095 164.05 168.469 164.05C168.847 164.05 169.314 163.965 169.87 163.797L169.952 163.776L169.938 163.688C169.875 163.15 169.756 162.694 169.583 162.32C169.465 162.061 169.319 161.862 169.146 161.726C168.977 161.589 168.783 161.521 168.564 161.521C168.004 161.521 167.61 161.896 167.382 162.648C167.364 162.708 167.348 162.767 167.334 162.826C167.32 162.885 167.309 162.945 167.3 163.004C167.295 163.059 167.293 163.113 167.293 163.168ZM174.812 164.111L175.243 165.506C175.43 166.117 175.895 166.422 176.638 166.422H176.809C176.845 166.481 176.863 166.622 176.863 166.846V167.01C176.863 167.27 176.845 167.436 176.809 167.509H176.713C176.412 167.509 176.168 167.481 175.981 167.427C175.795 167.368 175.662 167.288 175.585 167.188L175.428 166.969L175.4 167.235C175.204 169.464 173.671 170.781 170.8 171.187L170.554 170.223C171.83 170.04 172.791 169.66 173.438 169.081C174.086 168.502 174.407 167.732 174.402 166.771C174.402 166.625 174.393 166.479 174.375 166.333C174.361 166.183 174.339 166.032 174.307 165.882C174.279 165.727 174.243 165.572 174.197 165.417C174.152 165.257 174.097 165.098 174.033 164.938C173.974 164.774 173.908 164.61 173.835 164.446L174.812 164.111ZM176.727 167.509C176.576 167.509 176.467 167.47 176.398 167.393C176.33 167.315 176.296 167.188 176.296 167.01V166.88C176.296 166.716 176.33 166.6 176.398 166.531C176.467 166.458 176.576 166.422 176.727 166.422H177.137C178.704 166.422 180.58 165.857 182.763 164.727L183.269 164.467L183.501 164.351L183.248 164.282C183.193 164.264 183.041 164.207 182.79 164.111C182.539 164.011 182.202 163.877 181.778 163.708C181.323 163.526 180.942 163.389 180.637 163.298C180.336 163.207 180.097 163.161 179.919 163.161C179.737 163.161 179.563 163.188 179.399 163.243C179.24 163.293 179.09 163.368 178.948 163.469C178.807 163.569 178.679 163.694 178.565 163.845L178.422 164.022L177.547 163.592L177.602 163.496C178.171 162.557 178.946 162.086 179.926 162.081C180.491 162.081 181.168 162.272 181.956 162.655C183.332 163.33 184.415 163.694 185.203 163.749L185.189 164.795C185.094 164.809 184.987 164.831 184.868 164.863C184.754 164.891 184.629 164.929 184.492 164.979C184.355 165.03 184.21 165.087 184.055 165.15C183.9 165.214 183.731 165.289 183.549 165.376C183.371 165.458 183.182 165.549 182.981 165.649C182.781 165.75 182.569 165.859 182.346 165.978C180.404 166.998 178.641 167.509 177.055 167.509H176.727ZM197.412 166.928L197.433 157.679H198.444L198.438 165.567C198.438 166.201 198.417 166.814 198.376 167.406C198.28 168.65 197.904 169.578 197.248 170.188C196.592 170.804 195.642 171.111 194.397 171.111C193.103 171.111 192.137 170.799 191.499 170.175C190.866 169.55 190.549 168.603 190.549 167.331C190.549 166.88 190.594 166.431 190.686 165.984C190.731 165.766 190.786 165.549 190.85 165.335C190.918 165.116 190.993 164.902 191.075 164.692L191.998 165.062C191.711 165.823 191.567 166.586 191.567 167.352C191.567 168.245 191.807 168.919 192.285 169.375C192.764 169.831 193.47 170.059 194.404 170.059C195.393 170.059 196.141 169.794 196.646 169.266C197.152 168.742 197.408 167.962 197.412 166.928ZM204.016 166.271C203.906 164.658 203.43 163.852 202.587 163.852C202.054 163.852 201.687 164.148 201.486 164.74C201.445 164.868 201.413 164.993 201.391 165.116C201.368 165.239 201.356 165.358 201.356 165.472C201.356 165.786 201.47 166.023 201.698 166.183C201.926 166.338 202.25 166.415 202.669 166.415C203.28 166.41 203.697 166.399 203.92 166.381L204.022 166.374L204.016 166.271ZM205.096 166.422H205.738C205.775 166.495 205.793 166.668 205.793 166.941V167.01C205.793 167.096 205.791 167.176 205.786 167.249C205.782 167.322 205.775 167.379 205.766 167.42C205.757 167.461 205.747 167.491 205.738 167.509L205.055 167.502H204.966L204.952 167.591C204.624 169.614 203.127 170.813 200.461 171.187L200.215 170.216C202.411 169.869 203.672 169.006 203.995 167.625L204.022 167.495L203.886 167.502C203.831 167.502 203.772 167.504 203.708 167.509C203.644 167.509 203.576 167.511 203.503 167.516C203.435 167.516 203.362 167.518 203.284 167.522C203.211 167.522 203.134 167.522 203.052 167.522C202.97 167.522 202.885 167.522 202.799 167.522C201.988 167.522 201.386 167.363 200.994 167.044C200.602 166.72 200.406 166.23 200.406 165.574C200.406 165.036 200.52 164.528 200.748 164.05C201.158 163.193 201.799 162.765 202.669 162.765C204.013 162.765 204.788 163.952 204.993 166.326L205 166.422H205.096ZM210.872 165.964C211.387 166.269 212.255 166.422 213.477 166.422H213.62C213.652 166.49 213.668 166.643 213.668 166.88V167.01C213.668 167.156 213.663 167.265 213.654 167.338C213.645 167.415 213.632 167.472 213.613 167.509H213.477C211.982 167.509 210.826 167.192 210.011 166.559L209.997 166.552L209.936 166.504L209.867 166.552L209.854 166.565C209.12 167.194 207.78 167.509 205.834 167.509H205.67C205.52 167.509 205.41 167.47 205.342 167.393C205.273 167.315 205.239 167.188 205.239 167.01V166.88C205.239 166.716 205.273 166.6 205.342 166.531C205.41 166.458 205.52 166.422 205.67 166.422H205.854C207.436 166.422 208.461 166.267 208.931 165.957L208.958 165.937L209.095 165.848L208.951 165.766L208.917 165.745C207.527 164.957 206.832 164.209 206.832 163.503C206.832 163.075 207.174 162.708 207.857 162.402C208.336 162.184 209.033 162.072 209.949 162.067C210.25 162.067 210.53 162.081 210.79 162.108C211.05 162.131 211.287 162.165 211.501 162.211C211.606 162.234 211.706 162.261 211.802 162.293C211.897 162.32 211.986 162.352 212.068 162.389C212.706 162.658 213.025 163.018 213.025 163.469C213.025 163.77 212.845 164.114 212.485 164.501C212.13 164.884 211.592 165.301 210.872 165.752L210.838 165.772L210.701 165.861L210.845 165.943L210.872 165.964ZM211.904 163.646C211.904 163.542 211.859 163.455 211.768 163.387C211.676 163.314 211.537 163.259 211.351 163.223C211.168 163.186 210.963 163.161 210.735 163.147C210.507 163.129 210.234 163.12 209.915 163.12C209.66 163.12 209.434 163.125 209.238 163.134C209.047 163.143 208.865 163.161 208.691 163.188C208.523 163.211 208.384 163.243 208.274 163.284C208.165 163.321 208.078 163.371 208.015 163.435C207.955 163.498 207.924 163.574 207.919 163.66C207.919 163.733 207.939 163.806 207.98 163.879C208.021 163.952 208.081 164.027 208.158 164.104C208.304 164.255 208.521 164.43 208.808 164.631C209.013 164.777 209.202 164.902 209.375 165.007C209.576 165.125 209.735 165.216 209.854 165.28L209.867 165.287L209.915 165.308L209.963 165.28H209.97C210.061 165.23 210.15 165.18 210.236 165.13C210.327 165.075 210.414 165.021 210.496 164.966C210.583 164.911 210.667 164.856 210.749 164.802C210.831 164.743 210.911 164.683 210.988 164.624C211.289 164.392 211.512 164.202 211.658 164.057C211.713 164.002 211.756 163.954 211.788 163.913C211.82 163.872 211.847 163.829 211.87 163.783C211.893 163.738 211.904 163.692 211.904 163.646ZM216.601 163.154C216.309 163.446 216.163 163.738 216.163 164.029C216.163 164.093 216.17 164.157 216.184 164.221C216.197 164.285 216.215 164.351 216.238 164.419C216.266 164.483 216.298 164.549 216.334 164.617C216.37 164.681 216.411 164.747 216.457 164.815C216.507 164.879 216.562 164.948 216.621 165.021C216.977 165.431 217.259 165.636 217.469 165.636C217.674 165.636 217.954 165.431 218.31 165.021C218.619 164.665 218.774 164.337 218.774 164.036C218.774 163.672 218.556 163.312 218.118 162.956C218.036 162.888 217.956 162.833 217.879 162.792C217.801 162.746 217.724 162.712 217.646 162.689C217.574 162.662 217.501 162.648 217.428 162.648C217.218 162.648 216.942 162.817 216.601 163.154ZM217.38 166.647C216.605 167.222 215.42 167.509 213.825 167.509H213.545C213.395 167.509 213.285 167.47 213.217 167.393C213.148 167.315 213.114 167.188 213.114 167.01V166.88C213.114 166.716 213.148 166.6 213.217 166.531C213.285 166.458 213.395 166.422 213.545 166.422H213.825C214.222 166.422 214.57 166.413 214.871 166.395C215.172 166.376 215.432 166.351 215.65 166.319C215.874 166.283 216.056 166.24 216.197 166.189L216.361 166.128L216.225 166.012C215.523 165.428 215.172 164.745 215.172 163.961C215.172 163.195 215.607 162.509 216.478 161.903C216.783 161.694 217.113 161.589 217.469 161.589C217.82 161.589 218.123 161.666 218.378 161.821C219.308 162.382 219.772 163.12 219.772 164.036C219.772 164.774 219.419 165.433 218.713 166.012L218.569 166.128L218.74 166.189C219.173 166.344 219.8 166.422 220.62 166.422H220.825C220.857 166.49 220.873 166.643 220.873 166.88V167.01C220.873 167.27 220.855 167.436 220.818 167.509H220.634C219.312 167.509 218.269 167.222 217.503 166.647L217.441 166.6L217.38 166.647ZM216.519 159.203L217.435 158.287L218.357 159.21L217.441 160.126L216.519 159.203ZM225.098 166.613C225.439 166.613 225.701 166.524 225.884 166.347C226.066 166.169 226.157 165.911 226.157 165.574C226.157 165.419 226.144 165.276 226.116 165.144C226.093 165.007 226.057 164.882 226.007 164.768C225.934 164.59 225.838 164.442 225.72 164.323C225.606 164.205 225.474 164.116 225.323 164.057C225.173 163.993 225.007 163.961 224.824 163.961C224.15 163.961 223.635 164.455 223.279 165.444L223.259 165.499L223.3 165.547C223.924 166.258 224.523 166.613 225.098 166.613ZM222.712 166.565C222.17 167.194 221.557 167.509 220.873 167.509H220.729C220.584 167.509 220.477 167.47 220.408 167.393C220.34 167.315 220.306 167.188 220.306 167.01V166.88C220.306 166.716 220.34 166.6 220.408 166.531C220.472 166.458 220.579 166.422 220.729 166.422H220.839C221.244 166.422 221.634 166.196 222.008 165.745C222.172 165.549 222.35 165.232 222.541 164.795C223.124 163.51 223.876 162.867 224.797 162.867C224.902 162.867 225.002 162.874 225.098 162.888C225.198 162.897 225.291 162.913 225.378 162.936C225.469 162.954 225.556 162.979 225.638 163.011C225.724 163.043 225.806 163.079 225.884 163.12C225.961 163.161 226.034 163.209 226.103 163.264C226.175 163.318 226.244 163.378 226.308 163.441C226.376 163.501 226.44 163.567 226.499 163.64C226.914 164.164 227.121 164.774 227.121 165.472C227.121 166.174 226.978 166.693 226.69 167.03C226.508 167.24 226.294 167.397 226.048 167.502C225.802 167.607 225.517 167.659 225.193 167.659C224.337 167.659 223.56 167.295 222.862 166.565L222.787 166.483L222.712 166.565Z" + /> + d="M179.022 179.916L179.938 179L180.861 179.923L179.945 180.839L179.022 179.916ZM184.313 183.806C184.309 184.407 184.161 185.016 183.869 185.631C183.213 187.003 181.884 187.688 179.884 187.688C177.195 187.688 175.851 186.428 175.851 183.908C175.851 183.015 176.065 182.035 176.493 180.969L177.416 181.345C177.056 182.284 176.876 183.133 176.876 183.895C176.876 184.801 177.133 185.485 177.648 185.945C178.163 186.406 178.924 186.636 179.932 186.636C181.044 186.636 181.882 186.371 182.447 185.843C183.012 185.314 183.295 184.53 183.295 183.491C183.295 182.671 183.101 181.848 182.714 181.023L183.691 180.682L184.156 182.117C184.348 182.705 184.819 182.999 185.571 182.999H185.688C185.701 183.022 185.713 183.072 185.722 183.149C185.731 183.222 185.735 183.313 185.735 183.423V183.587C185.735 183.847 185.717 184.013 185.681 184.086H185.599C185.106 184.086 184.735 183.967 184.484 183.73L184.313 183.566V183.806ZM187.807 186.424L188.723 185.508L189.639 186.431L188.729 187.347L187.807 186.424ZM185.585 186.424L186.494 185.508L187.417 186.431L186.501 187.347L185.585 186.424ZM190.644 183.587C190.644 183.715 190.637 183.824 190.623 183.915C190.614 184.002 190.603 184.059 190.589 184.086H190.541C189.68 184.086 189.09 183.783 188.771 183.177L188.688 183.026L188.593 183.163C188.16 183.778 187.399 184.086 186.31 184.086H185.599C185.453 184.086 185.346 184.047 185.277 183.97C185.209 183.892 185.175 183.765 185.175 183.587V183.457C185.175 183.293 185.209 183.177 185.277 183.108C185.341 183.035 185.448 182.999 185.599 182.999H186.275C187.383 182.999 187.998 182.682 188.121 182.049C188.135 181.99 188.144 181.93 188.148 181.871C188.158 181.807 188.162 181.741 188.162 181.673C188.167 181.604 188.169 181.534 188.169 181.461C188.169 181.388 188.167 181.311 188.162 181.229C188.158 181.142 188.153 181.046 188.148 180.941L188.114 180.483L189.044 180.374L189.14 181.714C189.162 181.992 189.231 182.227 189.345 182.418C189.459 182.609 189.616 182.755 189.816 182.855C190.021 182.951 190.268 182.999 190.555 182.999H190.589C190.625 183.072 190.644 183.245 190.644 183.519V183.587ZM198.409 184.086C197.639 184.086 197.106 183.783 196.81 183.177L196.734 183.026L196.632 183.163C196.199 183.778 195.579 184.086 194.772 184.086C193.843 184.086 193.25 183.785 192.995 183.184L192.913 182.992L192.811 183.177C192.464 183.783 191.758 184.086 190.691 184.086H190.514C190.363 184.086 190.254 184.047 190.186 183.97C190.117 183.892 190.083 183.765 190.083 183.587V183.457C190.083 183.293 190.117 183.177 190.186 183.108C190.254 183.035 190.363 182.999 190.514 182.999H190.705C191.27 182.999 191.701 182.883 191.997 182.65C192.298 182.413 192.451 182.062 192.455 181.598C192.455 181.534 192.453 181.472 192.448 181.413C192.448 181.354 192.448 181.297 192.448 181.242C192.448 181.188 192.446 181.135 192.441 181.085C192.437 181.035 192.432 180.987 192.428 180.941L192.4 180.627L193.323 180.518L193.426 181.857C193.453 182.231 193.583 182.516 193.815 182.712C194.048 182.903 194.371 182.999 194.786 182.999C195.242 182.999 195.59 182.887 195.832 182.664C196.078 182.441 196.203 182.113 196.208 181.68C196.208 181.434 196.203 181.235 196.194 181.085L196.16 180.627L197.083 180.518L197.186 181.857C197.217 182.227 197.334 182.509 197.534 182.705C197.735 182.896 198.015 182.992 198.375 182.992C198.753 182.992 199.036 182.867 199.223 182.616C199.41 182.366 199.501 182.003 199.496 181.529C199.496 181.329 199.485 181.108 199.462 180.866L199.435 180.545L200.357 180.381L200.46 181.427C200.506 181.937 200.642 182.327 200.87 182.596C201.103 182.865 201.422 182.999 201.827 182.999H201.937C201.968 183.063 201.984 183.215 201.984 183.457V183.587C201.984 183.847 201.966 184.013 201.93 184.086H201.841C200.979 184.086 200.444 183.785 200.234 183.184L200.152 182.951L200.043 183.17C199.738 183.781 199.193 184.086 198.409 184.086ZM202.367 184.086H201.848C201.697 184.086 201.588 184.047 201.52 183.97C201.451 183.892 201.417 183.765 201.417 183.587V183.457C201.417 183.293 201.451 183.177 201.52 183.108C201.588 183.035 201.697 182.999 201.848 182.999H202.367C203.096 182.999 203.598 182.922 203.871 182.767C204.295 182.521 204.507 182.072 204.507 181.42C204.507 181.16 204.486 180.884 204.445 180.593C204.409 180.301 204.352 179.998 204.274 179.684L205.225 179.451C205.325 179.788 205.4 180.119 205.45 180.442C205.5 180.766 205.525 181.085 205.525 181.399C205.525 182.402 205.238 183.12 204.664 183.553C204.186 183.908 203.42 184.086 202.367 184.086ZM202.894 188.078L203.796 187.183L204.691 188.078L203.789 188.974L202.894 188.078ZM204.021 186.246L204.924 185.344L205.812 186.239L204.917 187.135L204.021 186.246ZM201.8 186.246L202.695 185.344L203.591 186.239L202.688 187.135L201.8 186.246ZM211.186 181.413C211.186 180.137 212.366 179.137 214.727 178.412L214.815 178.385L214.802 178.296L214.761 178.084L215.663 177.893L216.21 181.803C216.246 182.062 216.322 182.281 216.436 182.459C216.554 182.637 216.709 182.771 216.9 182.862C217.092 182.953 217.32 182.999 217.584 182.999H217.7C217.737 183.058 217.755 183.2 217.755 183.423V183.587C217.755 183.715 217.748 183.824 217.734 183.915C217.725 184.002 217.714 184.059 217.7 184.086H217.557C216.951 184.086 216.474 183.965 216.128 183.724C215.782 183.478 215.554 183.108 215.444 182.616L215.41 182.445L215.28 182.562C215.016 182.794 214.731 182.967 214.426 183.081C214.12 183.195 213.792 183.252 213.441 183.252C212.462 183.252 211.783 182.935 211.404 182.302C211.258 182.06 211.186 181.764 211.186 181.413ZM214.809 179.355C213.943 179.67 213.291 179.989 212.854 180.312C212.416 180.636 212.197 180.976 212.197 181.331C212.197 181.641 212.3 181.876 212.505 182.035C212.715 182.19 213.013 182.268 213.4 182.268C213.605 182.268 213.806 182.24 214.002 182.186C214.202 182.126 214.394 182.042 214.576 181.933C215.05 181.641 215.237 181.174 215.137 180.531L215 179.622L214.966 179.431L214.952 179.308L214.829 179.349L214.809 179.355ZM222.663 183.587C222.663 183.715 222.656 183.824 222.643 183.915C222.633 184.002 222.622 184.059 222.608 184.086H222.561C221.699 184.086 221.109 183.783 220.79 183.177L220.708 183.026L220.612 183.163C220.179 183.778 219.418 184.086 218.329 184.086H217.618C217.472 184.086 217.365 184.047 217.297 183.97C217.229 183.892 217.194 183.765 217.194 183.587V183.457C217.194 183.293 217.229 183.177 217.297 183.108C217.361 183.035 217.468 182.999 217.618 182.999H218.295C219.402 182.999 220.018 182.682 220.141 182.049C220.154 181.99 220.163 181.93 220.168 181.871C220.177 181.807 220.182 181.741 220.182 181.673C220.186 181.604 220.188 181.534 220.188 181.461C220.188 181.388 220.186 181.311 220.182 181.229C220.177 181.142 220.173 181.046 220.168 180.941L220.134 180.483L221.063 180.374L221.159 181.714C221.182 181.992 221.25 182.227 221.364 182.418C221.478 182.609 221.635 182.755 221.836 182.855C222.041 182.951 222.287 182.999 222.574 182.999H222.608C222.645 183.072 222.663 183.245 222.663 183.519V183.587ZM219.915 177.749L220.831 176.833L221.747 177.756L220.838 178.672L219.915 177.749ZM217.693 177.749L218.603 176.833L219.525 177.756L218.609 178.672L217.693 177.749ZM230.429 184.086C229.659 184.086 229.125 183.783 228.829 183.177L228.754 183.026L228.651 183.163C228.218 183.778 227.599 184.086 226.792 184.086C225.862 184.086 225.27 183.785 225.015 183.184L224.933 182.992L224.83 183.177C224.484 183.783 223.777 184.086 222.711 184.086H222.533C222.383 184.086 222.273 184.047 222.205 183.97C222.137 183.892 222.103 183.765 222.103 183.587V183.457C222.103 183.293 222.137 183.177 222.205 183.108C222.273 183.035 222.383 182.999 222.533 182.999H222.725C223.29 182.999 223.72 182.883 224.017 182.65C224.317 182.413 224.47 182.062 224.475 181.598C224.475 181.534 224.472 181.472 224.468 181.413C224.468 181.354 224.468 181.297 224.468 181.242C224.468 181.188 224.465 181.135 224.461 181.085C224.456 181.035 224.452 180.987 224.447 180.941L224.42 180.627L225.343 180.518L225.445 181.857C225.473 182.231 225.603 182.516 225.835 182.712C226.067 182.903 226.391 182.999 226.806 182.999C227.261 182.999 227.61 182.887 227.852 182.664C228.098 182.441 228.223 182.113 228.228 181.68C228.228 181.434 228.223 181.235 228.214 181.085L228.18 180.627L229.103 180.518L229.205 181.857C229.237 182.227 229.353 182.509 229.554 182.705C229.754 182.896 230.035 182.992 230.395 182.992C230.773 182.992 231.055 182.867 231.242 182.616C231.429 182.366 231.52 182.003 231.516 181.529C231.516 181.329 231.504 181.108 231.481 180.866L231.454 180.545L232.377 180.381L232.479 181.427C232.525 181.937 232.662 182.327 232.89 182.596C233.122 182.865 233.441 182.999 233.847 182.999H233.956C233.988 183.063 234.004 183.215 234.004 183.457V183.587C234.004 183.847 233.986 184.013 233.949 184.086H233.86C232.999 184.086 232.464 183.785 232.254 183.184L232.172 182.951L232.062 183.17C231.757 183.781 231.213 184.086 230.429 184.086ZM234.387 184.086H233.867C233.717 184.086 233.607 184.047 233.539 183.97C233.471 183.892 233.437 183.765 233.437 183.587V183.457C233.437 183.293 233.471 183.177 233.539 183.108C233.607 183.035 233.717 182.999 233.867 182.999H234.387C235.116 182.999 235.617 182.922 235.891 182.767C236.314 182.521 236.526 182.072 236.526 181.42C236.526 181.16 236.506 180.884 236.465 180.593C236.428 180.301 236.371 179.998 236.294 179.684L237.244 179.451C237.344 179.788 237.42 180.119 237.47 180.442C237.52 180.766 237.545 181.085 237.545 181.399C237.545 182.402 237.258 183.12 236.684 183.553C236.205 183.908 235.439 184.086 234.387 184.086ZM234.831 186.424L235.747 185.508L236.67 186.431L235.754 187.347L234.831 186.424ZM239.555 174.256H240.573V184.079H239.555V174.256ZM246.145 182.773C246.04 181.21 245.563 180.429 244.716 180.429C244.183 180.429 243.816 180.725 243.615 181.317C243.529 181.577 243.485 181.821 243.485 182.049C243.485 182.391 243.611 182.646 243.861 182.814C244.112 182.979 244.47 183.061 244.935 183.061C245.131 183.056 245.322 183.04 245.509 183.013C245.7 182.981 245.887 182.938 246.069 182.883L246.145 182.855V182.773ZM244.928 184.1C244.117 184.1 243.515 183.94 243.123 183.621C242.731 183.298 242.535 182.808 242.535 182.151C242.535 181.614 242.649 181.105 242.877 180.627C243.287 179.77 243.927 179.342 244.798 179.342C245.687 179.342 246.32 179.841 246.698 180.839C246.999 181.632 247.147 182.452 247.143 183.3C247.133 184.58 246.751 185.592 245.994 186.335C245.242 187.078 244.105 187.556 242.583 187.771L242.337 186.8C244.52 186.472 245.787 185.578 246.138 184.12L246.172 183.977C245.625 184.059 245.21 184.1 244.928 184.1Z" + /> + d="M16.7039 182.999C16.7403 183.063 16.7585 183.215 16.7585 183.457V183.587C16.7585 183.847 16.7403 184.013 16.7039 184.086H15.7468H15.5759H15.2751C15.6716 184.296 15.8676 184.59 15.863 184.968C15.863 185.05 15.8516 185.139 15.8289 185.234C15.8106 185.335 15.781 185.437 15.74 185.542C15.5714 185.979 15.2205 186.369 14.6873 186.711C13.6847 187.354 12.4792 187.675 11.071 187.675C9.72209 187.675 8.7172 187.388 8.0564 186.813C7.39559 186.239 7.06746 185.371 7.07202 184.209C7.07202 183.257 7.28621 182.306 7.7146 181.358L8.64429 181.734C8.27515 182.682 8.09058 183.496 8.09058 184.175C8.09058 184.986 8.35034 185.597 8.86987 186.007C9.39396 186.417 10.1641 186.624 11.1804 186.629C12.101 186.629 12.8962 186.479 13.5662 186.178C14.1039 185.936 14.489 185.638 14.7214 185.282C14.8399 185.104 14.8992 184.934 14.8992 184.77C14.8992 184.537 14.8103 184.364 14.6326 184.25C14.4594 184.136 14.2133 184.079 13.8943 184.079H12.9919C12.7778 184.052 12.6296 183.865 12.5476 183.519C12.5385 183.482 12.5294 183.448 12.5203 183.416C12.5111 183.38 12.5043 183.345 12.4998 183.313C12.4952 183.282 12.4906 183.252 12.4861 183.225C12.4861 183.197 12.4838 183.172 12.4792 183.149C12.4792 183.127 12.4792 183.106 12.4792 183.088C12.4792 183.051 12.4815 183.022 12.4861 182.999H16.7039ZM21.6326 176.061L22.5281 175.165L23.4304 176.067L22.5349 176.956L21.6326 176.061ZM22.7605 177.893L23.656 177.004L24.5515 177.899L23.6628 178.795L22.7605 177.893ZM20.5388 177.893L21.4275 177.004L22.3298 177.899L21.4343 178.795L20.5388 177.893ZM24.5173 184.079C24.1117 184.079 23.7791 184.006 23.5193 183.86C23.2595 183.71 23.0681 183.484 22.9451 183.184L22.8699 183.013L22.7673 183.163C22.3207 183.778 21.6986 184.086 20.9011 184.086C19.9714 184.081 19.379 183.781 19.1238 183.184L19.0417 182.992L18.9392 183.177C18.5929 183.783 17.8865 184.086 16.8201 184.086H16.6423C16.4919 184.086 16.3826 184.047 16.3142 183.97C16.2458 183.892 16.2117 183.765 16.2117 183.587V183.457C16.2117 183.293 16.2458 183.177 16.3142 183.108C16.3826 183.035 16.4919 182.999 16.6423 182.999H16.8337C17.3988 182.999 17.8295 182.883 18.1257 182.65C18.4265 182.413 18.5792 182.062 18.5837 181.598C18.5837 181.534 18.5815 181.472 18.5769 181.413C18.5769 181.354 18.5769 181.297 18.5769 181.242C18.5769 181.188 18.5746 181.135 18.5701 181.085C18.5655 181.035 18.561 180.987 18.5564 180.941L18.5291 180.627L19.4519 180.518L19.5544 181.857C19.5818 182.231 19.7117 182.516 19.9441 182.712C20.1765 182.903 20.5001 182.999 20.9148 182.999C21.3705 182.999 21.7192 182.887 21.9607 182.664C22.2068 182.441 22.3321 182.115 22.3367 181.687C22.3367 181.436 22.3321 181.235 22.323 181.085L22.2888 180.627L23.2117 180.518L23.3142 181.857C23.3324 182.099 23.3894 182.306 23.4851 182.479C23.5808 182.648 23.713 182.776 23.8816 182.862C24.0548 182.949 24.2598 182.992 24.4968 182.992C24.7338 182.992 24.9343 182.938 25.0984 182.828C25.2625 182.719 25.3832 182.562 25.4607 182.356C25.5427 182.147 25.5837 181.894 25.5837 181.598C25.5837 181.142 25.4926 180.584 25.3103 179.923L26.3083 179.663C26.5089 180.328 26.6091 180.957 26.6091 181.55C26.6091 181.563 26.6091 181.575 26.6091 181.584C26.6091 181.894 26.5772 182.176 26.5134 182.432C26.4542 182.687 26.3653 182.917 26.2468 183.122C26.1329 183.323 25.9871 183.5 25.8093 183.655C25.4812 183.938 25.0505 184.079 24.5173 184.079ZM30.5398 180.682C30.9363 181.611 31.1345 182.475 31.1345 183.272C31.1345 184.558 30.7494 185.572 29.9792 186.314C29.2136 187.062 28.0561 187.545 26.5066 187.764L26.2605 186.8C27.532 186.618 28.4913 186.237 29.1384 185.658C29.7856 185.084 30.1091 184.316 30.1091 183.354C30.1091 182.994 30.0613 182.621 29.9656 182.233C29.8744 181.841 29.7354 181.438 29.5486 181.023L30.5398 180.682ZM35.8923 183.587C35.8923 183.623 35.8901 183.662 35.8855 183.703C35.8855 183.74 35.8855 183.774 35.8855 183.806C35.8855 183.833 35.8832 183.86 35.8787 183.888C35.8787 183.915 35.8764 183.94 35.8718 183.963C35.8673 183.981 35.8627 183.999 35.8582 184.018C35.8582 184.031 35.8559 184.045 35.8513 184.059C35.8468 184.068 35.8422 184.077 35.8376 184.086H35.7146C34.8442 184.086 34.1947 183.849 33.7664 183.375C33.338 182.896 33.1238 182.17 33.1238 181.194V174.256H34.1492V181.181C34.1492 181.773 34.2813 182.224 34.5457 182.534C34.8145 182.844 35.211 182.999 35.7351 182.999H35.8376C35.8513 183.026 35.8627 183.081 35.8718 183.163C35.8855 183.241 35.8923 183.339 35.8923 183.457V183.587ZM42.1541 173.203L36.7742 175.397V174.639L42.1541 172.438V173.203ZM40.9167 181.249C41.3315 182.416 42.0196 182.999 42.9812 182.999H43.0769C43.1088 183.067 43.1248 183.22 43.1248 183.457V183.587C43.1248 183.847 43.1065 184.013 43.0701 184.086H42.9812C42.5255 184.086 42.1108 183.99 41.7371 183.799C41.3679 183.603 41.0375 183.309 40.7458 182.917L40.657 182.801L40.575 182.924C40.0782 183.699 38.825 184.086 36.8152 184.086H35.7693C35.6189 184.086 35.5095 184.047 35.4412 183.97C35.3728 183.892 35.3386 183.765 35.3386 183.587V183.457C35.3386 183.293 35.3728 183.177 35.4412 183.108C35.5095 183.035 35.6189 182.999 35.7693 182.999H36.8083C38.85 182.999 39.8731 182.541 39.8777 181.625C39.8777 181.151 39.6293 180.682 39.1326 180.217C38.408 179.542 37.7836 179 37.2595 178.59C36.7673 178.207 36.5212 177.785 36.5212 177.325C36.5212 177.193 36.5395 177.07 36.5759 176.956C36.6169 176.838 36.6762 176.726 36.7537 176.621C36.8083 176.553 36.8676 176.489 36.9314 176.43C36.9998 176.37 37.0727 176.318 37.1501 176.272C37.2322 176.222 37.321 176.179 37.4167 176.143L42.1472 174.263V175.37L37.5056 177.188L37.4783 177.202L37.321 177.264L37.4509 177.373C38.6404 178.367 39.5085 179.16 40.0554 179.752C40.4109 180.135 40.698 180.634 40.9167 181.249ZM43.5212 184.086H43.0017C42.8513 184.086 42.7419 184.047 42.6736 183.97C42.6052 183.892 42.571 183.765 42.571 183.587V183.457C42.571 183.293 42.6052 183.177 42.6736 183.108C42.7419 183.035 42.8513 182.999 43.0017 182.999H43.5212C44.2504 182.999 44.7517 182.922 45.0251 182.767C45.449 182.521 45.6609 182.072 45.6609 181.42C45.6609 181.16 45.6404 180.884 45.5994 180.593C45.5629 180.301 45.5059 179.998 45.4285 179.684L46.3787 179.451C46.4789 179.788 46.5541 180.119 46.6042 180.442C46.6544 180.766 46.6794 181.085 46.6794 181.399C46.6794 182.402 46.3923 183.12 45.8181 183.553C45.3396 183.908 44.574 184.086 43.5212 184.086ZM44.3552 177.175L45.2712 176.259L46.1941 177.182L45.2781 178.098L44.3552 177.175ZM57.0769 183.177C57.3959 183.181 57.6375 183.092 57.8015 182.91C57.9656 182.728 58.0431 182.466 58.0339 182.124C58.0294 181.846 57.9724 181.582 57.863 181.331C57.7491 181.071 57.5942 180.875 57.3982 180.743C57.2022 180.606 56.9698 180.536 56.7009 180.531C56.3637 180.527 56.0675 180.652 55.8123 180.907C55.557 181.158 55.3406 181.527 55.1628 182.015L55.1423 182.083L55.197 182.131C55.9945 182.828 56.6212 183.177 57.0769 183.177ZM60.2488 182.999C60.2852 183.063 60.3035 183.215 60.3035 183.457V183.587C60.3035 183.847 60.2852 184.013 60.2488 184.086H60.1599C59.6358 184.086 59.2211 183.847 58.9158 183.368L58.8269 183.231L58.738 183.375C58.574 183.648 58.3643 183.858 58.1091 184.004C57.8585 184.145 57.5623 184.225 57.2205 184.243C57.0518 184.252 56.8604 184.229 56.6462 184.175C56.432 184.116 56.1951 184.027 55.9353 183.908C55.7621 183.826 55.4568 183.651 55.0193 183.382C54.7367 183.213 54.4679 183.133 54.2126 183.143C53.8207 183.152 53.5359 183.457 53.3582 184.059C53.1804 184.656 53.0938 185.537 53.0984 186.704C53.0984 186.987 53.1007 187.262 53.1052 187.531C53.1143 187.8 53.1235 188.06 53.1326 188.311C53.1462 188.566 53.1645 188.81 53.1873 189.042H52.1345C52.0889 188.299 52.0662 187.511 52.0662 186.677C52.0662 185.022 52.2416 183.847 52.5925 183.149C52.9434 182.466 53.4083 182.078 53.9871 181.987L54.0417 181.98L54.0691 181.926C54.7162 180.276 55.5912 179.449 56.6941 179.444C57.045 179.444 57.3572 179.508 57.6306 179.636C57.9086 179.763 58.1524 179.959 58.3621 180.224C58.6264 180.547 58.8223 181.019 58.95 181.639C59.0457 182.081 59.1938 182.418 59.3943 182.65C59.5994 182.883 59.8546 182.999 60.1599 182.999H60.2488ZM60.6931 184.086H60.1736C60.0232 184.086 59.9138 184.047 59.8455 183.97C59.7771 183.892 59.7429 183.765 59.7429 183.587V183.457C59.7429 183.293 59.7771 183.177 59.8455 183.108C59.9138 183.035 60.0232 182.999 60.1736 182.999H60.6931C61.4223 182.999 61.9236 182.922 62.197 182.767C62.6208 182.521 62.8328 182.072 62.8328 181.42C62.8328 181.16 62.8123 180.884 62.7712 180.593C62.7348 180.301 62.6778 179.998 62.6003 179.684L63.5505 179.451C63.6508 179.788 63.726 180.119 63.7761 180.442C63.8263 180.766 63.8513 181.085 63.8513 181.399C63.8513 182.402 63.5642 183.12 62.99 183.553C62.5115 183.908 61.7458 184.086 60.6931 184.086ZM62.3748 186.424L63.2908 185.508L64.2068 186.431L63.2976 187.347L62.3748 186.424ZM60.1531 186.424L61.0623 185.508L61.9851 186.431L61.0691 187.347L60.1531 186.424ZM69.4431 182.726C69.7986 182.612 70.0948 182.425 70.3318 182.165C70.5733 181.905 70.7511 181.579 70.865 181.188C70.9835 180.796 71.0427 180.338 71.0427 179.813V174.256H72.0613V180.436C72.0613 181.274 72.2003 181.912 72.4783 182.35C72.7608 182.783 73.1824 182.999 73.7429 182.999H73.8933C73.9298 183.063 73.948 183.215 73.948 183.457V183.587C73.948 183.847 73.9298 184.013 73.8933 184.086H73.6472C72.4988 184.086 71.7833 183.596 71.5007 182.616L71.446 182.411L71.323 182.582C70.6029 183.571 69.3565 184.065 67.5837 184.065C67.0095 184.065 66.5356 184.036 66.1619 183.977V182.91C66.8728 182.997 67.5723 183.017 68.2605 182.972L68.3904 182.958L68.3562 182.842C67.9825 181.557 67.5678 180.283 67.1121 179.021C66.6563 177.754 66.1596 176.498 65.6218 175.254L66.6062 174.707C67.7045 177.382 68.6046 180.032 69.3064 182.657L69.3406 182.76L69.4431 182.726ZM79.7244 180.032C79.1729 179.604 78.6261 179.39 78.0837 179.39C77.9288 179.39 77.783 179.401 77.6462 179.424C77.5141 179.442 77.3865 179.474 77.2634 179.52C77.1404 179.561 77.0242 179.615 76.9148 179.684C76.81 179.747 76.7143 179.823 76.6277 179.909C76.4545 180.078 76.3246 180.267 76.238 180.477C76.1925 180.581 76.1583 180.691 76.1355 180.805C76.1173 180.919 76.1082 181.039 76.1082 181.167C76.1082 181.814 76.4841 182.315 77.2361 182.671C77.2452 182.675 77.2657 182.687 77.2976 182.705C77.3341 182.723 77.3546 182.732 77.3591 182.732C77.3637 182.732 77.3819 182.737 77.4138 182.746C77.4503 182.755 77.4731 182.753 77.4822 182.739L80.3328 182.049V183.102C78.2 183.758 76.238 184.086 74.447 184.086H73.8181C73.6677 184.086 73.5583 184.047 73.49 183.97C73.4216 183.892 73.3875 183.765 73.3875 183.587V183.457C73.3875 183.293 73.4216 183.177 73.49 183.108C73.5583 183.035 73.6677 182.999 73.8181 182.999H75.6843H75.7322H75.9646L75.8074 182.821L75.78 182.787C75.7481 182.76 75.7208 182.73 75.698 182.698C75.6889 182.689 75.6798 182.68 75.6707 182.671C75.6661 182.662 75.6615 182.655 75.657 182.65C75.6524 182.641 75.6456 182.632 75.6365 182.623C75.6319 182.614 75.6251 182.607 75.616 182.603C75.5932 182.571 75.5704 182.539 75.5476 182.507C75.5385 182.493 75.5294 182.482 75.5203 182.473C75.5157 182.464 75.5089 182.454 75.4998 182.445C75.4952 182.432 75.4884 182.42 75.4792 182.411C75.2377 182.028 75.1192 181.591 75.1238 181.099C75.1283 180.374 75.3243 179.768 75.7117 179.28C75.78 179.198 75.8529 179.118 75.9304 179.041C76.0125 178.964 76.099 178.893 76.1902 178.829C76.2813 178.761 76.3793 178.699 76.4841 178.645C76.8852 178.426 77.3591 178.319 77.906 178.323C78.1293 178.323 78.3412 178.344 78.5417 178.385C78.7468 178.421 78.9405 178.476 79.1228 178.549C79.3051 178.622 79.476 178.713 79.6355 178.822C79.7996 178.927 79.9545 179.05 80.1003 179.191L79.7244 180.032Z" + />
    @@ -857,7 +909,8 @@

    درخت تحلیل نحوی

    اجازه‌نامه