From 244d2d2f1f28067aaa3cc1c62b9793eeb16c33ad Mon Sep 17 00:00:00 2001 From: Omer Said Bayhan Date: Wed, 22 Jul 2026 12:49:36 +0300 Subject: [PATCH 1/2] Fix Turkish text formatting and punctuation --- spacy/lang/tr/examples.py | 8 ++++---- 1 file changed, 4 insertions(+), 4 deletions(-) diff --git a/spacy/lang/tr/examples.py b/spacy/lang/tr/examples.py index c96e5403254..928e7f46c32 100644 --- a/spacy/lang/tr/examples.py +++ b/spacy/lang/tr/examples.py @@ -9,12 +9,12 @@ "Neredesiniz?", "Bu bir cümledir.", "Sürücüsüz araçlar sigorta yükümlülüğünü üreticilere kaydırıyor.", - "San Francisco kaldırımda kurye robotları yasaklayabilir." + "San Francisco kaldırımda kurye robotları yasaklayabilir.", "Londra İngiltere'nin başkentidir.", "Türkiye'nin başkenti neresi?", "Bakanlar Kurulu 180 günlük eylem planını açıkladı.", "Merkez Bankası, beklentiler doğrultusunda faizlerde değişikliğe gitmedi.", - "Cemal Sureya kimdir?", - "Bunlari Biliyor muydunuz?", - "Altinoluk Turkiye haritasinin neresinde yer alir?", + "Cemal Süreya kimdir?", + "Bunları Biliyor muydunuz?", + "Altınoluk Türkiye haritasının neresinde yer alır?", ] From 54bada32e1fc8eabfceb354e6b1a858d2152e34c Mon Sep 17 00:00:00 2001 From: Omer Said Bayhan Date: Wed, 22 Jul 2026 14:33:18 +0300 Subject: [PATCH 2/2] Add tokenizer exceptions for Turkish abbreviations --- spacy/lang/tr/tokenizer_exceptions.py | 26 ++++++++++++++++++++++++++ 1 file changed, 26 insertions(+) diff --git a/spacy/lang/tr/tokenizer_exceptions.py b/spacy/lang/tr/tokenizer_exceptions.py index d095a3d0e0b..f81d8428ab5 100644 --- a/spacy/lang/tr/tokenizer_exceptions.py +++ b/spacy/lang/tr/tokenizer_exceptions.py @@ -34,9 +34,15 @@ {ORTH: "bştbp.", NORM: "baştabip"}, {ORTH: "Bul.", NORM: "bulvarı"}, {ORTH: "bul.", NORM: "bulvarı"}, + #-------------------------------------- {ORTH: "Cad.", NORM: "caddesi"}, {ORTH: "cad.", NORM: "caddesi"}, + {ORTH: "Cm.", NORM: "santimetre"}, + {ORTH: "cm.", NORM: "santimetre"}, + {ORTH: "Da.", NORM: "daire"}, + {ORTH: "da.", NORM: "daire"}, {ORTH: "çev.", NORM: "çeviren"}, + #-------------------------------- {ORTH: "Çvş.", NORM: "çavuş"}, {ORTH: "çvş.", NORM: "çavuş"}, {ORTH: "dak.", NORM: "dakika"}, @@ -57,8 +63,12 @@ {ORTH: "Fak.", NORM: "fakültesi"}, {ORTH: "Gn.", NORM: "genel"}, {ORTH: "Gnkur.", NORM: "Genelkurmay"}, + #------------------------------------- {ORTH: "Gn.Kur.", NORM: "Genelkurmay"}, + {ORTH: "Gb.", NORM: "gigabayt"}, + {ORTH: "gb.", NORM: "gigabayt"}, {ORTH: "gr.", NORM: "gram"}, + #------------------ {ORTH: "Hst.", NORM: "hastanesi"}, {ORTH: "hst.", NORM: "hastanesi"}, {ORTH: "Hs.Uzm."}, @@ -74,20 +84,36 @@ {ORTH: "Jeol.", NORM: "jeoloji"}, {ORTH: "jeol.", NORM: "jeoloji"}, {ORTH: "Korg.", NORM: "korgeneral"}, + #--------------------------------- + {ORTH: "Kat.", NORM: "kat"}, + {ORTH: "kat.", NORM: "kat"}, + {ORTH: "Kg.", NORM: "kilogram"}, + {ORTH: "kg.", NORM: "kilogram"}, + {ORTH: "Km.", NORM: "kilometre"}, + {ORTH: "km.", NORM: "kilometre"}, {ORTH: "Kur.", NORM: "kurmay"}, {ORTH: "Kur.Bşk."}, + #------------------------------- {ORTH: "Kuv.", NORM: "kuvvetleri"}, {ORTH: "Ltd.", NORM: "limited"}, {ORTH: "ltd.", NORM: "limited"}, + #--------------------------------- {ORTH: "Mah.", NORM: "mahallesi"}, {ORTH: "mah.", NORM: "mahallesi"}, + {ORTH: "Mb.", NORM: "megabayt"}, + {ORTH: "mb.", NORM: "megabayt"}, {ORTH: "max.", NORM: "maksimum"}, + #-------------------------------- {ORTH: "min.", NORM: "minimum"}, {ORTH: "Müh.", NORM: "mühendisliği"}, {ORTH: "müh.", NORM: "mühendisliği"}, {ORTH: "M.Ö."}, + #------------------- {ORTH: "M.S."}, + {ORTH: "No.", NORM: "numara"}, + {ORTH: "no.", NORM: "numara"}, {ORTH: "Onb.", NORM: "onbaşı"}, + #------------------------------ {ORTH: "Ord.", NORM: "ordinaryüs"}, {ORTH: "Org.", NORM: "orgeneral"}, {ORTH: "Ped.", NORM: "pedagoji"},