Softanza
DémarrerEnglish
Softanza
DémarrerEnglish
Référence · Langage et intelligence

Traitement du langage et linguistique

34 fonctions dans 26 classes, groupées par ce qu'elles font, chacune avec l'explication que la bibliothèque donne d'elle-même.

Le récit de ce domaine, pour un lecteur général : ce qu'un artisan en fait, un exemple exécuté et ses couloirs notés, est sur sa page de la Plateforme.

Les fonctions, par ce qu'elles font

Tester et vérifier

  • IsNegative TRUE if the sentiment score is -0.05 or below. dans stzText
    exemple composé
    o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? o1.IsNegative()
#--> 0
    composé à partir de la signature, exécuté pour cette page
  • IsPositive TRUE if the sentiment score reaches +0.05. dans stzText
    exemple composé
    o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? o1.IsPositive()
#--> 1
    composé à partir de la signature, exécuté pour cette page
  • IsStopword TRUE if the text is a stopword. dans stzText
    exemple composé
    o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? o1.IsStopword()
#--> 0
    composé à partir de la signature, exécuté pour cette page
  • HasSynonyms wordnet (synonyms + hypernyms) dans stzText
    exemple composé
    o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? o1.HasSynonyms()
#--> 0
    composé à partir de la signature, exécuté pour cette page
  • IsSynonymOf wordnet (synonyms + hypernyms) dans stzText
    exemple composé
    o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? o1.IsSynonymOf("an")
#--> 0
    composé à partir de la signature, exécuté pour cette page
  • HasSemanticModel Upgrades text similarity from lexical bag-of-words to true MEANING via a runtime neural model (load one process-wide with StzNeuralModelQ(path)). With no model loaded these degrade gracefully to the lexical path, so code keeps working and auto-improves once a model is present. TRUE if a runtime embedding model is loaded and ready. dans stzText
    exemple composé
    o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? o1.HasSemanticModel()
#--> 0
    composé à partir de la signature, exécuté pour cette page
  • IsSemanticallySimilarTo semantic layer (neural embeddings) dans stzText
    exemple composé
    o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? o1.IsSemanticallySimilarTo("an", 2)
#--> 0
    composé à partir de la signature, exécuté pour cette page
  • Is copula, CLOSING form: "What the first char of Haro IS" dans stzQuestion
  • IsAQ "Suppose X IS A fruit" -- records the assumption in the overlay dans stzSupposition

Compter et mesurer

  • NumberOfWords vocabulary & frequency dans stzCorpus
    exemple composé
    o1 = new stzCorpus("seed document about cats")
? o1.NumberOfWords()
#--> 4
    composé à partir de la signature, exécuté pour cette page
  • NumberOfDocumentsWith TF-IDF (the vectorizer feeding the ML floor) dans stzCorpus
    exemple composé
    o1 = new stzCorpus("seed document about cats")
? o1.NumberOfDocumentsWith("an")
#--> 0
    composé à partir de la signature, exécuté pour cette page
  • NumberOfQ NO mid-chain IsQ() and NO NotQ() -- both were linguistically wrong (author's ruling): the sentence-initial IsQ() IS the fronted copula (subject-aux inversion), so a second one doubles it; and English negates comparisons with ANTONYM comparators (DifferentFromQ), predicates with negative FORMS (IsNot*/DoesNot*), and questions with the TAG ("..., or not?" -> OrNot()). "the NUMBER OF <noun>" as a constituent: count mode for this side dans stzQuestion

Remplacer et modifier

  • SetWord construction (the parser builds bottom-up) dans stzParseTree
  • SetApproximate Label agreement measured 1.000 in both rows above -- on separable data the vote absorbed every neighbour the forest missed. Do not read that as a guarantee; read it as the reason AgreementWithExact() takes YOUR queries. dans stzKnn
  • SetApproximateTrees More trees, better recall, bigger index and a slower build. dans stzKnn
  • SetApproximateBudget Candidates examined per query before the true distances decide. 0 lets the engine scale it from k. This is the recall dial. dans stzKnn
  • SetChainToReturn controlling chain process dans stzChainOfTruth

Retirer

  • WithoutStopwords The text with the stopwords removed. dans stzText
    exemple composé
    o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? o1.WithoutStopwords()
#--> Alice met Bob Paris weather fine
    composé à partir de la signature, exécuté pour cette page
  • StripEdgePunct A word without clinging trailing punctuation ("empty?" -> "empty"). BYTE-based whole-mark matching (StzLeft/StzRight take byte counts while StzLen counts codepoints -- mixing them mangles multibyte words; exact byte-suffix comparison is UTF-8-safe). dans stzNaturalEngine
    exemple composé
    o1 = new stzNaturalEngine("en", "", [], "")
? o1.StripEdgePunct("a")
#--> a
    composé à partir de la signature, exécuté pour cette page

Ajouter

Découper et extraire

  • ExtractParamsBackward VERB-FINAL grammar: the parameters precede their verb ("'.'" instead- of "'_'" put). Walk backward to the previous action/creation boundary collecting unconsumed literals, keep the LAST nParamCount in textual order, and mark them consumed so no later verb re-grabs them. dans stzNaturalEngine
  • Split deterministic head/tail split -- [ oTrain, oTest ] dans stzTrainingSet

Convertir

  • ParseTree part-of-speech tagging (penn treebank) dans stzText
    exemple composé
    o1 = new stzText("Alice met Bob in Paris. The weather was fine.")
? o1.ParseTree()
#--> (S (NP Alice/NNP) (VP met/VBD (NP Bob/NNP) (PP in/IN (NP Paris/NNP))) (NP The/DT weather/NN) (VP was/VBD) fine/JJ)
    composé à partir de la signature, exécuté pour cette page
  • ToBracket rendering ------------------------------------------------------------ Penn Treebank bracket notation (leaves as word/TAG) dans stzParseTree
    exemple composé
    o1 = new stzParseTree("S")
? o1.ToBracket()
#--> /S
    composé à partir de la signature, exécuté pour cette page
  • ToTreeString an indented, human-readable tree dans stzParseTree
    exemple composé
    o1 = new stzParseTree("S")
? o1.ToTreeString()
#--> /S
    composé à partir de la signature, exécuté pour cette page
  • ParseTreeWithQ custom cascade: paGrammar = [ [ label, "TAG-pattern" ], ... ] dans stzText
  • ToGraph the learned model as a REAL stzGraph: decision nodes + labeled value edges + leaf nodes -- queryable like any other graph dans stzDecisionTree

Afficher, dessiner et mettre en forme

  • ShowTagged Print each word with its part-of-speech tag. dans stzText
  • ShowEntities Print the named entities found in the text. dans stzText
  • ShowSentiment Print the sentiment of each sentence. dans stzText

Lire et écrire

  • LoadFrom persistence (*.zdlm -- SELF-CONTAINED) --------------------------------- (extension ruling 2026-07-14: Softanza formats are z + a short abbreviation -- .zdlm, .zknw, .zcnv, .zrlz) LOAD the bundle back INTO this DLM -- the mirror of Save(), and the object's OWN act (named LoadFrom: 'Load' collides with Haro's keyword). dans stzDLM
  • ExportNeuralGguf export the trained neural rung as a real .gguf (the Foundry artifact) dans stzDLM
  • ExportToGguf R4 step 8 -- GGUF EXPORT: the trained network written in the format neural/ reads (arch 'stz-mlp'; tensors blk.N.weight [units x prev] row-major + blk.N.bias). Softanza writes what it reads -- the foundry's artifact loop closes. dans stzNeuralNetwork

Parcourir et appliquer

  • FilterByTypeQ Cuts the entities of one type into their own list -- an OBJECT, hence Q. For the plain data, EntitiesOfType() already answers. dans stzListOfEntities

Les explications sont celles que la bibliothèque donne d'elle-même, en anglais, lues dans ses commentaires de documentation le 2026-10-01 04:14, from the library at commit 0e72e2e2c, by the library's own stzSelfDoc over 635 class sources.

Les classes de ce domaine

Les narrations sur ce domaine