Skip to content

Releases: p14jeffwest/madi-release

madi 맞춤법 검사 - VS Code 확장 0.3.0

Choose a tag to compare

@p14jeffwest p14jeffwest released this 18 Oct 02:03
3740ad8

madi 맞춤법 검사 — VS Code 확장 0.3.0

madi(마디) 형태소 분석기 위에서 띄어쓰기·맞춤법·오타를 검사하는 VS Code 확장입니다. 지적마다 한글 맞춤법 조항과 설명을 함께 보여 주고, 빠른 수정으로 교정안을 적용합니다. markdown·plaintext 문서를 검사합니다.

내려받기 — 자기 플랫폼 파일 하나

플랫폼 파일
Windows (x64) madi-spell-0.3.0-win32-x64.vsix
macOS (Apple Silicon) madi-spell-0.3.0-darwin-arm64.vsix
macOS (Intel) madi-spell-0.3.0-darwin-x64.vsix
Linux (x64) madi-spell-0.3.0-linux-x64.vsix
Linux (arm64) madi-spell-0.3.0-linux-arm64.vsix

설치

  • VS Code → 확장 패널 오른쪽 위 … → Install from VSIX… → 받은 파일
  • 또는 명령줄: code --install-extension madi-spell-0.3.0-win32-x64.vsix

처음 markdown·텍스트 파일을 열면 모델(사전·언어 모델)을 받을지 묻습니다. 받기를 누르면 55 MB 를 받아 풀어 둡니다(약 204 MB, sha256 확인). Python 패키지 madipy 와 같은 자리를 쓰므로 한쪽에서 받았으면 다시 받지 않습니다. 모델 파일은 CC BY-SA 2.0 KR 입니다 — 국립국어원 모두의 말뭉치·우리말샘 활용(LICENSE-MODELS.txt).

0.3.0 에서 바뀐 것

  • 분석 엔진을 madi 0.2 와 같은 판(3p 가중 + 전후향 가지치기)으로 바꿨습니다. 검출은 같은 수준이고 맞는 문장을 고치는 일이 줄었으며 약 20% 빠릅니다.
  • 모델 자동 내려받기, 플랫폼별 패키지(검사 서버 동봉), 상태 표시줄의 판본·모델 경로 보기.
  • 엄격도 설정 madi.strictness: normal(편집기 기본) · thorough(문서 교정).
  • 내 단어 두 층: 전역 ~/.madi/words.txt → 작업 영역 .madi/words.txt.

이용 조건

검사기는 바이너리로만 배포합니다. 개인·교육·연구·업무 문서 작성에 무료로 쓸 수 있습니다. 조건 전문은 확장 안의 LICENSE.txt 를 보세요.

madi 모델 kword5

Choose a tag to compare

@p14jeffwest p14jeffwest released this 17 Oct 09:18

madi 모델 kword5 (2026-10-17)

  • 사전 decdb, KnLM K2a, 신경망 LM(LBL), 정밀 모드 교사 384×6. 엔진 기본 설정: 점수 가중 3p, 전후향 가지치기 11, 정밀 τ 2.0·λ 0.3
  • 엔진 판본 문자열: 0.1.0+decdb.r3p.f11.k838c.n15e6.s0968… (모델·설정이 같은지 확인용)
  • Python: pip install madipy 후 madi.Analyzer() 가 자동으로 받습니다 (기본 3개 87 MB, 정밀 모드 +27 MB).
  • 손으로 받았다면 .xz 를 풀어 한 폴더에 두고 madi.Analyzer('madi.dict', lm='knlm.bin', nlm='model.nlm').
  • Rust: cargo add madi / cargo install madi-cli — 모델 경로를 직접 줍니다.

이용 조건

모델·사전 파일은 CC BY-SA 2.0 KR. 국립국어원 모두의 말뭉치(형태 분석 말뭉치 2018~2020, 형태 분석 말뭉치 2025, 어휘 의미 분석 말뭉치 2020)와 우리말샘을 활용하였음(국립국어원 공개 승인 2026-10-17). 말뭉치 원문을 담거나 복원할 수 없는 통계·가중치임. 신문 기사 원문으로 자기 라벨 학습.

  • 사전은 mecab-ko-dic(Apache-2.0) 기반.
  • 전문·출처 표시 예: 함께 올린 LICENSE-MODELS.txt. 학습 입력 목록: 저장소의 MODEL-PROVENANCE.md.
  • 프로그램(코드)은 MIT 또는 Apache-2.0.