biblissima / collatinus Goto Github PK

Cf. ce commentaire, certains i consonnes ne sont jamais notés j, il faut pourtant pouvoir les identifier dans le lexique afin de les scander correctement. Cela pourrait se faire avec la lettre ı.

Dans 10.3, le 2e i d'illius était commun, comme dans le Cart-Grimal p. 36, §65.
Maintenant, il est devenu bref.
Il faudrait probablement vérifier toutes les désinences...

Collatinus 10.3 introduit les notions de désinences rares (mises entre parenthèses) et v-phage (commençant par -), c'est à dire qu'elle supprime le v du parfait. Si je comprend bien, le deuxième n'a plus de raison d'être avec le nouveau système de modèle, mais le premier pourrait être utile ?

Philippe a créé une grande extension au lexique, disponible sur collatinus-10-data, il faut :

• la relire entièrement
• la convertir dans le nouveau format du lexique
• pouvoir l'intégrer optionnellement à Collatinus

Hieronymous (et Hierusalem, etc.) est un cas assez particulier car ils est écrit "Hieronymus" dans les graphies ramistes (noté Hĭĕrōnўmus dans le Gaffiot et Hĭĕrōnymus dans le L&S), et pourtant, au en latin liturgiques, il est prononcé avec un premier i consonne, et donc devrait théoriquement être écrit "Hjeronymus" (qui est assez moche). Pedecerto donne un (seul) exemple de Hieronymus avec un i voyelle et 0 avec un i consonne, donc on peut penser que les deux existent. La question est : comment faire pour qu'une personne que seul le latin ecclésiastique intéresse puisse ne trouver que Hjeronymus et jamais Hieronymus ?

Collatinus 10.3 offre la possibilité de débarasser un texte de ses accents (aigus, breve macron), ce qui est assez pratique. J'aurais tendance à le faire automatiquement (comme pour œ et æ), mais je vous laisse voir, dans la 10.3 c'est une action dans le menu.

(ces tickets viennent d'un retour que j'ai eu d'un moine) En essayant d'accentuer Alleluia, on tombe sur une forme un peu bizarre : Alˌleˌlúˌia (Alˌléˌluja) qui contient deux erreurs :

• la première, facile, est qu'il manque une virgule avant le j dans la forme entre parenthèses
• la deuxième est que je ne comprend pas la première forme:
  • si c'est un vraiment un i, il manque une virgule entre le i et le a
  • mais je ne crois pas que ce soit un i... on trouve cela dans le Gaffiot (2016), mais ça semble être une erreur, le L&S donne bien un j... qu'en pensez-vous ?

Beaucoup de voyelles n'ont pas d'indication de longueur dans l'extension du lexique, il faudrait faire en sorte que Collatinus ne soit pas trop perdu quand il tombe sur ces cas. Cf ce commentaire et les suivants

Je vous propose de mettre Qt en mode debug pour pouvoir réparer des bugs dans le code, il y en a pas mal qui apparaissent...

Ce serait assez pratique de se mettre d'accord sur un style et de pouvoir formatter le code automatiquement. Dans le style actuel il y a un mélange de tabs et de blocs de 4 espaces. Je propose de passer tout le code à clang-format en lui disant d'indenter avec 4 espaces, qu'en pensez-vous ?

Pour l'instant, V n'est pas déramisé en U, cela pose un problème pour reconnaître Vlixes. La ligne est commentée dans Ch::deramise, il faudrait comprendre pourquoi

Une très gande quantité de termes médiévaux apparaissent dans le DuCange mais ne sont pas reconnus par Collatinus, il faudrait pouvoir les importer. Parmi eux :

• solemniis
• animabus
• benesonantibus
• confixit
• cordium
• damnarant
• deduc
• exquisierunt
• finem
• idipsum
• jubilos
• languentum
• lingent
• meipso
• necnon
• nitis
• partibor
• parturiit
• pellicano
• perduc
• perfulgidos
• plebium
• prudentum
• præambula
• præest
• renuerunt
• scatuere
• seipsum
• unicuique
• abbas
• abiectio
• affectu
• analogium
• annuntiabit
• anteriores
• breviandum
• centesimus
• considerationem
• Dominico
• Duodecimus
• Ecclesia
• extremitate
• feria
• humilians
• humiliasti
• humiliatus
• hymnum
• Incurvatus
• inserviatur
• labia
• linguosus
• litania
• memoriter
• memoriter
• monachus
• monasterii
• multiloquio
• naturaliter
• nihilum
• octogesimus
• operarium
• opprobrium
• oratorio
• parvissimo
• pausetur
• perdicto
• psalmodiae
• rationabilia
• regula
• responsoria
• responsorium
• responsorius
• sabbatorum
• satisfaciat
• scamnis
• scandalorum
• septuagesimus
• sollemnitas
• supradictas
• suprascripto
• temperius
• tricesimus
• uermis
• unumquemque
• usquequaque
• vespertina

supprimer les parenthèses ouvrantes dans le participe et les génétifs, et le point d'exclamation dans le lemme

concustōdĭo=cōncūstōdĭo|audio|cōncūstōdīv|cōncūstōdī(|is, ire, iui, itum|2
Aether2=Āethĕr|miles|Āetheris (er||eris (eros), m.|1
Phĭlŏchărēs2|miles|Phĭlŏchărētis (||ētis (is), m.|1
ho!|inv|||interj.|1

suggestions

concustōdĭo=cōncūstōdĭo|audio|cōncūstōdīv|cōncūstōdī|is, ire, iui, itum|2
Aether2=Āethĕr|miles|Āetheris||eris (eros), m.|1
Phĭlŏchărēs2|miles|Phĭlŏchărētis||ētis (is), m.|1
ho|inv|||interj.|1

Dans la version 10.3, @PhVerkerk a développé un module d'accentuation comprenant plusieurs fonctionnalités :

• accentuation et césure dans l'interface de scansion, en cliquant sur le bouton alpha (certainement à changer)
• fenêtre d'option de l'accentation/césure
• possibilité, depuis l'interface de Collatinus, de charger un fichier contenant des exceptions aux césures, dans un format à documenter

Ce serait pratique si Collatinus pouvait transformer automatiquement æ en ae et œ en oe, pour pouvoir analyser des textes médiévaux directement

Dans le modèle ille, la ligne "des:16,28,40:0:ī̆ŭs" était inutile, puisque le i du génitif est déjà commun dans le modèle "unus", qui est le père du modèle ille.
La ligne qui suit "des+:15,18,21,25,27,42:1:ūnc;ōc;ōscĭnĕ;āec;ānc;ōc" a des effets dévastateurs sur le tableau de flexion. Quand elle est commentée, j'obtiens un tableau de flexion qui ressemble à celui que je trouve dans le Cart-Grimal. Quand elle ne l'est pas, j'obtiens un accusatif masculin "īllūnc" et un ablatif "īllōc", conformes aux deux premiers items de la liste. Sauf que les formes normales "īllŭm" et "īllō" ont disparu. Comme si le "des+:" était interprété comme un "des:".
Une erreur liée aux derniers merge ?

Pour une raison obscure, le a des formes de do, dare est presque toujours bref, contrairement à celui d'amo, amare qui est presque toujours long. Il reste long dans das (indicatif présent) et da (impératif présent), ainsi que dans tous les cas où il est entravé : dant, dantur [...], dans, dantis et autres dandus.
Dans Collatinus 10.2 nous avions un patch qui reconnaissait les composés de do, dare. Dans Collatinus 11, il doit avoir son propre modèle.

les duplications de mots suivantes semblent inutiles dans lemmes.la :

dĭpundius=dĭpūndĭus,dĭpūndĭus|filius|||i, m.|1
Tmōlus=Tmōlus,Tmōlus|lupus|||i, m.|7
vulnus=vūlnŭs,vūlnŭs|corpus|vūlnĕr,vōlnĕr||ĕris, n.|400

on les trouvent avec le motif de recherche \w+=(\w+),\1\b

Under the entry 'infans' in modeles.la we see:

modele:infans
pere:fortis
des:37-39:1:ns
des+:18,30,42:1:ē
des+:22,34,46:1:ŭm3

Attempting to decline this in Collatinus 11.2 gives the neut. sing. n/v/a forms infantns, instead of expected infans

from what I can gather from the code, Root 1 is usually the stem form given in lemmes.la (i.e. here infant)
Either this should be "0:ns" (which the model infans should inherit from its model fortis as 2:0 (remove two characters, add nothing))
or it should be a "4:" (which it would inherit from fortis as K:)

Lorsque l'on clique sur un mot avec le dock scansion ouvert, sa scansion apparaît, mais tout résultat préexistant est effacé.

Collatinus devrait pouvoir reconnaître des formes agglutinées comme

• usquequo
• quousque
• noniam
• etenim
• enimuero
• attamen

etc. peut-être dans une liste à part (aggl.la) ?

The usual neuter form of complures is complura, but this form is not recognized by Collatinus.

Il faudrait pouvoir avoir un indice de rareté ou de fréquence sur les lemmes ou les radicaux, cela permettrait d'éliminer des formes très rares. Il faudrait également pouvoir redéfinir la rareté d'un lemme ou d'un radical dans un lexique personnalisé.

Beaucoup de termes de vocabulaire liturgique (principalement des noms propres) sont absents de Collatinus. Les sources pour cela sont la Nova Vulgata, les hymnes. Certains sont archi courants même en dehors du contexte liturgique :

• Abrahæ (gen. de Abraham)
• Jesus (declinaison)
• Abiram
• Abstergat
• Abstergit
• Adesto
• Adæ
• Agareni
• Agie
• Alberte
• Alberti
• Aleph
• Alleluia
• Ambrosianum
• Amen
• Amorræorum
• antiphona
• Apocalypsis
• Apostoli
• Artubus
• Baalphegor
• Basan
• Bertrandi
• Beth
• Caph
• Catharina
• Catharinæ
• catholicis
• Cison
• Collisor
• Coph
• Daleth
• Dathan
• Educ
• eleison
• Endor
• Ephratha
• Evangelia
• Ferrerii
• Franciscus
• Fœno
• Galaad
• Gebal
• gehennae
• Ghimel
• Gorgomiensi
• Hermon
• Hermonim
• Herodem
• Horeb
• Hungaria
• Hæresum
• Iaar
• Iabin
• Increpasti
• Iod
• Jerusalem
• Joachim
• Joelis
• Kyrie
• Lamed
• Limana
• Ludovicus
• Magdalæ
• Melchisedech
• Mem
• Mementote
• Meriba
• Misar
• Mosaico
• Mosoch
• Nun
• Og
• Omega
• Oreb
• orthodoxis
• Pascha
• Phe
• Phinees
• Plusquam
• Politiano
• Porres
• Propheta
• psalmus
• psalterii
• Rahab
• Raymundus
• Ricciis
• Sade
• Salmana
• Samech
• Sarion
• Sehon
• Selmon
• Sichimam
• Succoth
• Taneos
• Teresa
• Teresiæ
• Teth
• Trinitatis
• Vau
• Zain
• Zeb
• Zebee
• Zelosus

Les mots suivants:

• jusjurandum
• respublica
• paterfamilias
• meipse
• teipse
• seipse

devraient pouvoir être déclinés par collatinus

Voici les différences entre les désinences de la 10.3 et de la 11 : diff.txt

• ajout des modèles facile, humiliter, acriter
• utilisation des nouveaux modèles dans lemmes.la
• utilisation des nouveaux modèles dans lem_ext.la
• ajout des formes de aio
• degrés irréguliers des adjectifs en ilis

Hi there, it would be possible to add a feature to:

1. Mark long vowels, eg scripsi » scrīpsī (or, if preferred, scrípsí); and optionally
2. Find and mark text that is ambiguous, eg puella vs puellā; or mala vs māla

The second of these is less important, but it seems the first of these would be quite easy. Also apologies if Collatinus does this and I have misunderstood.

D'après PyCollatinus, les formes et lemmes suivant-e-s sont inconnu-e-s :

Certaines formes ont une ambiguïté sur le fait qu'elles portent ou non une enclitique. Actuellement elles sont reconnues comme n'en portant pas, mais li faudrait pouvoir lister ces cas dans Collatinus, par exemple :

• quoque
• ave
• atque
• denique
• Iove
• itaque
• neque
• neve
• quisque
• salve
• sive
• suave
• ubique
• uterque

Pour éviter de scander voluit en vŏlŭĭt (vōlvĭt), nous comptions les v dans la forme d'origine (éventuellement ramiste) pour ne pas proposer volvo comme lemmatisation de voluit. À partir du moment où on convertit les æ en ae, il faudrait le faire aussi pour ces diphtongues. Pas critique pour œ, mais peut éviter la confusion Æneas aeneas, comme pour voluit volvit.

[copy also sent via email]

Hello,

Je vous présente mes excuses de vous écrire en anglais, mais ma
grammaire française est horrible. Néanmoins, j'arrive assez bien à la
lecture, alors n'hésitez pas à répondre en français si vous voulez :)

I have encountered some bugs while using Collatinus for OSX 11.1 full.
I have been using the TCP server with a custom python wrapper with the
statistical tagger. Overall, it works very well, and I have tagged
~1.8million sentences. However, certain words cause the server to go
into what looks like an infinite loop (100% CPU utilisation, does not
respond correctly to further tagging requests).

Based on experimentation, I think the main issues are with
abbreviations. Here is the list of words I have discovered so far:

Cn, Sex, Post, Pro, Cap, Ser, Oct, Ap, Kal, Tib, St, Pl

You should be able to replicate the issue by sending a remote tag
request with the client. eg:

/Applications/Collatinus_11.1.app/Contents/MacOS/Client_C11 -P3 "Ap"

Please let me know if you would like any more information. I'd be
happy to test any updated builds on my dataset.

Thankyou for the software!

Il faut vérifier mais il semblerait que lors du partage des lemmes.* après le travail sur les textes du LASLA. Les traductions en anglais n'aient pas suivi. Les chiffres que donne alpheios sont clairs :
9889 words Collatinus translation for eng
57769 words Collatinus translation for eng (Extension)
23912 words Collatinus translation for fre
57783 words Collatinus translation for fre (Extension)
9905 words Collatinus translation for por

Je ne dis pas que nous devrions avoir 23912 traductions en anglais, mais le 9889 indique clairement que lemmes.en n'a pas suivi la migration des lemmes de lem_ext.la dans lemmes.la
Il faut retrouver où et quand ça s'est fait.

Bonjour,

Depuis passage à Windows 11, dans la version PC, certains boutons ne sont plus visibles. Par exemple, le bouton "Lemmatiser".

• Est-ce un pb connu avec Windows11 ?
• Y a-t-il une solution ? ...
  Merci !

Hi,
I would like to decompress the .col files (the dictionaries), but I have not found the proper format they are in. Could you please help me with that?
Thanks.
Nicolas Vaughan

La flexion de sum contient des formes commençant par une consonne et d'autres commençant par une voyelle. Le préfixe peut alors changer.
Pour les composés de sum, nous avions, dans la 10.2, introduit un 3e radical qui correspond à la forme du préfixe devant une voyelle. Ces radicaux ont subsisté dans le changement de format :
possŭm=pōssŭm|possum|pŏtŭ|pŏt|potes, posse, potui
praesŭm=prāesŭm|sum|prāefŭ|prăe|es, esse, fui
Mais ils n'ont pas été utilisés (ou je ne l'ai pas vu) dans les modèles. En particulier, la scansion de potest donne pōtēst, alors que j'attends pŏtēst.

Bonjour à vous,
En transférant le code en python, j'ai découvert que Poesis était présent comme modèle mais absent de lemmes.la. Peut-être ai-je raté une ligne de code mais il me semble que cela devrait y être ?

Lorsqu'on tente de syllaber/accentuer Patribus, on obtient Patriˌbus, dans lequel il manque une séparation de syllabe et donc l'accent. Ça doit être dû à la première voyelle qui est commune j'imagine...

Hi, I wanted to be sure that I contribute to the main lemmes.la file when I do contribute. I see there's a few branches in this repo, and I see variations and forks of this project, e.g. gocol. ycollatin/gocol#1

Should I treat the master branch of biblissima/collatinus as the source of truth for all the data files?

Thanks! Just double-checking...

On trouve parfois des formes en u à la place de i, par exemple:

• quæsumus
• optumus
• proxumus
• ultumus
• maxumus
• lubens, lubenter, etc.
• vicensumus
• miserrumus
• decumus
• simillumarum
• clarissuma
• decumis
• -issumus
• -uma -umam, -umae, -umas, -umorum, -umo, -umos, -umum

(et leurs dérivés), il faudrait que Collatinus puisse les reconnaître.

Using Collatinus 11 over the command line interface I have the following options:

La syntaxe est '[commande] [texte]' ou '[commande] -f nom_de_fichier'.
Éventuellement complétée par '-o nom_de_fichier_de_sortie'.
Par défaut (sans commande), on obtient la scansion du texte.
Les commandes possibles sont :
        -s : Scansion du texte (-s1 : avec recherche des mètres).
        -a : Accentuation du texte (avec options -a1..-a15).
        -l : Lemmatisation du texte (avec options -l0..-l15, -l16 pour les fréquences).
        -h : Lemmatisation du texte en HTML (mêmes options que -l).
        -e : Lemmatisation du texte en CSV, sans option sauf la langue cible.
        -S, -A, -L, -H, -E : Les mêmes avec Majuscules pertinentes.
        -t : Langue cible pour les traductions (par exemple -tfr, -ten).
        -C : Majuscules pertinentes.
        -c : Majuscules non-pertinentes.
        -? : Affichage de l'aide.

Is there also a flag for lemma flexion?

E.g.
./Client_C11.exe -F dominus

Bonjour !

Pour utiliser collatinus sur Manjaro (distribution linux basée sur Arch), j'aimerais savoir quelle version tenter de compiler, car je vois sur le site de biblissima que la version proposée est la 10.2.2. Est-ce que collatinus 11 est cependant déjà utilisable ?

Si je dois compiler la version 10, à partir des sources disponibles ici, est-ce que ce sera bien la version 10.2.2 ?

Puis-je compiler la version 10 en suivant le processus décrit pour la version 11 ?

Merci ! Bon week-end !

Le fichier "contractions.la" a adopté des notations non-ramistes. Cela risque de poser un problème avec le comptage des "v" que contient une forme.
Pas de soucis avec amaram --> amaueram. Mais si le radical contenait un "v", cela poserait un problème car l'identification de volaueram avec volaveram (de volo, as, are) ne se ferait plus.
Je pense qu'il faudrait ramiser le fichier "contractions.la". Si la forme contracte contient au moins un "u" et pas de "v", on pourrait avoir affaire à un texte non-ramiste auquel cas il faut déramiser la contraction.
uolaram = uolaueram --> volaveram.
D'autre part, ce même fichier contient "ast:a" et d'autres "st" qui sont maintenant traités comme des suffixes. Donc inutiles. Toutefois, on peut visiblement avoir "-ust" qui est la contraction de "-us"+"st". C'est donc un cas particulier qu'il faudrait examiner lors de la dé-suffixation. En bref, si une forme se termine par "st", je dois examiner 2 cas : la forme sans le "t" final et la forme sans le "st" final.
Je vois bien où intervenir. Mais avant de le faire, je voudrais avoir votre opinion.

I would like to have a pure console version without server.

Server mode could be good for effective processing of big texts, but I would like to have a simple command-line tool, even at cost of slow initialization and data files reading. It would be nice for occasional requests.

Another acceptable solution would be a daemon process, or the app minimized to tray, so there no need to hold the application window open.

OS: Linux

Collatinus is quite smart in understanding of variative Latin spelling, but still fails "uva" test:

• uva 🗸
• vua 🗸
• uua 🗸
• vva — formes non reconnues