jjpp / plamk Goto Github PK

Praegune lahendus kasutab astmevahelduse jms kodeerimiseks suurtähti. See tähendab, et sõnastikus ei saa suurtähti kasutada. Mõistlik on võtta kasutusele mingi teine tähistus, soovitavalt midagi GT traditsioonidele vastavat.

check_analyze.pl peaks kontrollima, kas analüüsiväljundis esinevad kõik käsitsiühestatud korpuses leiduvad analüüsivariandid.
Esialgses versioonis võrreldakse vaid märgendust ning ei võrrelda leitud tüve korpuses tooduga. See tuleb ära parandada. Põnevaks teeb asja see, et PLAMK analüüsib ka liitsõnade esimesed pooled aga korpuses on need enamasti algkujul.

http://giellatekno.uit.no/ new infra oskab mitmesuguste keele FSTsid ehitada. PLAMKi tükkide seal kasutamiseks (ja asjade edaspidi tagasiportimiseks) on mõistlik asju ühtlustada.

Tuleb uurida, kuidas soomlased oma fst-põhised spellerid ehitanud on. libvoikko ja sõbrad on arvatavasti hea algus uurimiseks. Ja siis tuleb tekitada mehhanism olemasoleva fst pealt eesti spelleri tekitamiseks.

Ajalooliselt kasutab praegune süsteem muutuvate märkide-häälikute-tähtede tähistamiseks suurtähti. See põhjustab tavaliste tekstide analüüsimisel mitmesuguseid anomaaliaid ja peamiselt takistab pärisnimede korrektsete vormide kirjeldamist. Tuleks uurida, kuidas nt saamid omi asju teinud on ja kodeering paremaks muuta.

Praegusel kujul on PLAMKi litsentsindus kardetavasti katki.

Plaan ja kavatsus on, et kõik siin leiduvad tükid, mis on tarvilikud eesti keele morfoloogiat kirjeldavate lõplike automaatide ehitamiseks oleks LGPLi all levitatavad ning vajalikud välised sõltuvused (kompilaatorid jms utiliidid) oleks võimalikult vabalt kasutatavad ja ei seaks piiranguid saadavatele automaatidele.

Praegu on teada, et

• kahetasemeline reeglikomplekt ja käänamist-pööramist kirjeldav jätkusõnastike süsteem, ehitussüsteem ja testskriptid on LGPLi all, vähemalt on nii kavatsetud.
• erandid ja kaasnev vormikoodifail on kas otse pärit või tuletatud EKI andmefailidest (http://www.eki.ee/tarkvara/est_morpho_data.zip, litsents http://www.eki.ee/eki/litsents.html)
• praegu on vajalik ettearvutatud tüvevariante sisaldav EKI tüvebaas, mis ei ole (veel?) avalikult otse kättesaadav aga mis on teoreetiliselt EKI andmefailidest tuletatav ja teoreetiliselt käib sama litsentsi alla.
• osa faile (analüüsikontrollija juures sisalduvad teisendajad?) võivad olla algselt pärit Kaili Müürisep'a süntaksianalüüsimaterjalide juurest (http://math.ut.ee/~kaili/grammatika/)

Mida teha vaja on:

• kontrollida üle kõigi repositooriumis leiduvate failide päritolu ja seotud kasutamise- ja levitamisõigused.
• tähistada failid repositooriumis korrektselt.
• suhelda EKIga tüvebaasi litsentsi osas. Mingil määral on seda juba tehtud, võimalikud lahendused on eraldi lepngu sõlmimine, mis lubaks seda faili levitada või tüvebaasi avaldamine analoogselt muude morfoloogia-andmefailidega.

Praegu on check_analyze.pl sees kasutusel vahekuju, kus osa korpuses toodud märgendust on eemaldatud jms. Kontrolliks tuleb teisendada nii PLAMKi väljundit kui ka ESTMORFi väljundit. Praegu on kasutusel mitte millegagi ühilduv vahekuju. Pikemas perspektiivis oleks tore saavutada olukord, kus ESTMORFi väljundi konvertimiseks piisaks http://math.ut.ee/~kaili/grammatika/estmorfcg.tar.gz sees olevatest vahenditest -- see võiks tähendada, et PLAMK koos testimiseks mõeldud konverteriga on kasutatav ka süntaksianalüüsi sisendis.

Ühtlasi võiks nende Kaili skriptide uurimisest selguda mitmesuguseid põnevaid omadusi, mida tüvebaasis märgendada.