Oikeinkirjoitusprojektista

Sami Poikonen sapapo at cc.jyu.fi
Tue Feb 16 14:44:00 CST 1999


On Mon, 15 Feb 1999, Jarkko Hietaniemi wrote:
> Tuota, ensi alkuun riittänee rivi ISO-Latin 1:tä (tai 15:ta...) per
> kaksi saraketta, ensimmäisessä sarakkeessa sanan nominatiivi, toisessa
> sen "tyyppi", joka esimerkiksi tässä Suomen kielen perussanakirjassa
> on numero tai numero+kirjain, esimerkiksi "kieli" on 26 tai "elukka"
> on 14A.  Numero on se varsinainen "tyyppi", kirjain on astevaihtelu.
> (kunta -> kunnan, nt->nn on se astevaihtelu).

Jarkko, sinulla kun on selvästi jo tuota runkoa mielessä, niin teepä
jossain vaiheessa pieni pohja, jonka päälle tuota yhteistä projektia
voidaan rakentaa. Kun on jotain konkreettista, niin siitä on helpompi
lähteä liikkeelle. Vaikka arvostella sitä jos ei vaikka itsekään parempaan 
pystyisi.

Kerrotko vielä tuon käyttämäsi kielioppiteoksen ISBN, niin tiedetään
sitten tapella sanamuodoista samoilla koodeilla. 

Ihan ensimmäiseksi kuitenkin voisi olla hyvä myös vähän kertoa ihan noista
peruskäsitteistä ja mitä mahdollisesti ollaan tekemässä.
Mitä oikoluku tarkoittaa? Sanojen perusmuotojen/taivutusmuotojen
etsimistä? Kirjoitusvirheiden etsimistä (spell checking)?
Kielioppivirheiden havaitsemista? Lauseenosien tunnistamista? Tekstin
luettavuuden mittaamista? Automaattinen virheenkorjaus (psuedo -> pseudo)?

Ihan jännä olisi muuten rutiini, jolla voisi tunnistaa, mitä kieltä
annettu teksti on. esim. annetaan rutiinille merkkijono joka sisältää vain
yhtä kieltä ja tuloksena saisi että annettu teksti on italiaa 75%
todennäköisyydellä, 15% espanjaa ja 5% portugalia.
Osittain melko triviaali rutiini, mutta tuollaista luokittelijaa
sillointällöin tarvitsisi... Ensimmäisenä tietysti voisi tehdä rutiinin ja
laittaa se palauttamaan todennäköisyyksiä, kuinka todennäköisesti annettu
teksti on suomea. (ja sitten vain syöttämään kaikki sfnet.* artikkelit
sille...)

Tai sitten murretunnistin...

-- 
Sami Poikonen          (040) 5696 337 	        http://www.iki.fi/sp/ 
  sp at iki.fi 	       (014) 3100 201	     http://www.iki.fi/sp/bonsai/

    "Men can't use sex to get what they want. Sex *is* what we want!"
						-- Frasier





More information about the Helsinki-pm mailing list