Mutukoodailen oikolukua...

[UbunTux]

Piakkoin, koittaa aika, jolloin toivottavasti vaikkapa Firefox saa paremman oikoluvun, joka ei nykyisellään ole häävi.

Projekti, jota olen tehnyt on siis pääasiassa seuraavanlainen:

Tavoite puskea jonkilainen oikoluku, jonka lisenssi ei tule olemaan este. Kaikki kunnia GPL:lle ymv, mutta en jaksa oikoluvun kanssa ainakaan vääntää lisenssistä.

Miten tämä on totetutettu tässä vaiheessa:

• Toistaiseksi vain sanoja. Tarkoitus lajentaa.
• Sanalistan luokitustietoineen saa Kotukselta lisenssillä CC BY 4.0.
• Sanojen morfologian säännöt kaikkine kommervenkkeineen ohjelmoidaan tuotettuja sanoja vastaan.
• En käytä koodia olemassaolevista projekteista, mutta käytän olemassaolevaa Omorfia luomaan taivutusmuotoja sanalistaa vastaan, jotka tarkastan Voikolla.
  Tämän jälkeen tehdään luokitukseen perustuva koodi. Toistetaan, kunnes sanalista on käyty läpi kokonaisuudessaan.
• Tarkoitus jatkaa vielä tukea sanojen johdannaisilla ymv.

Projekti on ohjelmoitu Rustilla. Tarkoitus tehdä Firefoxiin lisäosa, joka osaisi käyttää WASM-koodia.

Kommenteja ja kritiikkiä. Toivottavasti pian löytyy repo.

[UbunTux]

Miten on kannattaisiko morfologiasysteemin kanssa rakentaa keskustelemaan pieni neuroverkko tekemään korjausehdotuksia? 

[UbunTux]

Oukkelis  doukkelis! Oikoluku toimii!!!





Pitää vielä siivoilla repoa.

Laitan demosivun johon voi kirjoitella ja lueskella  Gutenberg-tekstejäi pian ja pyrin julkaisemaan lisäosan piakkoin.

 Noin 2k sanan rimpsu tarkistettu n. 2 sekunnissa  omissa testeissä.

Ei tämä varmasti virheetöön  ole ja jokunen komitatiivi ymv saattaa puuttua.

[Jere Sumell]

Voitko valaista minua?

Otetaan nyt esimerkkinä tuo Kotimaisten kielten tutkimuslaitoksen virallinen sanalista. Onko mahdollista parseroinnin jälkeen käymällä sanalistaa läpi muodostaa koneellisesti kielioppisäännöstö ja samalla lisätä poikkeukset omaan listaan, vai onko kielioppi "valmiiksi" ja omissa muuttujissaan?

Tuolla tavalla koko prosessin automatisoinnilla säästäisi aikaa, mitä sanalista pitäisi vain kerran käydä koneellisesti läpi ja tulokset olisivat generoituna poikkeama-listauksen lisäksi ohjelmaan, minkä kohderyhmä on loppukäyttäjät.