subs.sab.bz - Информация

[paket]

Извинявам се, но във версия 1.68 липсва папка "alt".

[ivan4]

Версия 1.69

1. Създадох няколко нови типа за съкращения, в които има тире (написани на латиница или кирилица) и добавих няколко десетки такива думи в базата. Сега коректно се разпознават думи като CD-тата, ВЕЦ-ове, IP-то, GSM-ите, SMS-ът, ВУЗ-а, МВР-то. Ако откриете подобни, които програмата не разпознава като правилни, това значи, че още не съм ги добавил в съответните типове.
2. Оправих още една грешка — бутонът за изтриване на потребителския речник невинаги работи в предната версия.

Извинявам се, но във версия 1.68 липсва папка "alt".

"alt" е подпапка на папката на спелчекъра. Вероятно е възникнал проблем при разархивирането на файла (свободното място на диска ти може да е свършило по време на разархивирането). Това очевидно е причината да не ти се зареждат речниците. Виж дали имаш "alt" в последната версия. Ако отново нямаш, може да кача някъде торент с програмата в разархивиран вид (около 137MB).

Този коментар е бил редактиран от ivan4 на Feb 25 2010, 02:55 AM

[paket]

Не знам, може да го имаш предвид, но ще бъде добре да се вмъкне
и речник с медицински термини - не в кавички.
Изпълних съвета ти. Няма големи проблеми.

Създадох няколко нови типа за съкращения

Но тези съкращения липсват - т. н., т.е.

[merc]

Още един тест: Пробвах да стартирам 1.69 версия програмата под линукс с емулатор Wine 1.0.1 За моя изненада се отвори, макар и след доста "мислене". Обаче от функциите й не работи нито една. Вероятно емулатора не се справя добре все още. Но следващата му версия се задава на хоризонта. Както се казва in vino veritas.

[S73L1]

Програмата е страхотна, открива всякакви грешки! Браво!!!

[ivan4]

Версия 1.72 — добавих около 1'000 липсващи основни думи в базата (към 6'000 словоформи), предимно термини, редки думи, чужди собствени имена, собственически имена, културни феномени и пр. (напр. Блумсбъри, Бриджстоун, Веспасиан, Годзила, Грифиндор, грифиндорски и пр.) и оправих 5-6 грешни словоформи. Продължавам да добавям само нерискови словоформи, тоест такива, които не са близки до вече съществуващи чести думи и не създават риск от съвпадение с грешки на други думи.

Но тези съкращения липсват - т. н., т.е.

Има ги, но "т.н." обикновено се пише без интервал. Напиши буквата "т" в десния панел на чекъра и ще ги видиш в речника в левия. Тип за нормални съкращения има отдавна. Тук говорех за нов тип за съкращения, съдържащи тире (ВЕЦ-ове). Тези неща не са важни за обикновения потребител при работа, но ще напиша кратко обяснение за любопитните. Всяка словоформа в спелчекъра е добавена към даден тип, като може да се добави и в повече от един тип. Всеки тип описва правило, по което от основната форма на дадена дума (т.н. "лема") се образуват всички останали словоформи. Има и специални типове, показващи принадлежност (напр. тип за населени места, тип за мъжки фамилии, за чужди имена и пр.) Така моята работа е да добавя само основната словоформа в даден тип, а програмата генерира и добавя останалите словоформи в базата. Например добавям "грифиндорски" в тип 76, при което програмата знае, че трябва да добави комплект от 8 словоформи:

грифиндорски
грифиндорския
грифиндорският
грифиндорска
грифиндорската
грифиндорско
грифиндорското
грифиндорските

Или съкращението ВУЗ, добавено в новия тип 1е, генерира и добавя следните форми:

ВУЗ
ВУЗ-а
ВУЗ-ът
ВУЗ-ове
ВУЗ-овете

По този начин чекърът знае дали дадена словоформа е прилагателно, съществително или глагол, дали е членувана форма, дали е в мъжки род и прочие подробности. Това служи за откриване на някои видове грешки. Например ако думата "Несебър" не е в типа за населени места, програмата няма да я оцвети като грешка, ако е написана с малка буква. Или пък ако напишете "овча тор", програмата ще оцвети израза като грешен, тъй като ще открие потенциално несъгласувани прилагателно и съществително ("тор" е съществително в м.р., а не в ж.р., значи правилно е "овчи тор").

Типовете в чекъра в момента са 470. Идеята за типовете съм заимствал първоначално от БГ Офис (ползва се във Firefox), в който има към 200 типа, някои от които сгрешени. Авторът на БГ Офис пък е заимствал типовете от учебника "Морфология на българския език в 187 типови таблици" на Б. Кръстев. Авторът му е преброил 187 типа, като са му убягнали доста от редките типове, тъй като преди 26 години очевидно не е имал възможността да ползва компютри за анализ на големи текстови корпуси и оправдано не е успял да засече най-редките типове, някои от които имат само по една-единствена дума. Например думата "кенгуру" има две речникови дублетни форми за мн.ч. — "кенгура" и "кенгурута", като "кенгура" не може да се "вкара" в никой от първоначалните типове и се налага да се създаде нов тип, съдържащ описание само на тази дума, тоест "кенгуру" се съдържа в 2 типа едновременно: кунгуру-кенгуруто-кенгурута-кенгурутата и нов тип кунгуру-кенгуруто-кенгура-кенгурата. Има доста подобни случаи, не задължително на дублети.

Ето как изглеждат част от типовете тук и тук

Този коментар е бил редактиран от ivan4 на Mar 9 2010, 05:50 AM

[peterx]

Имам едно предложение. При предложенията за корекция "глагол пред е (възможна грешка е -> c)" да се добави освен "е -> c" и "е -> ,е".
Защото при мен почти винаги подобни грешки са от пропусната ограждаща запетая на подчинено изречение в средата на главното.
Пример:
глагол пред е (възможна грешка е -> c)
правиш е -> правиш с
Реалното изречение е:
За да ти докажа, че това, което
правиш(тук липсва запетая) е в кръвта ти.

Затова предложението за корекция би могло да бъде:
глагол пред е (възможна грешка е -> c)
правиш е -> правиш с | правиш, е

И още едно. При година със слято г.:
2004г 1 -> no suggestions (incorrect num+Cyrillic)
Може да има предложение "2004г 1 -> 2004 г".

Този коментар е бил редактиран от peterx на Mar 10 2010, 05:56 PM

[ivan4]

Версия 1.73 — още една сериозна актуализация на базите. Добавих около 1500 липсващи думи и коригирах няколко грешни форми. Файлът с предефинираните грешки също расте (в левия панел се оцветяват в синьо вместо в зелено).

Имам едно предложение. При предложенията за корекция "глагол пред е...
...
И още едно. При година със слято г.: ...

Благодаря. Съвсем разумни предложения. Добавих ги във v1.73.

Този коментар е бил редактиран от ivan4 на Mar 22 2010, 05:27 PM

[ivan4]

Версия 1.74 — пореден сериозен ъпдейт на базите. За пръв път добавям в пакета на програмата и списъците с думи по типове, за да може да се ползват от всички заинтересовани (файлът \alt\bgtypes2\types.zip).

[peterx]

В "да пред неглагол (обикновено е грешка)" може да се махнат предложенията за поправяне на "да" пред спреженията на глагола "съм" (да е, да съм, да бъда и т.н.).
Защо маркира "по-добре" като грешка?
Има ли българско име "Себе"?
Мисля, че "глагол пред е (възможна грешка е -> c)" не хваща коректно грешките ("Къде е"; "Сега е"; "Вече е"; "Ако е" се маркират за грешни).
В "потенциално несъгласувани прилагателно и съществително" бърка спреженията на глагола "съм" с прилагателно ("е работата"), както и местоименията ("ми хора").

Този коментар е бил редактиран от peterx на Apr 12 2010, 06:27 PM

[ivan4]

peterx, не успях да възпроизведа нито една от грешките, за които говориш. Ако при разархивиране на пакета дискът ти се е напълнил, базите може да са записани до средата и после при работа програмата със сигурност ще се държи странно. Възможно е да си тествал и с по-нестандартно форматиран текст (напр. някои субтитри) и проблемът наистина да е в програмата, затова ако можеш изпрати ми проблемния файл да го погледна (чрез tranz.it или друг временен хостинг).

-----------------------

Версия 1.75 — поиграх си няколко дена да изчистя над 1'500 пунктуационни и няколко дузини правописни грешки от вградения в чекъра английско-български речник (файлът "b_en-bg.txt"). Както peterx забеляза преди няколко месеца в речника има доста липсващи запетаи, точки вместо запетаи и пр. Тази версия поправя огромна част от пунктуационните и почти 100% от правописните грешки в българските дефиниции.

Ето 4-те начина за ползване на речника:
1. Отворете прозорчето "инфо" и включете опцията "В реално време". Изтрийте с бутончето "Clr" всичко в десния панел и напишете английска дума в него. Преводът се показва в инфопрозореца.
2. Кликнете двойно върху произволна английска дума в текст, зареден в десния панел (пак при отворено "инфо").
3. Напишете английска дума направо в прозорчето "инфо", след което я кликнете двойно.
4. От уебстраница, документ и пр. копирайте английска дума в клипборда при включена опция "Клипборд" и отворен "инфо". Преводът на думата се показва в инфото.

Този коментар е бил редактиран от ivan4 на Apr 15 2010, 10:16 PM

[peterx]

Май повредата е в моя телевизор.
С новата версия не се появи нито една от "грешките", дори и на старите файлове.
Явно нещо се е объркало при разархивирането.
Извинявам се за фалшивата тревога .

[ivan4]

Май повредата е в моя телевизор.

Олекна ми. Бях се настроил тези дни да чистя грешки. Чекърът в този вид има известно количество дребни проблеми при някои частни случаи (които все някога ще седна да оправя), но като цяло работи добре.

Почвам сериозната работа по Транслатора, тъй че поне 2 месеца няма да има нови версии на Чекъра. През това време ще се логвам във форума рядко (най-вероятно никак), затова ако някой реши да задава въпроси по същество, нека има търпение.

Този коментар е бил редактиран от ivan4 на Apr 17 2010, 06:04 PM

[ivan4]

Версия 1.76 — непланиран ъпдейт с различни фини настройки по базата, които се натрупаха през последната седмица. Коментарът ми в предния пост остава валиден.

Този коментар е бил редактиран от ivan4 на Apr 30 2010, 02:44 PM

[ivan4]

Версия 1.77 — също непланиран, но много съществен ъпдейт.

1. Покрай работата върху Транслатора добавих показване на английско-английски дефиниции (т.е. английски тълковен речник). Вижте картинките долу. Сега при кликване върху английска дума (или копирането й в клипборда) освен български превод се извежда и изчерпателна информация за английската дума.

Английските дефиниции са от 4 различни източника, като пред всяка дефиниция има главна буква в скоби, показваща източника. Буквите са:
C — Мъжки, женски и фамилни имена, импортирани от census.gov със съответен честотен ранг. Данните са от последното преброяване в САЩ.
S — Основни английски дефиниции. Отворен проект на един US университет. Сбит и кратък речник, затова е най-отгоре.
N — Дефинициите от проекта WordNet. Изключително обемен и сериозен проект. Показват се синонимни гнезда, примери и пр. Синонимните гнезда са в скоби, като започват с маркера "syn:". Написал съм доста код, за да се показва максимално количество информация от базата на WordNet (повече отколкото извежда техния интерфейс). Някои думи имат стотици дефиниции (по-скоро примери), тъй като се изброяват всички изрази, в които думата се среща. Например ако търсите думата "capital" ще получите към двеста дефиниции с информация за всички столици, ако напишете английско име ще получите освен обща информация за името и списък с по-известни хора с това име.
W — Webster's Revised Unabridged, 1913 Edition. Много стар речник с изтекли авторски права. Върши чудесна работа, но естествено няма думи като "Internet" . W-дефинициите се извеждат последни.




2. Вграденият Транслатор вече е версия v0.05. Все още не съм активирал разпознаването на глаголни времена, тъй че няма разлика в качеството на превода (около нулата), но има доста други скрити неща, които скоро ще се проявят.

3. Няколко нови думи в бг базата и стотина изменения и допълнения в анг-бг речника.
4. Една потенциално критична грешка по-малко.

Този коментар е бил редактиран от ivan4 на Apr 30 2010, 03:36 PM