Crearea unui dictionar folosind HFST - Revision history

Unhammer: /* Începutul */

2013-04-08T06:42:34Z

Începutul

Francis Tyers: /* Continuation lexica */

2012-01-23T11:39:36Z

Continuation lexica

Cristipiticul at 17:56, 24 November 2011

2011-11-24T17:56:21Z

Cristipiticul: /* Troubleshooting */

2011-11-24T17:51:43Z

Troubleshooting

Cristipiticul: /* Analiza şi generarea */

2011-11-24T17:45:47Z

Analiza şi generarea

Cristipiticul: /* Analysis and generation */

2011-11-24T17:45:29Z

Analysis and generation

Cristipiticul: /* With the power of intersecting composition! */

2011-11-24T17:24:29Z

With the power of intersecting composition!

Cristipiticul: /* Folosirea twol */

2011-11-24T17:21:40Z

Folosirea twol

Cristipiticul: /* Enter twol */

2011-11-23T19:26:35Z

Enter twol

Cristipiticul: /* Continuation lexica */

2011-11-23T18:57:40Z

Continuation lexica

← Older revision		Revision as of 06:42, 8 April 2013
Line 402:		Line 402:

	[[Category:HFST]]		[[Category:HFST]]
			[[Category:Documentation in Romanian]]

@@ Line 185: / Line 185: @@
 | <code>:</code>                                 || Simbolul <code>:</code> delimitează jumătatea stângă de cea dreaptă (sau atributele cuvântului de morfemul corespunzător acestora)
 |-
-| <code>%&gt;%&gt;l%{A%}r</code>                 || Aici este prezentat sufixul formei de plural a substantivelor. Poate fi împărţit în:
+| <code>%&gt;l%{A%}r</code>                 || Aici este prezentat sufixul formei de plural a substantivelor. Poate fi împărţit în:
 |-
 |&nbsp;&nbsp;&nbsp; <code>%&gt;</code>           || Delimitatorul de morfeme (vom reveni la acestea mai târziu, dar, în principiu, sunt puse unde între morfeme, în locurile în care ar putea avea loc schimbări).

@@ Line 9: / Line 9: @@
 ==Introducere==
-Un analizator morfologic HFST are două fişiere cu reguli, unul dintre ele este <code>lexc</code>. Acesta defineşte modul în care sunt formate cuvintele din [http://ro.wikipedia.org/wiki/Morfem morfeme]. De exemplu, cuvântul <code>lup + i</code> devine <code>lupi</code>.
+Un [http://wiki.apertium.org/wiki/Morphological_dictionaries#Transducers transductor morfologic] HFST are două fişiere cu reguli, unul dintre ele este <code>lexc</code>. Acesta defineşte modul în care sunt formate cuvintele din [http://ro.wikipedia.org/wiki/Morfem morfeme]. De exemplu, cuvântul <code>lup + i</code> devine <code>lupi</code>.
 Cel de-al doilea fişier poate fi unul <code>twol</code> (two-level rules) sau unul <code>xfst</code> (reguli de rescriere secvenţiale). Acestea prezintă ce se întâmplă când morfemele formează cuvântul. Ca exemplu poate fi folosit <code>lup<n><pl></code> → <code>lup + i</code>.
@@ Line 99: / Line 99: @@
 ==Vocabularul==
-Deci, după descrierea de mai sus, să începem cu vocabularul (lexicon în limba engleză). Vom crea un fişier numit <code>apertium-tr-tk.tk.lexc</code>, care va conţine vocabularul analizatorului. Deschideţi editorul de texte.
+Deci, după descrierea de mai sus, să începem cu vocabularul (lexicon în limba engleză). Vom crea un fişier numit <code>apertium-tr-tk.tk.lexc</code>, care va conţine vocabularul transductorului. Deschideţi editorul de texte.
 ===Începutul===
@@ Line 144: / Line 144: @@
 </pre>
-Acest <code>LEXICON</code> ar trebui pus ''înaintea'' vocabularului <code>NounStems</code>. Simbolul <code>#</code> indică sfârşitul cuvântului. Este important să îl includem, pentru că îi spune analizatorului unde să se oprească.
+Acest <code>LEXICON</code> ar trebui pus ''înaintea'' vocabularului <code>NounStems</code>. Simbolul <code>#</code> indică sfârşitul cuvântului. Este important să îl includem, pentru că îi spune transductorului unde să se oprească.
 ===Compilarea===
@@ Line 322: / Line 322: @@
 ===Intersectarea fişierelor===
-Pentru a obţine analizatorul final trebuie să combinăm cele două modele din fişierele <code>lexc</code> şi <code>twol</code>. Această operaţie se face prin intermediul unei intersecţii. Intersecţia e realizată folosind comanda <code>hfst-compose-intersect</code> pe care o vom folosi mai departe.
+Pentru a obţine transductorul final trebuie să combinăm cele două modele din fişierele <code>lexc</code> şi <code>twol</code>. Această operaţie se face prin intermediul unei intersecţii. Intersecţia e realizată folosind comanda <code>hfst-compose-intersect</code> pe care o vom folosi mai departe.
 <pre>
@@ Line 328: / Line 328: @@
 </pre>
-Acum să testăm analizatorul final:
+Acum să testăm transductorul final:
 <pre>

@@ Line 390: / Line 390: @@
 </pre>
+==Dacă apar erori==
-==Troubleshooting==
+Greşeli generale care cauzează erori:
-Here is a brief troubleshooting checklist for when you do something, but it isn't working:
-* Are all your ''multicharacter symbols'' defined ? Including archivowels/consonants. If you think you added them, triple check. This goes for problems in <code>twol</code> as well as in <code>lexc</code>.
+* Aţi definit toate ''multicharacter symbols'', cu tot cu arhivocalele şi consoanele? Dacă ştiţi că sunt acolo, mai verificaţi o dată. Această eroare poate apărea atât în fişierul <code>twol</code> cât şi în <code>lexc</code>.
 ==Notes==

@@ Line 340: / Line 340: @@
 Excelent!! Acum avem formele corecte ale substantivelor.
-==Analiza şi generarea==
+==Analiză şi generare==
 Transductorul creat de noi avea scopul de a genera şi nu putem folosi <code>hfst-proc</code> datorită formatului. Dacă dorim să îl executăm cu <code>hfst-proc</code>, atunci tot ce trebuie să facem e să schimbăm formatul:

@@ Line 340: / Line 340: @@
 Excelent!! Acum avem formele corecte ale substantivelor.
-==Analysis and generation==
+==Analiza şi generarea==
-The transducer we made above was for generation, but we can't yet use it with <code>hfst-proc</code> because of the format. If we want to use it with <code>hfst-proc</code>, all we need to do is change the format, with the following command:
+Transductorul creat de noi avea scopul de a genera şi nu putem folosi <code>hfst-proc</code> datorită formatului. Dacă dorim să îl executăm cu <code>hfst-proc</code>, atunci tot ce trebuie să facem e să schimbăm formatul:
 <pre>
@@ Line 348: / Line 348: @@
 </pre>
+Acum ar trebui să putem genera ambele plurale:
-Now we should be able to generate both of our plurals:
 <pre>
@@ Line 355: / Line 355: @@
 </pre>
-and
+şi
 <pre>
@@ Line 362: / Line 362: @@
 </pre>
+Dar dacă vrem să analizăm cuvinte? Ei bine, atunci ar trebui să ''inversăm'' transductorul. Aceasta înseamnă schimbarea părţii stângi cu cea dreaptă şi reciproc. Pentru a vedea rezultatele, haideţi să îl inversăm în două etape. În primul rând:
-But what if we want to analyse some words ? Well, then we need to ''invert'' the transducer. This is changing the left side to the right side, and the right side to the left side, let's do it in two stages so we can see the results:
 <pre>
@@ Line 374: / Line 374: @@
 </pre>
+Acum partea stângă arată cuvântul actual, iar cea dreaptă analiza. Apoi, convertim analizatorul pentru a arăta analiza unui singur cuvânt:
-As we can see, now the left side is the surface form, and the right side the analysis. Now just to convert the analyser to ''optimised lookup'' format:
 <pre>
@@ Line 380: / Line 380: @@
 </pre>
+Şi analiza:
-And do some analysis:
 <pre>

@@ Line 243: / Line 243: @@
 Ok, asta e destul de tare, dar pe de altă parte, acestea nu sunt chiar formele reale. Nu există în niciun text ''esger>l{A}r''. Noi vrem să obţinem forma ''esgerler''. Dar cum o putem face?
-==Enter <code>twol</code>==
+==Folosirea <code>twol</code>==
-The idea of <code>twol</code> is to take the surface forms produced by lexc and apply rules to them to change them into real surface forms. So, this is where we change ''-l{A}r'' into ''-lar'' or ''-ler''.
+Fişierul <code>twol</code> are rolul de a lua formele produse le lexc şi, prin aplicarea unor reguli, să le transforme în forme reale ale cuvintelor. Deci, aici vom schimba ''-l{A}r'' în ''-lar'' sau ''-ler''.
+Noi vrem ca dacă acel cuvânt de bază conţine vocale posterioare, atunci dorim să adăugăm terminaţia pentru vocale posterioare, iar dacă conţine vocale anterioare, să adaugăm terminaţia pentru vocale anterioare. În acelaşi timp, dorim să înlăture legătura morfemului.
-What we basically want to say is "if the stem contains front vowels, then we want the front vowel alternation, if it contains back vowels then we want the back vowel alternation". And at the same time, remove the morpheme boundary. So let's give it a shot.
-We're going to make a new file <code>apertium-tr-tk.tk.twol</code>.
+Vom face un nou fişier numit <code>apertium-tr-tk.tk.twol</code>.
+Prima dată trebuie să definim alfabetul:
-First we need to define the alphabet:
 <pre>
@@ Line 260: / Line 260: @@
 </pre>
-You don't have to define the upper and lower case on separate lines, but it can help make it clearer.
+Nu este neapărat să scrieţi literele mari şi mici pe linii separate, dar scriindu-le astfel este mai lizibil.
-We also want to define at this point, that whatever happens, we want to remove the morpheme boundaries <code>%&gt;</code> from the surface forms, so add the following line just below the last line of lower case letters, and before the <code>;</code>:
+De asemenea, dorim să înlăturăm legăturile <code>%&gt;</code> din cuvântul nostru, indiferent de ce s-ar întâmpla, deci adăugaţi următoarea linie sub ultima linie care conţine literele mici, înainte de <code>;</code>:
 <pre>
@@ Line 268: / Line 268: @@
 </pre>
-Here, the left side is the morphotactic form, and the right side is the surface form. Doing <code>%&gt;:0</code> changes <code>%&gt;</code> into <code>0</code>, which is the same as deleting it. The <code>0</code> symbol is not output.
+Aici, partea din stânga este forma primită de la lexc, iar în cea dreaptă este forma pe care o dorim. Comanda <code>%&gt;:0</code> înlocuieşte <code>%&gt;</code> cu <code>0</code>, care e acelaşi lucru cu ştergerea. Simbolul <code>0</code> nu se afişează.
 So, the final alphabet section will look like this:
@@ Line 279: / Line 279: @@
 </pre>
+Acum trebuie să definim nişte "seturi" cu care să lucrăm, care, în principiu, au rolul de a numi unele grupe de litere, precum "vocală posterioară" şi "vocală anterioară", pe care le vom folosi mai târziu în reguli:
-Next we need to define some "sets" to work with, these are basically for giving mnemonics to features, like "front vowel" and "back vowel" which we want to refer to later in the rules:
 <pre>
 Sets
-Consonant = B Ç D F G H J Ž K L M N Ň P R S Ş T W Z
+Consoana = B Ç D F G H J Ž K L M N Ň P R S Ş T W Z
-            b ç d f g h j ž k l m n ň p r s ş t w z ;
+           b ç d f g h j ž k l m n ň p r s ş t w z ;
-Vowel =     A E Ä I O Ö U Ü Y Ý
+Vocala =    A E Ä I O Ö U Ü Y Ý
             a e ä i o ö u ü y ý ;
-FrontVowel = Ä E I Ö Ü ä e i ö ü ;
+VocalaPosterioara = Ä E I Ö Ü ä e i ö ü ;
-BackVowel = A Y O U a y o u ;
+VocalaAnterioara = A Y O U a y o u ;
+NuPosterioară = Consoana VocalaPosterioara %> ;
-NonBack = Consonant FrontVowel %> ;
-NonFront = Consonant BackVowel %> ;
+NuAnterioară  = Consoana VocalaAnterioara %> ;
 </pre>
-So now we've got everything set up, to add the rule, there is a new section, <code>Rules</code>:
+Acum că avem totul pregătit, pentru a adăuga regulile creăm o nouă secţiune: <code>Rules</code>:
 <pre>
 Rules
+"Înlocuirea în cazul vocalelor posterioare"
-"Front harmony in suffixes"
-%{A%}:e <=> FrontVowel: NonBack:* %>: NonBack:* _ ;
+%{A%}:e <=> VocalăPosterioară: NuPosterioară:* %>: NuAnterioară:* _ ;
 </pre>
+Această regulă înlocuieşte {A} cu e dacă ultimele litere sunt orice în afară de vocale anterioare, atunci este o legătură de morfeme, nu sunt vocale anterioare şi există pe undeva o vocală posterioară.
-The rule is basically saying: "Substitute {A} with e if the previous letters are anything except back vowels, then there is a morpheme boundary, then there are no back vowels, and at some point there is a front vowel"
+Urmează să compilăm regula şi să o testăm:
-Next up, to compile the rule and test it:
 <pre>