Difference between revisions of "Trouver des erreurs dans des dictionnaires"
| Line 44: | Line 44: | ||
== Option: Contrôler s'il y a des entrées doubles == |
== Option: Contrôler s'il y a des entrées doubles == |
||
Il peut arriver qu'il y a des entrées double pour le même mot. Vous pouvez facilement les trouver si vous faites une liste sur la fréquence des mots dans le dictionnaire étendu. La commande dessous fait une liste de fréquence pour le dictionnaire Suédois étendu: |
|||
texte |
|||
lt-expand *.swe.dix | grep -v ':[<>]:' | cut -f1 -d:| fgrep -v 'NON_ANALYSIS' | sort | uniq -c | sort -rn > swe.expanded.freq |
|||
Commencez contrôler en haut s'il y a des doubles. S'il vous plaît, noter qu'il y deux cause de fausse alarmes fréquentes : |
|||
1. Quelques-unes des formes pourraient être similaires, ce qui cause une fréquence haute . |
|||
2. Quelques-un des mots similaires sont en fait des mots différent qui par hasard ont la même orthographe . |
|||
== Source == |
== Source == |
||
Revision as of 08:04, 17 February 2015
Contents |
Ceci sera une traduction de la page Finding errors in dictionaries.
Introduction
C'est facile de commettre des erreurs en fabriquant ou modifiant des dictionnaires . Ce page-ci présent un façon simple de trouver beaucoup d'erreurs.
Résumé
D'abord, étendez le dictionnaire unilingue. Cela va produire un fichier très grand.
Puis, faites une liste de mots correctement orthographiés pour les exclure du dictionnaire étendu.
Finalement, contrôlez les mots restant dans un programme de traitement de texte, pour trouver rapidement les erreurs. Ouvrez le dictionnaire original dans un éditeur de texte et corrigez les erreurs que vous avez trouvez .
Option: contrôler s'il y a des entrées doubles
Étendre le dictionnaire unilingue
Accédez au dossier où le dictionnaire est gardé. La commande qui suit va étendre le dictionnaire, cet-à-dire créer toutes les formes de chaque mot selon le paradigme attribué. Seulement les formes qui ne sont pas marquées d'un balise LR ou RL sont étendues, et de plus les entrées fautives crées par un bug qui est connu depuis longtemps (NON_ANALYSIS) sont supprimées. L’exemple suivant étend le dictionnaire unilingue Suédois:
lt-expand apertium-swe.swe.dix | grep -v ':[<>]:' | cut -f1 -d:| fgrep -v 'NON_ANALYSIS' > swe.expanded
Changez pour le dictionnaire que vous souhaitez corriger, c'est-à-dire changez "apertium-swe.swe.dix" pour le nom de votre dictionnaire et changez le nom de sortie "swe.expanded" pour quelque-chose qui convient.
Faire une liste de mots correctement orthographiés
texte
Écarter les mots correctement orthographiés
texte
Vérifier l'orthographe dans le reste du dictionnaire étendu
texte
Option: Contrôler s'il y a des entrées doubles
Il peut arriver qu'il y a des entrées double pour le même mot. Vous pouvez facilement les trouver si vous faites une liste sur la fréquence des mots dans le dictionnaire étendu. La commande dessous fait une liste de fréquence pour le dictionnaire Suédois étendu:
lt-expand *.swe.dix | grep -v ':[<>]:' | cut -f1 -d:| fgrep -v 'NON_ANALYSIS' | sort | uniq -c | sort -rn > swe.expanded.freq
Commencez contrôler en haut s'il y a des doubles. S'il vous plaît, noter qu'il y deux cause de fausse alarmes fréquentes :
1. Quelques-unes des formes pourraient être similaires, ce qui cause une fréquence haute .
2. Quelques-un des mots similaires sont en fait des mots différent qui par hasard ont la même orthographe .
