abclinuxu.cz AbcLinuxu.cz itbiz.cz ITBiz.cz HDmag.cz HDmag.cz abcprace.cz AbcPráce.cz
AbcLinuxu hledá autory!
Inzerujte na AbcPráce.cz od 950 Kč
Rozšířené hledání
×
dnes 13:00 | Komunita
Linus Torvalds vydal (LKML) Linux 4.2-rc1. Přidáno bylo více než milion nových řádků zdrojového kódu. Čtvrt milionu řádků bylo odstraněno. Téměř polovina nových řádků souvisí s novým ovladačem amdgpu (41 % hlavičkové soubory a 8 % vlastní kód).
Ladislav Hagara | Komentářů: 2
včera 22:11 | Zajímavý článek
Aaron Seigo se na svém novém blogu věnoval také příští verzi webového poštovního klienta Roundcube. V prvním příspěvku informoval o úspěšně probíhající kampani na podporu vývoje Roundcube Next na Indiegogo. Ve druhém příspěvku uvedl, že projekt podpořilo 871 osob celkovou částkou 103541 dolarů a zmínil například přidání podpory JMap (JSON Mail Access Protocol) do Roundcube.
Ladislav Hagara | Komentářů: 1
včera 12:32 | Nová verze
Po téměř deseti letech od nahlášení byl GTK souborový dialog rozšířen o možnost mazat a přejmenovávat soubory a složky.
Marián Kyral | Komentářů: 28
4.7. 19:19 | Zajímavý článek
Organizace Electronic Frontier Foundation (EFF) upozorňuje v rámci seriálu Stupidní patent měsíce (I, II, III, IV) na patent U.S. 6,795,918 s názvem "Service level computer security". V abstraktu se píše o zařízeních a metodách pro filtrování datových paketů, což je vlastně firewall. Patent byl podán v roce 2000, tj. v době, kdy byly firewally již běžně používány. Původní "vynálezce" přestal v roce 2012 platit poplatky a tím pádem byla … více »
Ladislav Hagara | Komentářů: 7
3.7. 14:00 | Zajímavý článek
Na Fedora.cz vyšel článek Hexa editory a další nástroje pro práci s binárními soubory. Pavel Tišnovský se v něm zabývá popisem nástrojů určených pro prohlížení a případnou editaci binárních souborů. Tyto nástroje mohou svým uživatelům nabízet různá rozhraní, ovšem významné místo zde náleží takzvaným hexa prohlížečům a hexa editorům.
Ladislav Hagara | Komentářů: 16
3.7. 13:31 | Nová verze
S mírným zpožděním byl vydán Mozilla Firefox 39.0. Z novinek lze zmínit například možnost pozvání lidí na sociální síti ke konverzaci službou Firefox Hello. Podrobné informace v poznámkách k vydání a na stránce věnované vývojářům. Řešeny jsou také bezpečnostní problémy.
Ladislav Hagara | Komentářů: 12
3.7. 01:30 | Zajímavý projekt
Google před dvěma týdny v příspěvku na svém blogu věnovaném výzkumu popsal, jak učí své neuronové sítě rozpoznávat, co je na obrázcích, a že proces rozpoznávání lze obrátit a říct neuronové síti, že na obrázku je například banán a ať ho na obrázku nalezne a dokreslí. Začala vznikat zajímavá "umělecká" díla. Včera Google uvolnil zdrojové kódy (deepdream) pro generování těchto "uměleckých" děl.
Ladislav Hagara | Komentářů: 12
2.7. 21:00 | Zajímavý článek
Na Slashdotu byl vydán rozhovor s Linusem Torvaldsem. Stejně jako před třemi lety Linus Torvalds odpovídá na vybrané otázky čtenářů Slashdotu. Letos jsou otázky věnovány například Torvaldsově produktivitě, systému init, společnosti Valve, RTLinuxu nebo i funkcionálnímu programování.
Ladislav Hagara | Komentářů: 18
2.7. 11:41 | Upozornění
Edice CZ.NIC rozšiřuje svou řadu odborných publikací s volnou licencí o nový přírůstek. Tentokrát se jedná o knihu Ponořme se do HTML5 (v originále Dive Into HTML5), jejímž autorem je známý odborník Mark Pilgrim. Elektronická verze knihy je opět k dispozici zdarma. Příznivci fyzických knih mají možnost objednat si titul za 335 korun, v případě objednání přes protokol IPv6 za 285 korun. … více »
Vilem Sladek | Komentářů: 7
2.7. 00:02 | Nová verze
Byl vydán Blender 2.75. Blender Foundation spolu s online vývojářskou komunitou představují nejnovější vlastnosti. Řada novinek je výsledkem projektu Gooseberry (zprávička). Demonstrace nových vlastností na oficiálních videích.
Ladislav Hagara | Komentářů: 0
Nešifrované HTTP
 (4%)
 (96%)
Celkem 4561 hlasů
 Komentářů: 60, poslední 29.6. 08:40
Rozcestník
Reklama
Autoškola testy online Levný benzín

Kontrola pravopisu - III

10. 7. 2003 | Marek Grác | Návody | 10081×

Pokúsim sa vám ukázať trošku hlbší pohľad do vnútra. Začneme hneď zhurta troškou teórie o tom, kde všade sa dajú robiť/hľadať chyby. Neskôr si povieme o slovníkoch a na záver o čiernom koni tejto disciplíny.

Teórie

Na počiatku bolo slovo a určite netrvalo dlho kým sa našla aj nejaká tá chyba. A práve chyby sú to, o čo tu kráča. A do akých skupín ich rozdeliť? Mne sa najviac pozdáva delenie na tieto tri skupiny: preklep tj. vieme ako sa slovo píše, ale jednoducho postláčame niečo iné (napr. dva znaky miesto jedného, vynechanie znaku), fonetické a pravopisné chyby tj. chyby, kde máme predstavu o tom, ako sa slovo vyslovuje, ale s písanou podobou to je o čosi horšie (napr. s/z, d/t) a poslednou skupinou sú chyby spôsobené externými vlivmi, grafickou podobnosťou, alebo problémom s QWERTY/QWERTZ(napr. y/z, 1/l, 0/O).

Z nášho hľadiska je najpodstatnejšou práve druhá kategória fonetických a pravopisných chýb (stále sme len na úrovni jednotlivých slov), ktorú má zmysel rozdeľovať ešte na ďaľšie sekcie: delete (vynechanie znaku), insert (vloženie znaku navyše), transpose (zámena dvoch po sebe idúcich znakov) a replace (zámena znaku za znak napr. i/y alebo chyby v diakritike).

Po tejto dávke teórie sa už takmer môžeme pustiť do porovnávania. Potrebujeme si však povedať ešte čosi o maximálnej editačnej vzdialenosťi. Vyzerá to síce hrozivo, ale nie je to nič hrôzostrašné. Jedná sa len o to, koľko chýb smieme spraviť v jednom slove, aby sme dokázali nájsť to pôvodné slovo (napr. d(pes,tma) = 3, d(linux,ilnux) = 1). A hor sa do porovnávania.

ASpell a ispell

Ako už bolo uvedené v predchádzajúcich dieloch, tak ispell je najrýchlejší, ale nenájde až toľko správnych náhrad. Je to dané najmä tým, že on hľadá slová len do vzdialenosti 1. Naproti tomu ASpell (štandardne) hľadá slová (resp. ich zvukové prepisy) do vzdialenosti 2, čomu odpovedá aj jeho rýchlosť. Nesprávnych slov, ktoré obsahujú dve chyby, kde aspell nájde to správne slovo je okolo šiestich percent [Kuki92]. Pri vzdialenosti 3 je čakanie na nájdenie správneho slova otázka desiatok sekúnd, čo skutočne nie je použiteľné v praxi. O väčších vzdialenostiach sa v našom prípade nemá ani zmysel rozprávať, pretože už pri vzdialenosti 3 sa nám slovo zzz smie premeniť napr. na slovo pes, alebo dom.

Ale skúsme sa posunúť ďalej. Je zrejmé, že kvalita programov tohoto typu je závislá od slovníku. Už prvý pohľad zavádza k tomu, že čím väčší slovník, tým lepšie. Ale nie je to tak; ak máte slovník príliš veľký, tak sa zvyšuje pravdepodobnosť, že po chybe vznikne opať korektné slovo. Napr. v angličtine pre 50.000 slovník je to 10% a pre 350.000 slovník dokonca 16%, tieto hodnoty však berte len orientačne, pretože neplatia pre češtinu ani slovenčinu, keďže u nás vznikajú slová trochu odlišným spôsobom. Na druhej strane sa neoplatí mať ani príliš malý slovník, pretože potom sme obťažovaný zbytočnými hláseniami o nájdenej chybe. Posledným trendom je dopĺňanie frekvencie slov do slovníkov, čo nám umožní ponúkať frekventovanejšie slová na prvých miestach medzi náhradami.

fispell

O programoch ako ispell či ASpell ste sa už dozvedeli, takže teraz niečo o tom, čo takmer určite nepoznáte :). Program fispell vznikol v laboratóriu spracovania prirodzeného jazyka na fakulte informatiky MU v Brne (www.fi.muni.cz/nlp) a je dostupný pod licenciou GNU/GPL. V súčasnosti má dve rozhranie, jedno je realizované v textovom móde a druhé nad grafickou knižnicou Gtk (a je zatiaľ o čosi nestabilnejšie). Jeho finálna verzia s českým a slovenským slovníkom síce ešte nie je hotová a ani dostupná verejnosti, ale táto doba sa približuje. A počas babieho leta už si asi budete môcť kontrolovať slová práve týmto nástrojom.

fispell

Pre tých, ktorí očakávajú aj konkrétne porovnania medzi ispellom, ASpellom a fispellom, som ich niekoľko vybral. Testy prebehli na malom testovacom súbore (244 slov), ktorý obsahoval len slová, o ktorých si všetky programy mysleli, že sú nesprávne. Všetky programy boli spustené v neinteraktívnom móde.

programčas celkom (s)na jedno slovo (s)
ispell100.056
aspell2921.631
fispell830.464
 
programsprávna náhradalen nájdená chybanenájdená chyba
ispell1774126
aspell2082412
fispell228313

Čísla nie sú skreslené veľkosťou slovníka. Rozdiel je v použitom prístupe k spojeným a rozdeleným slovám. Ani ispell, ani ASpell nezvládli napr. slovo vedou-cí. Pri nenájdených chybách sa jednalo zvačša o iné slovo, ktoré už bolo obsiahnuté v slovníku, a tak programy ani nehľadali náhradu.

Poradie správnej náhrady v ponúknutom zozname:

program12-34-67-1011-priemer
fispell1842210482.09
aspell175196712.06
ispell1163219282.66
       

Hodnocení: 37 %

        špatnédobré        

Nástroje: Tisk bez diskuse

Tiskni Sdílej: Linkuj Jaggni to Vybrali.sme.sk Google Del.icio.us Facebook

Komentáře

Vložit další komentář

10.7.2003 15:35 oozy
Rozbalit Rozbalit vše kontrola pravopisu clanku
"externými vlivmi" ... nie je to cechizmus? Myslim, ze sa treba rozhodnut ci pisat slovensky alebo cesky. Mozno by stalo za to spominane programy pouzit aj na clanok.
16.7.2003 20:39 Marek 'marx' Grác | skóre: 21 | blog: Paralelný blog | Brno / Bratislava
Rozbalit Rozbalit vše kontrola pravopisu clanku
nie je to cechizmus, je to ceske slovo. ktore tam zostalo kvoli tomu, ze som vychadzal najma z ceskych materialov. viac podobnych chyb som nenasiel, plz. posli mi ich mailom. ziadny spellchecker som nepouzil, pretoze su platformy kde IMHO nic podobne zatial nebezi :)
11.7.2003 22:04 unchallenger | skóre: 69 | blog: unchallenger
Rozbalit Rozbalit vše Zapomenuté chyby
Slušný spellchecker pro češtinu by IMHO měl být schopen opravit i běžné zcela chybné tvary, jako např. ,by jsme` namísto ,bychom`; ,jsi se` namísto ,ses`, ,dvoumi` namísto ,dvěma`, ,10-ti` namísto ,deseti` či ,10`. Tyto chyby jsou velmi časté, k jejich opravě není třeba žádné složité analýzy (na rozdíl od řekněme shody přísudku s podmětem), ale žádný korektor je AFAIK neopraví, protože ,by` i ,jsme` jsou sama o sobě spisovná slova :-( (navíc je zde podobnost jako kritérium pro hledání potenciálních správných tvarů poměrně k ničemu -- podívejte se, co vám korektory nabízejí za opravy na ,dvoumi`).
14.7.2003 11:40 Martin Povolny
Rozbalit Rozbalit vše GPL?!
No podle me fispell rozhodne podle GPL neni, teda alespon cast 100% byt nemuze, protoze pouziva kod/vychazi z kodu Jada Daciuka (fsa tools), ktery ma vlastni licenci, ktera je sice celkem benevolentni, ale rozhodne NE GPL.
16.7.2003 20:36 Marek 'marx' Grác | skóre: 21 | blog: Paralelný blog | Brno / Bratislava
Rozbalit Rozbalit vše GPL?!
pravdou je, ze povodny kod pouzival takyto kod. ale momentalne uz (takmer bez problemov) funguje implementacia zalozena na daciukovi, ktora vznikla uplne od zaciatku (je o cosi pomalsia a jednoduchsia. takze verzia co vyjde bude gnu/gpl
20.7.2003 17:05 Martin Povolny
Rozbalit Rozbalit vše GPL?!
Ta nova implementace ma neco spolecneho s projektem predikativniho psani ;-) ?
To je potom vyborne, ale kde to je? V cvs to nevidim, v projektech taky ne.

Založit nové vláknoNahoru

ISSN 1214-1267   Powered by Hosting 90 Server hosting
© 1999-2015 Nitemedia s. r. o. Všechna práva vyhrazena.