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
×
včera 17:00 | Zajímavý projekt
Na blogu Raspberry Pi jsou představeny dva zajímavé projekty: PiJuice a PiNet. PiJuice je modul s baterií, případně i se solárním panelem, pro mobilní projekty s Raspberry Pi. Končící kampaň na Kickstarteru je velice úspěšná. Cílová částka 10 tisíc liber byla překonána hned sedmkrát. PiNet je řešení počítačové učebny postavené na Raspberry Pi. Nahrazuje starší řešení Raspi-LTSP.
Ladislav Hagara | Komentářů: 2
včera 09:09 | IT novinky
Pro společnost Red Hat skončil 28. února fiskální rok 2015. Dle finančních výsledků bylo čtvrté čtvrtletí, stejně jako celý fiskální rok 2015, opět úspěšné. Tržby jsou zvyšovány již 52 čtvrtletí v řadě. Za čtvrté čtvrtletí 2015 to bylo 464 milionu dolarů, tj. meziroční nárůst 16 %. Tržby za celý fiskální rok činily 1,79 miliardy dolarů, tj. meziroční nárůst 17 %.
Ladislav Hagara | Komentářů: 23
včera 09:09 | Zajímavý článek
Vyšlo šestačtyřicáté číslo anglicky psaného časopisu BlenderArt Magazine určeného uživatelům Blenderu. Stáhnout jej lze ve formátu pdf, nebo přečíst online na Issuu.
Ladislav Hagara | Komentářů: 0
26.3. 19:19 | Komunita
Mozilla.cz informuje, že GitHub začal pro prohlížení nahraných PDF dokumentů používat čtečku PDF z Firefoxu. Ta je shodou okolností pod názvem Pdf.js hostována právě na GitHubu.
Ladislav Hagara | Komentářů: 3
26.3. 19:19 | Zajímavý projekt
Článek na serveru Libre Graphics World Kimiko Ishizaka and MuseScore team release Open Well-Tempered Clavier představuje Otevřený Dobře temperovaný klavír (OpenWTC) uvolněný jako volné dílo. K dispozici je jak audio (MP3, FLAC), tak notový zápis (PDF, MusicXML, ...). Vše je k dispozici také na Wikimedii. Finančně pomohla úspěšná kampaň na Kickstarteru. V souvislosti s týmem MuseScore lze zmínit vydání MuseScore 2.0, nové verze svobodného notačního programu.
Ladislav Hagara | Komentářů: 12
25.3. 20:02 | Zajímavý projekt
Collabora a IceWarp budou spolupracovat s komunitou na vývoji LibreOffice Online (LOOL), svobodné alternativy k proprietárním řešením jako Dokumenty Google a Office 365 (Michael Meeks, Collabora, The Document Foundation Blog). LibreOffice Online byl představen již v roce 2011 (zprávička) a v roce 2012 se mluvilo o jeho vydání (zprávička). Dle aktuálních odpovědí na dotazy ohledně LibreOffice Online by LibreOffice Online mohl být k dispozici na přelomu let 2015 a 2016.
Ladislav Hagara | Komentářů: 14
25.3. 16:45 | Nová verze
Po půl roce od vydání verze 3.14 (zprávička) vychází GNOME 3.16. Součástí jsou nové funkce a vlastnosti, stejně jako řada menších zdokonalení a vylepšení. Vydání obsahuje 33 525 změn od 1 043 přispěvatelů. Podrobnosti i s náhledy v poznámkách k vydání, přehledu dalších funkcí nebo také v novinkách pro vývojáře, správce systémů a správce distribucí. Přehled novinek také na oficiálním videu. Pro vyzkoušení je k dispozici iso obraz gnome-3.16.iso.
Ladislav Hagara | Komentářů: 107
25.3. 09:30 | Komunita
Na dnešek, poslední středa v březnu, připadá Document Freedom Day (DFD) (Wikipedia), jenž má upozornit na výhody otevřených standardů a formátů. Kolik podpůrných akcí se koná v Česku a na Slovensku? Dle aktuální mapy akcí žádná.
Ladislav Hagara | Komentářů: 1
25.3. 09:30 | Zajímavý článek
Mozilla.cz informuje, že geolokační služba Mozilla Location Service, jež sbírá informace o umístění Wi-Fi sítí a buněk mobilních vysílačů, úspěšně roste, viz mapa pokrytí.
Ladislav Hagara | Komentářů: 5
24.3. 15:17 | Pozvánky
Setkání JBUG na téma Novinky v Infinispan 7 proběhne ve středu 8. 4. od 18:00 v místnosti A318 na Fakultě informatiky MU v Brně. Prezentují Tomáš Sýkora a Martin Genčúr.
Jan Bleha | Komentářů: 0
Disketu jsem naposledy použil během
 (36%)
 (3%)
 (12%)
 (45%)
 (3%)
Celkem 2544 hlasů
 Komentářů: 101, poslední 26.3. 12:29
Rozcestník
Reklama
Autoškola testy online Levný benzín

Kontrola pravopisu - III

10. 7. 2003 | Marek Grác | Návody | 10043×

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.