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 13:32 | Bezpečnostní upozornění
Byly vydány verze 5.5.16 a 5.4.32 skriptovacího jazyka PHP. Ve verzi 5.5.16 jsou řešeny bezpečnostní problémy CVE-2014-3538, CVE-2014-3587, CVE-2014-2497, CVE-2014-5120 a CVE-2014-3597. Ve verzi 5.4.32 navíc CVE-2014-4670 a CVE-2014-4698. Řada 5.3 nebyla aktualizována. Verze 5.3.29 z 14. srpna je poslední v řadě. Uživatelům řady 5.3 se doporučuje přechod na 5.4 nebo 5.5.
Ladislav Hagara | Komentářů: 0
včera 06:53 | IT novinky
T-Mobile začal u nás prodávat telefon s Firefox OS. Jedná se o Alcatel One Touch Fire E s Firefox OS 1.3 za plnou cenu 3 399 Kč. [Mozilla.cz]
Ladislav Hagara | Komentářů: 41
21.8. 18:11 | Nová verze
Po třech měsících vývoje a pouze o dva dny později než bylo plánováno byla vydána verze 1.11 knihoven EFL (Enlightenment Foundation Libraries) a knihoven Elementary, Emotion Generic Players a Evas Generic Loaders. Z novinek lze zmínit například Elua, nový LuaJIT runtime pro rychlý vývoj aplikací s EFL, nebo podporu ETC2 (Ericsson Texture Compression).
Ladislav Hagara | Komentářů: 13
21.8. 06:58 | Komunita
Multiplatformní framework Qt bude přelicencován. Současná verze 5.3 je k dispozici pod licencemi LGPLv2.1, GPLv3 a komerční licencí. Qt 5.4 bude k dispozici pod LGPLv2.1, LGPLv3 a komerční licencí. Některé nově přidané moduly už budou ale k dispozici pouze pod LGPLv3 a komerční licencí. Cílem je jejich ochrana před tzv. tivoizací.
Ladislav Hagara | Komentářů: 9
20.8. 17:32 | Nová verze
Byla vydána verze 4.14 desktopového prostředí KDE. Nová verze přináší především vylepšení aplikací. Vlastní prostředí a knihovny jsou od vydání verze 4.11 v udržovacím módu. Vývojáři se primárně věnují přechodu na KDE Frameworks 5 (zprávička) a KDE Plasma 5 (zprávička).
Ladislav Hagara | Komentářů: 24
20.8. 12:34 | Nová verze
Vyšla verze 216 system manageru systemd. Byla například přidána utilita networkctl pro systemd-networkd, možnost posílat logy z journald na jiný server (systemd-journal-upload) a nebo nová komponenta systemd-firstboot starající se o základní nastavení systému.
Ruenix | Komentářů: 280
19.8. 15:14 | Nová verze
Nová verze standardu programovacího jazyka C++, C++14, formálně "International Standard ISO/IEC 14882:2014(E) Programming Language C++", byla jednohlasně schválena. [Phoronix]
Ladislav Hagara | Komentářů: 28
19.8. 07:10 | Komunita
V červnu skončil Freecode (zprávička), do roku 2011 Freshmeat, kdysi oblíbený katalog svobodného a otevřeného softwaru. Návštěvnost Freecode byla tak nízká, že se pro majitele stal nezajímavým. Záznamy o softwaru přestaly být aktualizovány. Řadě pravidelných návštěvníků ale informace o nových verzích tak chyběly, že vznikl komunitní projekt freshcode.club.
Ladislav Hagara | Komentářů: 0
17.8. 21:00 | Zajímavý software
Aplikace vyžadující X Window System mohou běžet nad Waylandem díky XWaylandu. Jak ale nad Waylandem spustit X display manager nebo X správce oken, když se o správu oken stará kompozitor Waylandu (například Weston)? Odpovědí může být Xweston. [Arch Linux Forums, reddit]
Ladislav Hagara | Komentářů: 55
15.8. 14:14 | Humor
Konference JavaZone 2014 se blíží. Pořadatelé pokračují v tradici a před konferencí zveřejňují krátký film věnovaný Javě. Letos je to Game of Codes. Film byl vybrán hlasováním. V květnu byly zveřejněny tři možnosti: Writing Bad, House of Codes a Game of Codes.
Ladislav Hagara | Komentářů: 16
Hlasuji z:
 (86%)
 (10%)
 (2%)
 (1%)
 (0%)
 (0%)
Celkem 2692 hlasů
 Komentářů: 41, poslední 19.8. 07:47
Rozcestník
Reklama
Autoškola testy online Levný benzín

Kontrola pravopisu - III

10. 7. 2003 | Marek Grác | Návody | 9934×

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
© 1999-2013 Argonit s. r. o. Všechna práva vyhrazena.