hrvatski

Funkcionalna leksikografija mrežnoga pravopisnog provjernika

Mrežni pravopisni provjernici nude jedinstvenu priliku za popravljanje vlastite jezične funkcionalnosti interakcijom sa svojim korisnicima. Navedenu mogućnost posebno je važno iskoristiti u jezičnotehnološki perifernim jezicima, kakav je hrvatski, radi prevladavanja jaza koji postoji u tehnologiji obrade prirodnoga jezika između njih i jezičnotehnološki središnjih jezika. Načini na koje je ova mogućnost iskorištena u slučaju hrvatskoga jezika bit će opisana na primjeru mrežnoga pravopisnog provjernika poznatog pod imenom Hascheck. Hascheck je prvi hrvatski javni pravopisni provjernik u uporabi od početka 1993. godine. Njegov je početni rječnik obasezao 100 tisuća različnica hrvatskoga općejezičnog fonda. Učenjem iz tekstova koji su mu pristizali na obradu opseg njegova rječnika je do svibnja 2010. godine narastao na 830 tisuća općejezičnih različnica i 600 tisuća različnica posebnojezičnoga fonda (osobna, vlastita i druga imena, kratice i tako dalje). Ovo je rezultat obrade korpusa od 260 milijuna pojavnica ostvaren zahvaljujući ekspertnom sustavu za učenje inkorporiranom u programski sustav pravopisnoga provjernika. Iako je sustav za učenje visokoautomatiziran, nove se različnice ne uvrštavaju u leksičku bazu bez prethodnog ljudskog nadzora. Nadzor je potreban radi očuvanja točnosti rječnika. Tijekom nadzora posebno se vodi računa da u rječnik ne uđu različnice koje se vrlo rijetko javljaju u uporabi, a identične su pogreškama u pisanju puno učestalijih riječi hrvatskoga jezika. Velika količina podataka prikupljana godinama omogućuje i pouzdano matematičko modeliranje mnogih aspekata Hascheckova života, što će također biti iscrpno opisano u ovome radu.

pravopisni provjernik; korpus; indeks učenja; pokrivanje teksta; Heapsov zakon

nije evidentirano