Euskal morfologiaren tratamendu automatikorako tresnak

idazlea, etab . zehazten
aipamenak etab .
Prozesadore morfologiko bat euskara estandarrerako
• zuriuneak eta puntuazio zeinuak, hitzen arteko hereizganiak direlako .
•
•
gainontzeko markak eta karaktere bereziak .
maiuskulaz idatzitako hasierako letrak, zatiak eta izenburuak .
• corpusetan agertu ohi diren testuaren identifikazioak -urtea, testu-mota,
duena-, orri-zcnhakiak, heste hizkuntzen
Eman lezakeena haina lan neketsuagoa da euskararako halako ezagutzailea egitea,
elementu hatzuck -marra edo puntua adibidez- funtzio anitza dutelako eta heste
hizkuntzetan formatoaren hidez oso erraz identifikatzen diren osagai haizuk, euskaraz
deklina daitezkeenez, hain identifikaeirazak ez direlako .
Konplexutasun honen aurrean eta heste ezagutzaile batzuen kidetik, automata bat da
identifikazioaz arduratzen den tresna . Lortzen den automata konplexu samarra da .
III .5 .2 Analizatzailearen emaitzak eta estaldura-tasa .
Atal honetan analizatzailearen ezaugarri gan - antzitsucnak aztertuko ditugu . 111 .8 irudian
"Eta gauza aundirik ekartzerik ez -zuen izan" esaldia analizatzean lortutako ernaitza ikus
daiteke . Bertan ikus daitekeenez, analisiaren emaitza zerrenda paranterizatu hezala ematen
da, hitz bakoitzeko analisi-aukera desherdinekin -anall, anal2, . . . identifikadoreaz
bereiziak-, eta lerra bakoitzean morfema baten informazioa zehaztuz . Hitz baterako
analisirik aurkitzen ez hada analisirik gahe agertuko da, ondoko kapituluan -zehaztuko diren
prozeduren zain . Adibidean mendirik hitza analizatu gahe agertzen da forma ez-cstandana da
eta .
C eranskinean testu-zati luze sainar baten adibide osoagoa azaltzen da, hcrtan datorren
kapituluan azaltzen diren tratamenduak -forma ez-estandarren ezaguera eta analisia lema
lexikoan egon gahe- huiaturik daudelarik . Ondoko kapituluko IVA atalean deskribatzen
den tratemendua burutua izan (la cmaitzcn gainean .
Emaitzaren formatoa ikusita, pasa gaitezen estaldurari huruzko zenbait datu ematera .
Datuak lehen kapituluan aipatutako corpusen gainean hartu dira, eta 111 .9 irudian azter
daitezke . Corpus hakoitzcko hi neurri ematen dira, hat hitz guztiak kontuan hartuz (corpus)
eta hestea hitz dcshcrdinak hakarrik kontuan hartuz (zerrenda) . Espero -zitekeen hezala,
zerrendetan tasa okerragoa da, analizatzen ez diren hitzak, hitz arruntak ez direnez, gutxitan
errepikatzen harrira .
89