Euskarazko errore sintaktikoak detektatzeko eta zuzentzeko ...

VII.7 Komunztadura-erroreak eta anbiguotasuna 277
• Enumerazioa (M eta E). Zerrendetako osagaiak unitate bakarrean biltzen
ez badira, osagaietako bakoitzean errepikatzen da mendekotasun-
-etiketa (ikus (74) adibidea), kombik subj eta kombik obj erregelen
aplikazioa eraginez.
(74) Lehenengo sailkapenean Hondarrabikoa (ncsubj>), Kontxa eta
Ondarreta (ncsubj>) sartzen dira.
• Koordinazioa (M eta E). Zerrenden inguruan deskribatu berri dugun
arazoa, koordinazioarekin errepikatu egiten da (ikus (75) adibidea).
(75) Liburu (ncsubj>) eta informazio gehienak (ncsubj>) erderaz
daude...
• Hitzak nahasteagatik. Komunztadura-errorerik ez duen arren, (76) adibideko
esaldi erroredunean, basapisti hitza gaizki erabili da. Gure ustez,
idazleak basati hitza erabili nahi izan du. Nahastuta erabili duen hitzaren
gramatika-kategoriaren aldaketak, errore baten detekzioa ahalbidetu
du (komunztadura-errorea ez den arren, bi objektu markatu
dira).
(76) *Txakur (ncobj>) basapisti (ncobj>) bat enkargatu dugu.
VII.7.3.2 Corpus zuzena
Aurreko atalean, analizatzaile sintaktikoen analisi-akatsek komunztadura-
-erroreen detekziorako erregelen ebaluazioa eragozten dutela ikusi dugu.
Bestela esateko, komunztadura-erroreak detektatzeko erregelek maiz analizatzaileen
akatsak azalarazten dituzte, gaizki eratutako mendekotasun-
-zuhaitzak detektatzen dituzte, erroreak detektatu beharrean. Komunztadura-erroreak
detektatzen dituen gramatikaren doitasuna probatzeko modua,
erregelak euskarazko treebankean, teorian analisi-zuhaitz perfektuen
bankuan, aplikatzea dela otu zaigu.
Euskarazko treebanka
Euskarazko treebanka (Aduriz et al., 2003b) 3LB proiektuaren barnean garatu
zen. Proiektuak maila morfosintaktiko eta sintaktikoan eskuz etiketatutako
corpusak sortu zituen katalanerako, euskararako eta gaztelerarako
(Palomar et al., 2004). Katalanerako eta gaztelerarako corpusak osagai-egituretan
oinarrituta analizatu ziren eta euskarazkoa mendekotasun-egiturak
oinarri hartuta.