Generering av grundformer i Stava

Generering av grundformer i Stava
utöka suffixlistan med de nödvändiga reglerna.
För de suffix som dessa nya regler ska godkänna gäller att de redan finns med som högerled i
suffixlistan, eftersom de beskriver böjningsformer som lagrats i ordlistan. Ett högerled beskriver
böjningsformer för en viss grupp av ord, och för ett ord ur denna grupp ska alltså alla högerledets
suffixformer finnas med i ordlistan. Det innebär att varje suffix ur högerledet kan bilda vänsterled i en
regel där högerledet är oförändrat. Förfarandet blir tydligare med ett exempel:
För att regeln "-orna -a, -an, -or" ska appliceras på ett ord kapporna krävs att kappa, kappan och
kappor finns i ordlistan. Ett ord som tillhör denna grupp finns alltså lagrat just i de tre formerna, och då
kan till exempel kappa anses tillhöra gruppen om både kappa, kappan och kappor finns med i ordlistan.
Det ger upphov till en suffixregel "-a -a, -an, -or". Ytterligare två regler behövs för att fånga upp
formerna kappan och kappor. Dessa två blir då "-an -a, -an, -or" och "-or -a, -an, -or".
Med andra ord ska varje suffix som ingår i ett högerled ge upphov till en ny suffixregel med oförändrat
högerled. Det stora antalet suffixregler (ett tusental) gör det mindre lämpligt att skapa dessa nya regler
för hand, men det går bra att automatgenerera dem. I vår lösning har vi dock inte gjort detta utan bara
lagt in några nya regler, som tillsammans fångar ett stort antal regelbundna substantiv och verb, för att
visa principen. Vi har i efterhand skrivit ett Perlscript (suffixaren.pl) som automatiskt genererar samtliga
nya suffixregler (new_suffixes) enligt denna princip.
Sammansatta ord
I ordlistan lagras inga sammansättningar. Därför måste sammansatta ord delas upp i för- och efterled för
att kunna slås upp. Till suffixkontrollen kommer bara efterledet, men för att grundformsgenereringen ska
vara användbar är det viktigt att den resulterande grundformen är av hela ordet, inte bara efterledet.
Annars skulle ett ord som solförmörkelsen få sin grundform presenterad som förmörkelse, snarare än
solförmörkelse. Vi är därför tvungna att hålla reda på eventuella förled som skalats bort under
bearbetningen. För att hantera detta ser vi till att inte bara efterledet utan även en oförändrad upplaga av
ordet finns med vid suffixkontrollen. Det är detta ursprungliga ord som används för presentation, sedan
vi tagit bort suffixet.
Litteratur
Domeij, R., Hollman, J. & Kann, V. Detection of Spelling Errors in Swedish Not Using a Word List En
Clair. Journal of Quantitative Linguistics, 1(3), 195-201, 1994.
(ftp://ftp.nada.kth.se/pub/documents/Theory/Viggo-Kann/detectspell.ps)
Kann, V., Domeij, R., Hollman, J. & Tillenius, M. Implementation aspects and applications of a
spelling correction algorithm. In Koehler, R., Uhlirova, L., Wimmer, G. (eds.): Text as a Linguistic
Paradigm: Levels, Constituents, Constructs, 1999.
(ftp://ftp.nada.kth.se/pub/documents/Theory/Viggo-Kann/TRITA-NA-9813.pdf)
file:///C|/WINNT/Profiles/d95-nke/Desktop/Spraktek/Stavalab.html (2 of 2) [2000-12-18 15:00:38]