Om svar anhålles - Svenska Akademiens ordbok - Göteborgs ...

17
ken beror antagligen på att James Murray själv skrev eller ansvarade för nästan hälften
av alla artiklar i ordboken.
Det finns naturligtvis ingen möjlighet att arbeta om strukturen i de första delarna inom
ramen för OSA-projektet. Den lexikaliska modell vi utarbetar måste vara generös och tilllåta
en stor variation i såväl makrostruktur som mikrostruktur. Den måste bygga på den
stramare strukturen i de senare banden, men samtidigt rymma de första bandens fria artikelstruktur.
En ovan användare måste kunna söka i hela ordboken utan att känna till
några detaljer om variationen i artikelstrukturen, eftersom det främsta syftet med projektet
ändå är att göra ordboken mer lättillgänglig.
Uppläggning av taggningsarbetet
Vi har delat in taggningsarbetet i olika faser. Den första fasen är en identifieringsfas där
gränserna mellan de olika informationskategorierna lokaliseras och de typografiska koderna
översätts till SGML-taggar. Det är i denna fas vi nu befinner oss och det är huvudsakligen
identifieringsfasen som beskrivs i detta avsnitt. Denna fas är också den mest
arbetskrävande i projektet.
I nästa fas byggs de enskilda elementen samman till en komplex SGML-struktur och
grammatiken över ordbokens struktur fastställs i en s.k. document type definition (DTD).
Våra planer är att så långt som möjligt följa den DTD för tryckta lexikon som rekommenderas
av Text Encoding Initiative (TEI P3 1984: 321–370). I TEI P3 pekar man på den stora
strukturella variation som finns i ordböcker. På grund av detta har man valt att
definiera två modeller. En modell med en fast struktur vilken skall täcka in de vanligaste
typerna av ordböcker samt en alternativ modell som utgår från samma element, men som
medger att man kan kombinera alla element relativt fritt.
... because the structure of dictionary entries varies widely both among and within
dictionaries, the simplest way for an encoding scheme to accommodate the entire range
of structures actually encountered is to allow virtually any element to appear virtually
anywhere in a dictionary entry.
(TEI P3 1994, s. 321)
Vi bör kunna använda oss av den friare modellen som utgångspunkt, men vissa omfattande
tillägg måste ändå göras för att DTD:n skall täcka SAOB:s komplexa struktur. Några
av komplikationerna nämns nedan.
I den sista fasen av taggningsarbetet kommer vi att lägga till viss information till texten.
Vi kommer att normalisera stavningen av uppslagsorden. Källhänvisningarna kommer
också att normaliseras så att de kan länkas till en bibliografisk databas. Vi kommer
att undvika att ändra i själva texten och istället lägga de normaliserade formerna i SGMLtaggarna.
Alla korsreferenser och hänvisningar till de behandlade orden skall också formaliseras
i denna fas, så att man kan kontrollera hela systemet av korsreferenser automatiskt.
Vi kommer inte att här diskutera vilket sökspråk eller söksystem som skall användas
för SAOB när taggningsarbetet är avslutat. PAT, det system som används för att söka i
OED (se t.ex. Salminen 1994), kan hantera sökningar i stora SGML-strukturerade dokument
och verkar vara det bästa systemet i dagsläget. Tyvärr finns inte idag något fullständigt
frågespråk som kan hantera SGML. Detta beror på att SGML från början inte alls var
tänkt att vara ett databasformat, utan utformades för att fungera som ett utbytesformat
mellan olika ordbehandlingsformat. Eftersom antalet SGML-kodade dokument ökat kraftigt
de senaste åren har det uppstått ett behov av att kunna söka i och uppdatera dessa
dokument. Det finns flera forskningsprojekt som arbetar på att ta fram en väldefinierad
semantik för SGML och att utveckla ett fullständigt frågespråk som innebär att man kan
söka i och ändra i dokumenten på ett väldefinierat sätt. Raymond och Tompa (1995) ger