Discuție:Ghid pentru structurare

De la dexonline wiki
Sari la navigare Sari la căutare

Principiu general: atomicitate

[cata] Am vorbit cu Radu și m-a convins să adoptăm un model atomic. Oriunde o etichetă sau proprietate se aplică doar unei părți a arborelui de sensuri, spargem arborele în două. La afișare, încărcăm toți arborii relevanți și îi afișăm.

Propuneri de rezolvări

  • Separația între partea de vorbire și modelul de flexiune
    • [cata] Pe principiul atomic, vor exista două lexeme: muncitor s.m.f și muncitor adj., gravidă adj.f. și gravidă s.f. etc. Fiecare lexem are arborele lui de sensuri. Asta va genera forme flexionare duplicate, dar pare răul cel mai mic. Etichetele cu părți de vorbire rămân în continuare disponibile, pot fi utile.
    • (Modificare semnificativă față de propunerea anterioară: [cata] Propun ca partea / părțile de vorbire să fie etichete pe fiecare sens, ca mai sus. Modelul de flexiune va servi doar ca să arate lista de forme generate, nu și partea de vorbire. Asta va rezolva cazurile ca MF și A (ar fi aberant să avem două modele de flexiune practic identice) sau „gravidă” care este adjectiv, dar încadrat la F. [Matei] De acord.)
  • Numerotarea sensurilor, exemplelor și etimologiilor
    • [cata] Scheme diferite de numerotare, folosind prefixele 'E' pentru etimologii și 'X' pentru exemple. De exemplu, dacă un sens are două subsensuri și trei exemple, acestea vor fi numerotate 1.1, 1.2, 1.X1, 1.X2, 1.X3. Dacă o etimologie E1 are la rândul ei o sub-etimologie pentru completări (nu exclud posibilitatea), aceasta s-ar numi E1.E1.
    • [cata] La afișare găsim o formulă mai bună de prezentare, căci s-ar putea să speriem utilizatorii. Putem ascunde numerotările pentru exemple și etimologii.

Neclasificate

  • Pe primul nivel se pune o definiție cât mai cuprinzătoare, având în vedere atât DEX cât și celelalte surse. Pe nivelul următor se adaugă sensuri restrânse, expresii, exemple etc. etichetate ca atare.
    • [Matei] Eu aş merge pe varianta cu definiţie succintă (explicaţiile mai ample se pot consulta în sursele menționate). Redactarea unei definiții cuprinzătoare e anevoioasă (şi subiectivă).
    • [cata] Cred că m-am exprimat prost: definiția se sparge natural în sensuri relativ mici (la romburi, la numerotări etc.). Nu stă toată cârnat în sensul 1. Dar aș vrea să apară toată în arborele de sensuri.
    • [Matei] Mă refer la definiții care au mici diferențe de la o sursă la alta. Ex.: monitor (navă) este definit ca:
      • „Navă fluvială de război, blindată, de tonaj mic, cu tunuri protejate cu turele - DEX”;
      • „Navă militară, maritimă sau fluvială, de tonaj mic, echipată cu armament de artilerie - NODEX”;
      • „Navă de război cuirasată, prevăzută cu artilerie grea - DN”;
      • „navă fluvială de tonaj mic, cuirasată, cu artilerie grea, destinată luptei împotriva obiectivelor de pe mal - MDN” etc.
        • toate sursele descriind în principiu o navă de război. Unele adaugă elemente de armament, altele de blindaj etc. Dacă compilăm toate sursele, iese o chestie destul de stufoasă...
    • [cata] Acum înțeleg. Pe de altă parte, dacă nu facem noi efortul acesta, va trebui să-l facă utilizatorul. Ca și în prezent, va trebui să citească 10 definiții pentru a găsi micile diferențe între ele. Sunt de acord cu abordarea ta, de definiție succintă (factor comun sau aproape comun), dacă putem cumva să creăm subsensuri care să arate completările aduse de unele surse. Cam așa:
      • Navă fluvială de război, de tonaj mic, echipată cu artilerie grea.
      • „blindată” [DEX];
      • „cu tunuri protejate cu turele” [DEX];
      • „maritimă sau fluvială” [NODEX];
      • „cuirasată” [MDN];
      • „destinată luptei împotriva obiectivelor de pe mal” [MDN].
  • Unificarea lexemelor MF. [cata, Matei] sunt de acord cu asta
    • [cata] Nu mai știu cu ce sunt de acord. :-) Ce presupune unificarea?
    • [Matei] Unificarea presupune să nu avem lexeme separate pentru inginer s.m. și ingineră s.f. (DOOM2), ci un singur lexem inginer s.m. și f.
  • [Matei] Poate ar fi bine ca un lexem să poată avea multiple forme de bază (cu modele de flexiune diferite), ca să evităm crearea de lexeme multiple (eu nu văd rostul unui lexem separat vieţuitoare s.f. pe lângă vieţuitor adj. - având practic acelaşi sens).
    • [cata] Mă gândesc. Da, trebuie generalizată un pic structura. Tot aici aș include și variantele de accentuare (agríș / ágriș).
    • [cata] Apropo de variante de accent, recomandarea curentă nu este fantastică. Ghidul spune să unificăm lexemele și să păstrăm varianta secundară doar în rubrica „pronunții”. Dar astfel se pierd formele flexionare pentru varianta secundară de accent.
    • [Matei] Minunat ar fi să se genereze flexiunea și pentru varianta secundară! Ar fi posibil așa ceva?
      • [cata] Da, sigur. Ar fi aceeași situație ca și acum, când un lexem poate avea mai multe modele. Am renunța doar la restricția ca modelele să pornească de la aceeași formă de bază.
  • Trebuie să stabilim ce facem cu DER, DE, și într-o mai mică măsură Scriban și Șăineanu.
    • [cata] Este ok să aștepte până în „versiunea 2”. Dacă structurăm DEX-urile, NODEX, DN, MDN, DLRLC, Ortografic, DOOM2, deja vom fi redus enorm redundanța. [Matei] Cred că da.

Funcții noi de implementat:

  • (posibil) Link în pagina de editare pentru selectarea altui lexem, fără a mai trece prin pagina moderatorului.
  • Atenţie! Diminutivele, antonimele, ca de altfel şi variantele, etimologiile, pronunţiile sau modelele de flexiune pot fi valabile doar pentru anumite sensuri. Cum rezolvăm?
    • [cata] Diminutivele, antonimele și etimologiile deja există la nivel de sens.
    • [cata] Dacă am permite forme de bază multiple, atunci variantele și modelele de flexiune ar deveni una și aceeași problemă. O putem rezolva, destul de barbar, dacă permitem interzicerea, pe fiecare sens, a unor forme de bază. Implicit totul este permis. Mă gândesc la altceva mai bun.
    • [cata] La pronunție îmi poți da exemple? Am găsit doar eu, pronunțat ieu ca pronume, dar eu ca substantiv (concept filozofic). Dacă sunt cazuri rarisime, un comentariu ar fi suficient.
  • [Matei] Flexiune pentru lexemele compuse. Ca profan, nu mi se pare greu. Trebuie detectată prezența cratimei sau a spațiului și creată posibilitatea combinării a două modele de flexiune (unul pentru prima parte și unul pentru ultima parte; lexemele cu mai mult de 2 părți au invariabilă partea din mijloc; invariabilă poate fi și ultima parte; cazul pentru prima parte invariabilă este rezolvat).
    • [cata] Da, ar fi frumos să facem și asta. Mă gândesc cum s-ar face. Cred că ar necesita o bifă explicită „lexem compus”, căci sunt și alte cuvinte cu cratimă care nu necesită asta (într-adins sau altele).
      • [Matei] Păi astea se încadrează la invariabile, nu văd necesitatea bifei.
        • [cata] Da, dădeam doar un exemplu că nu tot ce conține bifă trebuie automat tratat ca lexem compus (pot fi și nume proprii etc.).

Vezi și lista de probleme de pe GitHub.

Nerezolvate

  • Variantele care au registru de folosire? Ex. ciot are variantele (popular) cioată, (rar) ciotur.
    • [cata] Etichetele să se poată aplica și pe lexem, nu doar pe sensuri.
  • Ce facem dacă un cuvânt este variantă a altuia, dar unele surse mai vechi îi dau și sensuri? Ex. ținterim este variantă a lui țintirim, dar Șăineanu îi dă și sensuri.
    • [cata] Propun să mutăm sensurile la forma de bază (modernă). [Matei] Da.
    • [cata] Dacă am permite forme de bază multiple, problema s-ar rezolva de la sine. Arborele de sensuri s-ar aplica tuturor formelor de bază (care ar include variantele).

Rezolvate

Etichete

Discuție despre etichete ierarhice.

  • Când punem etichete și când lăsăm paranteza respectivă?
    • Cred că ar trebui încet-încet să creăm etichete pentru toate parantezele.

[cata] Cred că avem nevoie de o ierarhie de etichete, nu doar de o listă. Am vorbit și cu Radu, care e de aceeași părere. De exemplu:

Exemplu de ierarhie -- clic pentru a o expanda.

  • parte de vorbire
    • substantiv
      • s.f.
      • s.m.
      • s.n.
      • s.m. și f.
    • adjectiv
    • pronume
      • pronume demonstrativ
      • pronume nehotărât
    • verb
      • verb tranzitiv
      • verb reflexiv
      • verb intranzitiv
  • grupă verb
    • grupa I
    • grupa a II-a
    • grupa a III-a
    • grupa a IV-a
  • regionalism
    • Moldova
    • Banat
    • Bucovina

O etichetă se aplică tuturor subsensurilor (care nu poartă o altă etichetă). De exemplu, în arborele de mai jos sensurile 2, 2.1 și 2.3 sunt tranzitive, iar 2.2 este reflexiv.

  • 2 [verb tranzitiv] ...
  • 2.1 ...
  • 2.2 [verb reflexiv] ...
  • 2.3 ...

Asta ar rezolva (toate!) problemele de mai jos:

  • Crearea unui câmp separat pentru partea de vorbire. Există cazuri de adj. fem. (ex. vectoare), care în prezent sunt încadrate eronat (s.f.).
  • [cata] Pentru asta ar fi bine să creăm mai multe părți de vorbire, în special pentru adverbe, prepoziții etc. Dacă nicăieri în definiție nu va mai apărea „adverb”, este important ca flexiunea să menționeze asta. [Matei] Mda.
    • [cata] Aceasta nu mai trebuie rezolvată. Tipul I este invariabil, iar din etichetele pe sens vom diferenția prepoziții, conjuncții etc. De fapt, toate modelele I1-I8 pot fi reunite la loc în I1 (după ce etichetăm corespunzător sensurile, desigur).
  • Unde punem mențiunea tranzitiv / intranzitiv / reflexiv pentru verbe?
  • Unde punem grupa verbului (I-IV)? Și cred că asta se poate generaliza la pronume nehotărâte, demonstrative etc.
  • [Matei] Eticheta s.m. și f. e necesară? Nu putem pune 2 etichete (s.m. și s.f.) în astfel de cazuri?
    • [cata] sigur, de ce nu.

Altele

  • Punem absolut toate sursele la „surse care atestă flexiunea”?
    • [cata] Cred că ar fi prea mult zgomot. Mai bine doar acolo unde nu toate dicționarele sunt de acord. [Matei] Da, sursele „normative” (DOOM, DEX, Ortografic) n-ar trebui menționate.
  • Lexemele omonime, sensurile (și subsensurile) ar trebui numerotate, altfel trimiterile dintr-o definiție nu mai au sens. V. aalenian. De stabilit modul de numerotare pentru diferitele paliere.
    • Asta creează probleme când trimiterea e la un alt lexem.
    • [cata] Despre ce paliere este vorba? Avem suport pentru numerotare, cred că această bulină este rezolvată. [Matei] Cred că da, putem șterge bulina.