Re: [da-stavekontrol] Regressiontest og synonnymordbogen

Hej Esben,
Av, der ramte du lige en akilleshæl.

Vi har ikke genereret ny thesaurus i mere end et år.

Historien er, at for et par år siden indgik jeg en aftale med DSL og KU 
om at vi må høste ord fra deres databaser. DSL har en lille 
synonymordbog og KU har en thesaurus (overord og underord) af meget høj 
kvalitet. Juhu. Samtidig flettede vi ordene sammen med vores egne 
synonymer fra synonym.oooforum.dk.

Når vi fletter de tre kilder, har vi besluttet at der ved sammenfald 
altid bruges de eksterne kilder. Det skyldes at den sproglige kvalitet 
er meget høj i disse kilder.

Vi fik udviklet en høstmaskine, som vi afviklede et par gange, men siden 
har vi glemt alt om den ;-)

Jeg ved at der efterfølgende er kommet nye ord i begge kilder, og der er 
muligvis også rettet i vores egen.

Vi skal naturligvis have indbygget dine kvalitetstjek i 
kompileringsprogrammet. Alt andet vil være dumt.

Men spørgsmålet er i virkeligheden om ikke det ville være smart, at du 
selv afvikler det program, der høster og pakker thesaurus? Der er jo 
sket den ændring, at de to ordbøger nu er samlet i en pakke.

Programmet er udviklet af Magenta ApS (som jeg arbejder hos), men det er 
åben sovs og vi overdrager med høj sandsynlighed gerne alle rettigheder 
til Stavekontrolden.

Med hensyn til stavekontrol kontra synonymordbogen. Jeg mener at vi i 
sin tid blev enige om, at ord der foreslås af synonymordbogen som 
udgangspunkt skal godkendes af stavekontrollen. Det var før du kunne 
differenciere mellem godkendte og foreslåede ord i stavekontrollen. Jeg 
synes at vi skal holde os til den aftale (den giver god mening), men 
også overveje hvordan vi skal håndtere undtagelser. Vi bruger eksterne 
kilder, som vi ikke er herre over. Derfor kan der opstå en situation, 
hvor thesaurus indeholder ord, som vi af en eller anden grund ikke vil 
have ind i stavekontrollen. Skal vi håndtere det med manuelle 
undtagelser i pakningen (disse ord udelades af vores synonymordbog), 
eller skal vi acceptere at der er ord i synonymordbogen, som bliver 
markeret som forkerte af stavekontrollen. Afgørelsen må afvejes op mod 
antallet af tilfælde.


Mvh.
Leif

On 25-02-2012 10:38, Esben Aaberg wrote:
> Hej Leif
>
> I forbindelse med at lavede en supportsag på optagelse af udvidelse "Stavekontrolden - Danish 
> dictionary" ver. 2.0 i LibreOffice, blev der gjort opmærksom på at der var en fejl i dat-filen til 
> synonymordbogen.
>
> https://bugs.freedesktop.org/show_bug.cgi?id=44841
>
> Please note that your th_da_DK.dat contains a bug, there is an empty line at
> line number 127756. It is corrected in LibreOffice sources.
>
>
> Som en konsekvens har af er jeg begyndt af at udviden regressiontest'en til også at teste på 
> synonymordbogen.
>
> Nedenfor kan det foreløbige resultat ses.
>
> Jeg er begyndt at reducere antallet af ord i dat-filen, som stavekontrollen ikke vil godtag, ved at tilføje 
> ord til Stavekontrolden. Jeg regner med at jeg nemt kan finde 500-1000 "almindelige" ord inden 
> version 2.1, og så må vi siden kigge på de lidt mere kryptiske og sjældne ord.
>
> De andre fejl skal jeg prøve at løse dem har fra eller er det noget I kan løse når i fortager 
> bygningen af synonymordbogen?
>
> Med venlig hilsen
>
> Esben Aaberg
>
> --------------------- OpenThesaurus - Dansk synonymordbog -------------------
>
> Indekseringstest:
> Det ser ud til indekseringen er i orden.
>
> Tomme linjer i dat-filen:
> 127756    
> Antal fejl: 1
>
> Dobbeltmellemrum i dat-filen:
> |skatte- og afgiftsminister|minister for  og afgifter
> Antal fejl: 1
>
> Linjer med kun et tegn i dat-filen:
>    7855    |
>   19992    |
>   31704    |
>   31706    |
>   32649    |
>   39537    |
>   55545    |
>   87240    |
>   92445    |
>   95311    |
>   96246    |
> 104237    |
> 104349    |
> 104356    |
> 107233    |
> 107447    |
> 107457    |
> 107461    |
> 110245    |
> 110465    |
> 111483    |
> 113019    |
> 117043    |
> 119660    |
> 137020    |
> 147594    |
> Antal fejl: 26
>
> Ord i dat-filen som stavekontrollen ikke kender:
> -
> abebrødtræ
> -abel
> abelmoschus
> abies
> abild
> abitur
> abrahams
> abramis
> abraxas
> abrotanum
> abs
> abs-bremser
> absinthium
> abstract
> abstrus
> abyssinier
> abyssinierkat
> acacia
> acalypha
> acanthias
> acanthiformis
> acanthus
> acari
> accessoirer
> accessories
> accidenser
> accipiter
> accise
> accoucheur
> account
> acer
> acetatrayon
> acetatsilke
> acetosa
> acetosella
> acherontia
> achillea
> acid
> acidhouse
> acidofilus
> acidofiluskultur
> acidophilus
> acinonyx
> acipenseriformes
> aconitum
> acontobetaling
> acontobidrag
> acorus
> acrania
> acrocephalus
> acta
> actaea
> actiniaria
> actitis
> aculeata
> acuta
> acutorostrata
> acutus
> ada
> adam
> adamskostyme
> adansonia
> addend
> addenda
> addikt
> adelbåren
> adfærdsforstyrret
> adiafora
> adiantum
> adipøs
> adjunktur
> adled
> admirabel
> adorabel
> adoxa
> adskilthed
> adspredthed
> adverbielt
> adversarier
> advocatus
> aegithalos
> aeglefinus
> aegolius
> aegopodium
> aegypiinae
> aeneus
> aepyceros
> aequoreus
> aerobiccenter
> aerobicinstruktør
> aerofobi
> aerolit
> aeromekanik
> aeruginosus
> aesculus
> aethiopica
> aetiopicus
> afbarbere
> afbide
> afbygger
> afbyggergård
> afdø
> affaires
> affiche
> affiks
> affiliere
> affindelsessum
> affirmere
> afflå
> affutage
> afghanerpels
> afgrundsvælg
> afgrødeplante
> afhoppe
> aficionado
> afinstallation
> afjaske
> afjasket
> afjævne
> afkappe
> afkopiere
> afkridte
> afkæmme
> afladelse
> afleden
> aflide
> aflivningsmetode
> aflønningsform
> afplatte
> afprikke
> afpræge
> afrejsedag
> africanus
> afrikke
> afro
> afrodisi
> Afrodite
> afrodite
> afryste
> afrøfle
> afrømme
> afsaltningsanlæg
> afsending
> afsi
> afsigte
> afskildre
> afskrotte
> afspillefunktion
> afspændthed
> afstandstagen
> aftenlandsk
> aftenskolekursus
> aftne
> aftning
> afvekslingsrig
> agaricus
> agerhønsejagt
> ------
>
> SNIP
>
> -------
> æolsharpe
> ærekærhed
> æresfrygt
> æresloge
> ærgerligvis
> ærke-
> ærkedum
> ærkehertuginde
> ætermedie
> ætsnatron
> ætstor
> ætylenglykol
> øjensynliggøre
> øjenvidneskildring
> økonomaassistent
> ømfindlig
> ømål
> ønolog
> øresundstold
> ørle
> øster
> østtimoreser
> åkandefamilien
> åland
> Ålandsøerne
> ålandsøerne
> aalge
> åndsbolle
> åndsværk
> årfugl
> årsagsmæssig
> Antal fejl: 5908


--
Send en e-mail til stavekontrol+help@da.libreoffice.org for instruktioner om hvordan du ophæver dit 
abonnement
Problemer? http://da.libreoffice.org/kontakt-os/postlister/
Posting guidelines + more: http://wiki.documentfoundation.org/Netiquette
Listens arkiv er tilgængelig på http://listarchives.libreoffice.org/da/stavekontrol/
Alle beskeder du sender til listen bliver publiseret her og kan ikke efterfølgende slettes