[Dict] БГ Офис модул за проверка на правопис
Стоян Димитров
stoyan at gmx.com
Thu Apr 9 15:10:41 EEST 2015
70МБ е само архивът. Самата база от данни е още по-голяма. Това
което не съм изпратил е една огромна таблица (~4 милиона реда) с име
„derivative_form“, която предполагам е „разгънатия“ списък с думи. Не
съм сигурен, дали ще мога да я обърна в същата структура, но ако
настояваш мога да опитам (хм, минах на „ти“). Има и друг фактор -
кодирането. Базата е UTF-8, а файловете са cp1251, което само по себе си
е намаляване почти наполовина.
На 09.04.2015 г. в 14:23, Sah War написа:
> @Радостин Раднев
>
> Засега ще се радвам и на мен да ми дадеш права за commit-ване към SVN
> хранилището на проекта „БГ Офис“ в SourceForge. Потребителското ми име
> в SourceForge е sahwar (http://sourceforge.net/u/sahwar/profile/).
>
> Аз предлагам да преместим всичко в GitHub, защото git ми се струва
> по-приятна за употреба, а интерфейсът на GitHub е много приятен.
> Инструкции за извършване на тази дейност има на следните страници:
>
> http://www.17od.com/2010/11/11/migrating-a-sourceforge-subversion-repository-to-github/
> https://twitter.com/ve4ernik/status/584102649114529792
>
> Ако искате, можем да извършваме основната дейност в GitHub, а само
> периодично да синхронизираме версията от GitHub с тази от SourceForge
> (в смисъл: да копираме новите неща от GitHub в SourceForge, като
> SVN-то в SF да е по принцип заключено за промени, а само от
> администратора да се добавят новите неща чрез копирането им от
> GitHub). Разбира се, ако държите да ползваме SVN, ще се примиря и с
> него. Но има и вариант SVN-то да се преобразува в git, което да е пак
> в SourceForge и именно него да клонираме в GitHub (и в GH да
> действаме), а при промени да вливаме промените обратно в git
> хранилището на SourceForge (аз съм лично за този вариант). Варианти
> има много...
>
> @Михаил Балабанов
>
> Иначе се присъединявам към препоръката изходните данни на проекта
> да останат във формат „основни форми + правила за формообразуване“
> и да не се превръщат в „плосък“ списък от разгърнати словоформи.
> Така обемът на данните е много по-обозрим от човек, по-лесно се
> допълва базата и се отстраняват грешки, а списъкът със словоформи
> така или иначе може да се генерира по всяко време в какъвто искаме
> формат.
>
>
> По принцип е така, но словоформите на думите в българския език не са
> винаги по най-често използвания модел на словообразуване на
> словоформите, поради което автоматичното генериране на словоформи
> просто няма как да е перфектно точно и винаги ще има грешки, макар и
> дребни...
>
> Ако се съгласите да преминем към използване на GitHub, там можем да
> направим 2 копия на данните: master (основно копие, по което да се
> работи) и full-wordforms („плосък“ списък с разгърнати словоформи),
> като второто ще следва развитието на първото и промените в него.
>
> @Стоят Димитров
>
> Много добра работа си свършил, браво. Но имам един въпрос. Файлът със
> SQL базата от данни на речника на chitanka.info <http://chitanka.info>
> е около 70 МБ, а файла, който ти ни прати, е само 528 КБ, сигурен ли
> си, че това са всички данни от SQL файла, че ми се струва прекалено
> голямо намалението на размера на базата от данни, макар и
> преобразувана в текстов вид?
>
> П.П. Ако по някаква причина ви харесва git, но не харесвате GitHub,
> защото кодът му не е пуснат, можем да помислим за инсталация на GitLab
> на нечий сървър (например на този на ludost.net <http://ludost.net>
> или да помолим Борислав Манолов от chitanka.info
> <http://chitanka.info> да ползваме неговата инсталация на GitLab?).
>
> В скоро време искам да пусна нови файлове за частта с речниците в
> BGOffice, затова са ми нужни права за SVN, докато не решим дали ще
> ползваме и занапред него или ще минем към GitHub/GitLab. :)
>
> Поздрави,
> Sah War (sahwar)
>
> На 3 април 2015 г., 23:18, Стоян Димитров <stoyan at gmx.com
> <mailto:stoyan at gmx.com>> написа:
>
> Здравейте,
> Ето ги и първите добавениот мен думи [1]. Наистина са само, за
> да усетя процеса.
> ___
> [1] http://sourceforge.net/p/bgoffice/code/479/
>
> На 29.03.2015 г. в 12:15, Стоян Димитров написа:
>> Здравейте,
>> интересува ме някой от вас знае ли дали в момента се извършва
>> дейност по осъвременяването на модула за проверка на правописа в
>> БГ Офис [1] по-скоро списъка с думи (вероятно се нарича
>> „речник“). След предварителен преглед на базата данни [2] от
>> речника [3] мисля, че списъкът с думи, включени в БГ Офис, може
>> да бъде осъвременен и поддържан във форма сравнително лесно. Като
>> допълнителен бонус процесът на обновяване може да бъде
>> автоматизиран. Не е съм съвсем сигурен, но вероятно всички модули
>> (напр. сричкопренасянето) и за всички продукти (OpenOffice,
>> Mozilla) ще имат полза от това.
>> Започнал съм работа по файла .aff, което да послужи като
>> шаблон за генерирането на допълнен речник за проверка на
>> правописа, та идеята ми е да не се настъпим с някого.
>>
>> П.П.
>> Разборът, който е направен на изходния материал, за да бъде
>> реализиран [3] е страхотна основа за надграждане и незная как е
>> останал незабелязан до момента. Поздравления за автора!
>>
>> __
>> [1] - http://bgoffice.sf.net
>> [2] - http://rechnik.chitanka.info/db.sql.gz
>> [3] - http://rechnik.chitanka.info
>>
>>
>>
>> _______________________________________________
>> Dict mailing list
>> Dict at ludost.net <mailto:Dict at ludost.net>
>> http://lists.ludost.net/cgi-bin/mailman/listinfo/dict
>
> --
> С
>
>
> _______________________________________________
> Dict mailing list
> Dict at ludost.net <mailto:Dict at ludost.net>
> http://lists.ludost.net/cgi-bin/mailman/listinfo/dict
>
>
>
>
> _______________________________________________
> Dict mailing list
> Dict at ludost.net
> http://lists.ludost.net/cgi-bin/mailman/listinfo/dict
--
С
-------------- next part --------------
An HTML attachment was scrubbed...
URL: <http://lists.ludost.net/pipermail/dict/attachments/20150409/f6132123/attachment-0001.html>
More information about the Dict
mailing list