Diakritik

DIAKRITIK je nástroj na rekonštrukciu diakritiky. Bol vytvorený v SNK a sprístupnený 18. 8. 2014. Je založený na využití jazykového modelu postaveného na veľkom korpuse textov slovenského jazyka.

Na rekonštrukciu je možné použiť niektorú z nasledujúcich metód s rôznym pomerom chybovosť/rýchlosť:

firstVyberie prvú možnosť na rekonštrukciu, ktorú nájde v texte.
randomKaždé slovo, ktoré sa dá, nahradí náhodným slovom s diakritikou.
naïveVyberie najčastejšie sa vyskytujúce slová s diakritikou.
n-gramPoužije jazykový model – slová sú rekonštruované v úsekoch dĺžky n tak, aby bola pravdepodobnosť výskytu výslednej vety v slovenčine čo najvyššia. Čím vyššie n, tým lepšia presnosť, ale tým aj väčšia výpočtová náročnosť. Zlepšenia nad n>4 sú minimálne.
odstran diakritikuOpačný postup, nástroj zo zadaného textu diakritiku odstráni.

Chybovosť rekonštruovaného textu, teda pomer slov s nesprávne určenou diakritikou, sa pohybuje okolo 0.2 %, t. j. zhruba jedno slovo z päťsto bude zrekonštruované nesprávne. Čím je text podobnejší štandardnej slovenčine, tým je jeho rekonštrukcia úspešnejšia.

 

Rekonštrukcia je dostupná TU.

 

Ďalšie odkazy

Nástroj je aktuálne vyvíjaný v Jazykovednom ústave Ľ. Štúra SAV mimo projektu Tvorba a rozvoj Slovenského národného projektu (V. etapa).