Skip to content
New issue

Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.

By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.

Already on GitHub? Sign in to your account

Check Czech dictionary for unknown words (garbage) #18

Open
stranak opened this issue Feb 25, 2016 · 1 comment
Open

Check Czech dictionary for unknown words (garbage) #18

stranak opened this issue Feb 25, 2016 · 1 comment

Comments

@stranak
Copy link
Member

stranak commented Feb 25, 2016

Pro slovo 'odpoved' obsahuje slovník z Korektoru následující položky:

 odpověd|odpověd|NNMS-
 odpověd|odpověd|NN---
 odpověd|odpověd|NNM--
 odpověd|odpověd|NNMS1

Formát je forma|lemma|tag. Po chvilce jsem našel ještě například

 odpovedet|odpovedet|NNIS1
 odpovedel|odpovedel|NN---
 odpovedel|odpovedel|NNI--

Když místo spellcheckingu použiju doplňování diakritiky, uvidím
následující (je tam toho víc, protože v tomhle případě se může lišit
diakritikou libovolně mnoho písmenek):

 odpověď|odpověď|NNFS4
 odpověď|odpověď|NNFS4-----@----
 odpoved|odpoved|NN---
 odpověď|odpověď|NNFS1-----@----
 odpověd|odpověd|NNMS-
 ODPOVED|Odpoved|NN---
 odpověd|odpověd|NN---
 ODPOVED|Odpoved|AA---
 odpověd|odpověd|NNM--
 odpověď|odpověď|<unk>
 odpověd|odpověd|NNMS1
@stranak
Copy link
Member Author

stranak commented Feb 25, 2016

I tried some Morphodita's guesser's bad suggestions (nonexistent lemma) and found more matches in our dictionary. E.g. odpovedentuelně, odpovedetica, odpovedoucí. So it seems this might have come from accidentaly using the guesser while compiling our dictionary.

Sign up for free to join this conversation on GitHub. Already have an account? Sign in to comment
Projects
None yet
Development

No branches or pull requests

1 participant