[biolight]

merhaba @soul,

http://www.egitimx.netteyim.net adresinde ki Gerekliler sayfasında
Türk Dil Kurumu 2000 basımlı İmla Klavuzu nun
E-Kitap a dönüştürülmüş şekli bulunmakta

[AnIL]

bu arada biraz offtopic olacak belki ama; Microsoft.word'u dom obje olarak kullanarak; imla kontrolu yaptirabilirsin sanirim PHP veya ASP de.(ortam windows olucak tabi)

ben buna benzer birşey görmüştüm; o yüzden söledim.

[gokceyalcin]

Bende var, bir kelimenin neredeyse bütün yapım ve çekim ekleriyle 500.000+ kelime. Kelimelerin bir takım sayaçlara göre ne kadar popüler olduğu da var, hatta bir kelimenin (örnek 'Enerji') başka bir kelimeyle (örneğin 'bakanlık') ne kadar birlikte geçtiği sayı, ve toplamda bütün birlikte geçen kelimelerin birbiriyle hesaplandığı düşünülürse kelimelerin aynı makalede geçme oranları dahi var. Bir kaç milyon satır da bu bilgiler tutuyor, bir de hangi kelimelerin yanyana bulunma oranları eklenecek bunlara. Veritabanı birkaçyüz megabyte (raw MySQL datası) var. Bu bilgilerin bir kısmını (kelimeler) paylaşabilirim fakat spelling için biraz hantal kaçabilir. (her kelime için en az 500.000 rowluk bir dbyi tarayacak)

Bunun yerine önerim, çekim eki ve yapım eki kurallarını implement etmen ve sadece sözcük köklerini alman. 50.000 kelime yeterli, M$ Wordde bu yöntem kullanılmakta. DB olarak yukarıda geçen TDK 2000 imla klavuzu işini rahat rahat görür.

Sözlük köklerine ulaşmada algoritma arıyorsan: http://turkoloji.cu.edu.tr/DILBILIM/morfo_soz.pdf

İyi çalışmalar

[ssonmez]

@gokceyalcin pdf dosyasını inceledim gerçekten güzel sistem analizi yapılmış. Ellerinize sağlık.

Daha önce forumda bahsi geçmişti. Bu güzel imla projesini bir Wordpress eklentisi haline getirseniz, inanın Türk Dili için müthiş bir hizmette bulunmuş olursunuz.

Elbette bu çeşit bir projede ya kişiler imla klavuzunu bir temel database olarak kendi serverlerine ekleyecek ve denetleme eklentisi yeni yazı girişine, yorum girişine dahil edilecek ya da bir sponsorla serverlar üzerinden denetlenmesi istenen yazılar XML'le vs. gidip gelecek.

Microsoft Office üzerinden yapılacak bir imla denetimi ise çeşitli telif sorunlarıyle bir eklentiye dönüşmekte zorlanacaktır. Sonuçta Linux tabanı giderek yaygınlaşıyor.

Belki bu ticari bir projede olabilir. Herhangi bir CMS hazırlayan web programcıları haber girişlerine bu imla denetimini ya da server denetim hizmetini uygun fiyatla satın alırlar.

Açıkçası bunlar sadece anlık aklıma gelenler ama çok süratle MSN Messenger'da dahil olmak üzere bir çok programa entegre olmalı. Dilimiz elden gidiyor.

[gokceyalcin]

@ssonmez

Oluşturduğum veritabanını daha önce söylediklerimden anlaşılacağı gibi semantic davranabilecek uygulamalar için oluşturdum. Örneğin şuanki istatistiğimde sondaj ile ilgili bir makalede hangi kelimelerin ne oranda kullanabilecekleri olasılıkları var. (Maden, Enerji Bakanlığı, Hilmi Güler, İzin (...) gibi)

Veritabanı şimdiden basit bir uygulamayla TDK imla klavuzundan bağımsız oluşturuldu, sadece oradan sözcük köklerini kontrol ettim o kadar. Popüler genel jenerik sözcüklerde 150-200 bin kelime kadar da fazlam var. (kelimelerin çekim - yapım ekleri imla klavuzunda zaten yok, eğer yapım-çekim ekleriyle düşünülürse veritabanında şu anda 450bin kelimeden fazlası var, ve her gün 1000 kadar kelimeyle büyümekte)

Hızlıca XMLRPC kullanılarak erişilebilecek bir spellcheck webservisi oluşturabilirim. Sadece check yaparsa pek sorun olmaz. Fakat sadece check işlemi çok büyük bir yarar sağlamıyor, önemli olan öneri (kelimenin olası doğru yazılanı) sunabilmek. Bu büyüklükte bir veritabanında her check'e bir de tavsiye listesi oluşturulması ciddi performans sorunlarına yol açabilir.

Çalışmamı bu yöne de taşıyabilirim, iyi bir başlangıç olabilir. Daha sonra projeye katılmak isteyen de illa ki insanlar olacaktır. Spellchecking ile başlayıp web 3.0'a -semantic web- ilkelerine büyük bir katkıda bulunabiliriz. Interneti 5 yıl arkadan takip eden bilişim sektörümüz için de büyük bir adım olur. Fakat genelde böyle projelere gerçekten yarar sağlayabilecek insanlar bu türden projelerden finansal nedenlerden dolayı korkuyorlar. Bu türden araştırmalarda tıpkı yabancıların yaptığı gibi bir bağımsız, bağış üsülü bir destek gerekiyor, maalesef bu destek, ülkemiz insanları tarafından projede çalışabileceklerin artniyetli olabileceklerine dair inançlarından ötürü pek sağlanamıyor. Sanırım yıkmamız gereken internetle ilgilenen insanımızın önyargı ve tabuları.. Belli bir kitleden veya şirket-sponsordan en azından gelişme sürecinde finsansal destek görmeyen bir uygulama, pek yaşayamıyor.

[blur]

bilgisayar ortamında olmayan yazım klavuzları bile bazen farklı görüşlerde olabiliyor. Bunun nasıl çözüleceğini, hangisinin kabul edileceğini de iyi düşünmek gerek.

[gokceyalcin]

@blur

Bunun kararını verecek olanın, biz programcılar olduğunu sanmıyorum. Dilin bir tam doğrusu yok. Sürekli değişmekte, zaten bu konuda uzmanlıklarını yapan insanlarda bu değişimde tartışıyorlar, tartışırlarken dil değişmeye devam ediyor.. Hiçbir zaman kesin bir sonuca ulaşılamayacağı da garanti. Önemli olan dil konusunda otorite olmak değil bence makul sonuçlar getirmek.

[blur]

Elbette öyle; hatta ötesi var kesinlikle programcılar vermemeli.

Anlatmak istediğim böyle bir sıkıntının da var olduğu. Çok önemli bir eksikliğimiz için iyi niyetli adımlar atılırken sorunlardan birisine dikkat çekmek istedim.

[erdinç]

Konu Türkçe olunca ben de cevap yazmak istedim. Türkçe, aslında programlanabilirlik açısından son derece yatkın bir dil. Örneğin fiil çekimleri karışık kurallara dayanıyor olsa da bunların büyük bölümü programlanabiliyor.

Örneğin, çekimi yapılmış bir fiilden, fiil köküne geri gidebilirsiniz. Çekim almış kelimeleri tanıyabilen bir program başka uygulamalara da imkan verecektir. Yüzbinlerce veya milyonlarca kelime çekimi içeren bir veritabanı kullanmak yerine kelime çekimlerini formule ekmek daha iyi olur.

[blur]

O kadar basit olmayacağına emin olabilirsiniz.

(Bilyon nedir?)