Re: Woordsoorten database

>
> Hoi Bart,
>
> Bedankt voor de verwijzing naar dit artikel. Zeker een goede
> samenvatting, en sluit aan bij mijn onderzoekje.
>
> Ik heb ook zijn proefschrift bekeken, die uitgebreider ingaat op de
> details.
>
> http://ilk.uvt.nl/~mre/
>
> En vergelijkbaar artikel voor het Engels is hier.
>
> http://citeseer.ist.psu.edu/golding96applying.html
>
> Mijn eigen tooltje doet het volgende
>
> 1. Context (woorden die binnen 10 woorden vaker voorkomen als je een
> zeker woord
> gezien hebt.)
>
> - Dit kan goed gebruikt worden om verwisselingen zoals weide / wijdde
> / wijde te vinden.  (De koe in de weide / De priester wijdde / De
> wijde straat)
>
> 2. Grammatica patroon. (Woorden die vaak gepaard gaan met een zeker
> patroon in de grammatica (1 of 2 woorden ervoor of erna.) Goed voor
> verwisselingen zoals hij/bij of nog/noch.
>
> Ik ben nu nog met de laatste groep aan het stoeien. Om de
> verzamelingen n-grammen binnen de perken te houden wil ik de
> statistieken verzamelen voor woordsoorten/woordvormen ipv. specifieke
> woorden. In ieder geval waar het woorden uit het lexicon betreft (dat
> is met name de hoofdgroepen znw, bnw, ww, en bijw.)
>
> Hij gebruikt levensthein afstanden om potentiele misspellingen te
> vinden, en dan via context ze aan elkaar te koppelen. Iets dat volgens
> mij dit IBM tooltje ook doet:
>
> http://www.alphaworks.ibm.com/tech/csspell
>
> Ik ga uit van vooraf vastgestelde "confusion sets"
> (verwarringsverzamelingen) die met name zijn gebaseerd op sterk op
> elkaar lijkende letters, zoals de h en de b (hij/bij), f en t
> (hef/het), ni en m (niet, met), n en u (zou, zon).
>
> Ik probeerde de codes uit jullie database te gebruiken, maar heb
> daarvan alleen een beperkt overzicht gevonden, waar voor mijn gevoel
> nog een aantal lacunes zitten. (Gebaseerd op de op het Engels
> toegespitste BNC codes?)
>
> http://www.natcorp.ox.ac.uk/
> http://www.kilgarriff.co.uk/BNC_lists/poscodes.html
>
> Met name het voornaamwoord in al zijn varianten lijkt te ontbreken in
> de lijst die ik vond. (via:
>
> http://lists.uitwisselplatform.nl/pipermail/opentaal-discussie/2007-November/001728.html)
>
> Heb je hiervan een uptodate uitdraaitje?
>
> Ik probeer er een wat systematischer lijstje van te maken.
>
> Mijn vorderingen documenteer ik op:
>
> http://www.pgdp.net/wiki/User:Jhellingman/Tools/ScannoHeatMap
>
>
> Jeroen.
>
> Quoting Bart Knubben <bart@...>:
>
>> Dag Jeroen,
>>
>> Op 17-04-08 heeft jeroen@...<jeroen@...> het volgende
>> geschreven:
>>> Quoting "r.baars" <r.j.baars@...>:
>>
>>> > Heb je trouwens kennis genomen van het artikeltje laatst over een
>>> > slimme spellcheck van Martin Reynaart?
>>> > Wat ik van zijn artikel begrijp is hij met hetzelfde bezig, en heeft
>>> > een slimme truc.
>>> >
>>>
>>>  Nee, dit artikel ken ik niet. Ben zeker geinterreseerd.
>> Zie:
>> http://lists.uitwisselplatform.nl/pipermail/opentaal-discussie/2008-April/002130.html
>>
>> --
>> Vriendelijke groet,
>> Bart Knubben
>>
>> | http://www.knubben.org | http://www.opentaal.org |
>>
>
>
>
>
> _______________________________________________
> Over de OpenTaal-mailinglist: http://opentaal.org/mailinglist.php
> Zoeken in het mailinglistarchief: http://opentaal.org/zoeken.php
> Juridische voorwaarden: http://opentaal.org/licentie.php