Téma: Nyelvtan adatbázist vennék 150.000 Ft-om van a célra

0xFF eredeti hozzászólása

Az összeset biztosan nem fogod megkapni viszont amit tehetsz
1. Veszel egy min 120GB SSD-t.
2. Letöltöd a Wikipédiát (Index of /huwiki/)
3. Letöltesz annyi más szöveget amennyit csak tudsz. Irodalmi művek, Fórumok (főleg a trágár szavak miatt), Twitter stb. Csak UFT8 al foglakozz a többivel nagyon nagy a szívás.
4. Építesz egy nagy egyedi szó listát, amiben minden szó 1x szerepel.
5. Hunspell-lel elemezel minden szót és kigyűjtöd az igéket.

Pl: echo "építesz" | hunspell -d hu_HU -m
építesz st:épít po:vrb ts:PRES_INDIC_INDEF_SG_3 is:PRES_INDIC_INDEF_SG_2

De ha már amúgy is megvan az a sok szöveg akkor mindent csoportosíthatsz.

Ami gondot tud okozni az igéknél az a feltételes "ha .... volna'

Pl:
echo "ha megette volna" | hunspell -d hu_HU -m
ha st:ha po:noun ts:NOM al:ha-rá al:ha-ral al:ha-os al:ha-
ha st:ha po:con al:ha-rá al:ha-ral al:ha-os al:ha-

megette ip:PREF sp:meg st:eszik po:vrb is:PAST_INDIC_DEF_SG_3

volna st:van po:vrb is:PRES_COND_INDEF_SG_3


echo "ha megeszi volna" | hunspell -d hu_HU -m
ha st:ha po:noun ts:NOM al:ha-rá al:ha-ral al:ha-os al:ha-
ha st:ha po:con al:ha-rá al:ha-ral al:ha-os al:ha-

megeszi ip:PREF sp:meg st:eszi po:vrb is:PRES_INDIC_DEF_SG_3

volna st:van po:vrb is:PRES_COND_INDEF_SG_3

emelem kalapom.
már csak egy kérdés: helyesírás ellenőrzése ragozott igéknél (lehet, hogy költői...)

Hol tart ez az ügy? Szerintem ez nagyon nagy feladat, ekkora keretbe aligha fér bele. Ha mégis, az kész csoda lenne. És akkor engem is érdekelne => költségmegosztás...

Illetve: egy ilyen projekt, ha még csak részeredményei is lennének, de prognosztizálható, hogy mire fut ki, valamint, hogy mekkora erőforrás- és munka-/időigényigény merül fel, befektető(ke)t is érdekelhet.

Ugye nem akadt el...? Azt sajnálnám, bár pesszimista vagyok ezzel kapcsolatban.

...Hmm valaha régen csináltam egy ilyen listát, de nem érdekelt senkit így abbahagytam, szétnézek a gépemen hátha megvan még az adatbázis, de nem tudom mennyinél hagytam abba.