Українські волонтери виклали у відкритий доступ перший результат своєї півторарічної роботи – відкритий електронний граматичний словник української мови.
“Це перший крок для створення чат-ботів, питально-відповідальних систем, систем перевірки орфографії, граматики та стилю, класифікаторів текстів тощо. І все це – українською мовою!”, – розповіла Знай.ua одна із активних учасниць розробки безкоштовного продукту, комп’ютерний лінгвіст Мар’яна Романишин.
За її словами, до цього не були доступними інструменти саме для української мови, які допомагали б розробляти серйозний машинний переклад. Базові блоки і взялися створити команда лінгвістів та програміст Андрій Рисін.
Наразі ж у словнику проставили частину мови, відмінок, рід тощо. Його вже використовують для перевірки орфографії української мови у FireFox та LibreOffice, у лемматизаторі для ElasticSearch, у проекті PyMorphy та у проекті LanguageTool.
Наразі проект словника викладено на платформі GitHub.
Тут зібрали близько ~197 тисяч слів, що генерують 3,4 мільйони словоформ, і це – лише перший крок. Далі, активісти планують створити проанотований корпус української мови на мільйон слів.
Довідка: корпус у лінгвістиці – сукупність текстів, які спеціально підібрали і обробили за певними правилами, щоб їх можна було використати, як базу для дослідження мови.
Корпус української мови створювався один раз і є на даний момент закритим для використання.
