Языки в грамматическом словаре

Объявление языка

Грамматический словарь может содержать информацию о нескольких языках - включая описание морфологии, словарные статьи и правила синтаксического анализа.

Чтобы обеспечить корректное соотнесение правил к конкретному языку, каждый используемый язык объявляется специальной конструкцией, к примеру для русского языка:

language Russian as RUSSIAN_LANGUAGE
{
 alphabet Russian
 alphabet Latin
 alphabet Neutral

 link <to_english> language English
 link <to_french> language French
 link <to_spanish> language Spanish

 ParadigmSubst = { "\\@а" "[аеёиоуыэюя]" }
 ParadigmSubst = { "\\@б" "[бвгджзклмнпрстфхцчшщ]" }
}

Имя языка (лексема после ключевого слова language) может быть написано любым алфавитом, но для удобства использования движка в прикладных программах мы используем только английские названия языков.

После ключевого слова as идет внешнее имя для языка - фактически это имя константы для ссылки на язык в C++, C# и других языках программирования (см. описание API грамматического движка). Во избежание проблем с языками программирования, многие из которых не поддеживают юникод в именах констант, следует использовать только латиницу.

Перечень допустимых для языка алфавитов задается ключевыми словами alphabet. Компилятор словаря проверяет, что объявляемые для языка словарные статьи не имеют символов из недопустимых алфавитов.

Фрагменты, начинающиеся с ParadigmSubst - это задание групп символов для масок в парадигмах (см. здесь). Как нетрудно видеть в этом примере, объявлены две группы символов - гласные и согласные. Количество групп символов и их имена ничем не ограничиваются. В общем случае конструкция

Некое_наименование = строка

или

Некое_наименование = { строка1 строка 2 ... строка N }

позволяют определить для языка различные именованные параметры. Группы символов для масок парадигм - это лишь один из примеров использования данной возможности. Большое количество параметров в описании языка используется токенизатором и сегментатором.

Реализация языка в лексиконе

Само по себе объявление языка не означает, что в словаре должны быть словарные статьи для этого языка.

Более того, мы собираем словарь таким образом, что в нем объявлены все реализованные языки. В этом случае константы, соответствующие внутреннему id языка, не меняются для разных вариантов наполнения словаря.

Включение словарных статей конкретного языка определяется скриптом сборки словаря. Возможные варианты сборки одноязычных, двуязычных и многоязычных словарей.

Аналогичная схема применяется в отношении тезауруса. Для двуязычных и многоязычных словарей в теазаурус включаются межязыковые связи - например, переводы.

Объявления языков в API

В рамках процедурного API идентификаторы языков представлены как целочисленные константы, например русский язык - RUSSIAN_LANGUAGE. Эти константы указываются в различных вызовах API, например при переводе с одного языка на другой sol_TranslatePhrase.

С помощью функции sol_FindLanguage можно найти ID языка по его имени.

В словаре, загруженном в реляционную БД, объявления языков находятся в таблице SG_LANGUAGE.

При работе с SQL словарем с помощью ORM библиотеки каждый объявленный язык представлен объектом класса Solarix.Language, список этих объектов доступен через индексируемое свойство Dictionary.languages, позволяющее искать объекты по целочисленному id языка или по имени.

Внутреняя реализация описания естественного языка на C++

В исходных текстах каждый объявленный язык представлен объектом класса SG_Language, который объявлен в файле sg_autom.h и реализован в sg_language.cpp.

Дополнительные материалы по словарю

Алфавит

Грамматические классы

Словарные и фразовые статьи

Лексикон

Словарь

Внутренний язык грамматической машины

Сегментатор и токенизатор

Компилятор словаря

Грамматический Словарь Русского Языка

Language declaration in grammatical dictionary

  © Козиев Илья 2019
изменено 16-Aug-11