This is an old revision of the document!
Table of Contents
To do
Infrastructure
- 14.3.2008: During the last two weeks I made substantial changes to all the drivers due to extensive driver testing and new strict encoding procedures. After all tests pass successfully, the whole thing should be committed to SVN. Besides, it should be re-tested with the parser adaptation project.
- Clean up
tagset::commonw.r.t. the various algorithms of enforcing permitted values. - Query feature value: a shared function detects array and if it is array, searches it for a given value.
- New test in driver-test.pl: does a driver decode into arrays? If so, what features are affected? If not, is it capable of encoding arrays (i.e. does it call the function that gets rid of arrays)?
- New test in driver-test.pl: how many tags / what proportion of the tagset are decoded using the
otherfeature? Enumerate them. Maybe, tags that set theotherfeature should not be considered when building the list of possible feature structures? (Sometimes it happens that a feature-value combination is permitted only in anothertag. Although the set of set/unset features could be used as an additional clue leading to this tag, such tags are often marginal stuff that one does not want to use as default.)
Features and values
- Přejmenovat
punclassnapunctypepodle vzoruprontype. - Udělat pořádek v zájmenech, determinátorech, tázacích příslovcích apod. U starších ovladačů jsem používal jiný přístup než u novějších (počínaje bulharštinou), mělo by se to sjednotit. Samostatný slovní druh zájmeno přestane existovat.
- Přece jen přidat kategorie zájmen? Dánové mají: demonstrative, indefinite, interrogative/relative, personal, possessive, reciprocal. Zrušit podkategorie wh?
- Členy a zájmena by se možná vůbec měly rozlišit jinak. Na nejvyšší úrovni by se rozlišovala substantivnost/atributivnost, pak teprve zda to má být raději člen nebo zájmeno. Případně osobní a přivlastňovací zájmena by mohla být zvlášť už na nejvyšší úrovni, protože ta se s žádnými členy plést nebudou.
- Subjektform a objektform u švédských zájmen asi není samostatná vlastnost! Mělo by se to prohlásit za pády (nominativ a akuzativ)!
- Přejmenovat compdeg = norm na pos (pozitiv).
- Přejmenovat compdeg na degree.
- Přejmenovat number = plu na plur?
- Sloučit vlastnosti verbform a mood.
- Udělat z poss opět jenom subpos?
- Ze subpos=clit udělat samostatnou vlastnost, aby se usnadnil dotaz, zda je zájmeno osobní.
- Obdobně pro funkci decode() udělat servisní funkci, která nabídne hodnoty pro nevyplněné vlastnosti na základě jiných vyplněných (např. ukazovací zájmeno implikuje určitost a atributivnost). Musí se to ale pořádně promyslet - např. pokud jazyk nemá compdeg=abs, je pro něj asi nejlepší sup, jak ale víme, že nemá abs?
- Udělat přehled častých prvků, které nemají vlastní slovní druh. Např. jak se řeší částice označující infinitiv.
- Jemněji roztřídit interpunkci. Dánové mají vlastní interpunkci, potom symboly (+, $), potom podivnosti, které my ani za interpunkci nepovažujeme. “U-21”.
- Předělat binární vlastnosti na hodnoty “yes” a “no”.
- Příčestí by mělo mít vlastní slovní druh. S tím, že některé sady ho řadí pod sloveso a jiné pod přídavné jméno, jsou jenom problémy.
- Classification of coordinative conjunctions: copulative, adversative etc. Example: sv::mamba.
- Projít jednotlivé sady a udělat jakýsi globální přehled třídění malých slovních druhů, zejména částic, předložek a spojek, možná samostatně i interpunkce. (Teď nemluvíme o zájmenech a členech, ty jsou samostatnou kapitolou.)
Specific drivers
- cs::pdt - reimplement “type L” pronouns as collective pronouns (introduced due to Bulgarian)