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::common w.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 other feature? Enumerate them. Maybe, tags that set the other feature should not be considered when building the list of possible feature structures? (Sometimes it happens that a feature-value combination is permitted only in an other tag. 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.)

Subjektform a objektform u švédských zájmen asi není samostatná vlastnost! Mělo by se to prohlásit za pády (nominativ a akuzativ)!

Přejmenovat compdeg na degree.

Přejmenovat number = plu na plur?

Sloučit vlastnosti verbform a mood.

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.)

Zrušit subpos = voc. Zatím se používá pro vokalizované tvary českých předložek. Místo toho by se ale dalo využít var = long. U tříd předložek to teď narušuje členění na předložky, záložky a “okololožky” (cirkumpozice).

Vymyslet koncepci pro stažené (contracted) tvary, kde se do jednoho slova dostaly dva různé slovní druhy. Zatím to na různých místech řeším různě. Patří sem české “proň”, “bylť”, německé “zum” a nejspíš další jevy v dalších jazycích. V arabštině je podobný problém mnohem větších rozměrů, protože se tam běžně lepí malá slova k velkým (např. spojka “wa”, člen “al” aj.)

Subpos sent (special case of punctuation in Prague Dependency Treebank) should be moved to the punctype feature.

cs::pdt - reimplement “type L” pronouns as collective pronouns (introduced due to Bulgarian)