 | Эта статья поднимает множество проблем. Пожалуйста, помогите улучшить его или обсудите эти проблемы на странице обсуждения . ( Узнайте, как и когда удалить эти сообщения-шаблоны ) ( Узнайте, как и когда удалить этот шаблон сообщения )
|
Проект Moby - это набор общедоступных лексических ресурсов. Он был создан дизайнером Grady Ward . Ресурсы были посвящены общественному достоянию и теперь отражены в Project Gutenberg . По состоянию на 2007 год [Обновить]он содержит самую большую бесплатную фонетическую базу данных с 177 267 словами и соответствующими произношениями. [ необходима цитата ]
Переносчик [ править ]
Моби Hyphenator II содержит переносы из 187,175 слов и фраз ( в то числе 9,752 записей , где нет переносов не приведены, например, через и Avoir ). Кодировка символов выглядит как MacRoman , а расстановка переносов обозначается маркером (десятичное значение символа 165 или шестнадцатеричное A5). Однако некоторые записи содержат комбинацию фактических дефисов и символа 165, например «bar • ber-sur • geon».
Документация о сделанных вариантах расстановки переносов практически отсутствует; следующие примеры могут дать некоторое представление об используемом стиле расстановки переносов: at • mos • phere; у • присматривать • за муравьем; емкость; un • col • или • a • ble.
Язык [ править ]
Moby Language II содержит словари на пяти языках: французском , немецком , итальянском , японском и испанском :
| Язык | Слова | Размер (в байтах ) |
|---|---|---|
| Французский | 138 257 | 1 524 757 |
| Немецкий | 159 809 | 2 055 986 |
| Итальянский | 60 453 | 561 981 |
| Японский | 115 523 | 934 783 |
| испанский | 86 059 | 850 523 |
| Общий | 560 101 | 5 928 030 |
Однако некоторые списки загрязнены, например, список на японском языке содержит английские слова, такие как ненормальные, и не-слова, такие как abcdefgh и m ,. / . Есть также необычные особенности в сортировке этих списков, поскольку французский список содержит прямой алфавитный список, в то время как немецкий список содержит алфавитный список слов, написанных с большой буквы, а затем алфавитный список слов с традиционным нижним регистром. Однако в списке итальянских слов нет вообще никаких слов с заглавной буквы.
В списке иностранных языков не используются символы с диакритическими знаками, поэтому «e ^ tre» - это то, как пользователь будет искать французское слово être («быть»).
Часть речи [ править ]
Часть речи Моби содержит 233 356 слов, полностью описанных частями речи , перечисленных в порядке приоритета. Формат файла - слово \ части-речи , в нем идентифицируются следующие части речи:
| Часть речи | Код |
|---|---|
| Имя существительное | N |
| Множественное число | п |
| Словосочетание | час |
| Глагол (обычно причастие ) | V |
| Переходный глагол | т |
| Непереходный глагол | я |
| Прилагательное | А |
| Наречие | v |
| Соединение | C |
| Предлог | п |
| Междометие | ! |
| Местоимение | р |
| Определенный артикль | D |
| Неопределенный артикль | я |
| Именительный падеж | о |
Произношение [ править ]
Moby Pronunciator II содержит 177,267 записей с соответствующими произношением. Большинство записей описывают одно слово, но примерно 79 000 [1] содержат фразы, имена или лексемы с переносом или несколькими словами . Дистрибутив Project Gutenberg также содержит копию cmudict v0.3. Файл содержит строки формата произношения слова [/ part-of-speech] . Каждая строка заканчивается символом возврата каретки ASCII (CR, '\ r', 0x0D, 13 в десятичном виде).
Слово поле может включать апострофы (например , не ), дефис (например , трудоспособные ), а также несколько слов , разделенных символами подчеркивания (например , monkey_wrench ). Неанглийские слова обычно отображаются, как указано в документации, без акцентов или других диакритических знаков. Однако в 36 записях (например, São_Miguel ) остаются некоторые символы с диакритическими знаками, отличными от ASCII, представленные с использованием римской кодировки Mac OS .
Поле части речи используется для устранения неоднозначности 770 слов, которые имеют разное произношение в зависимости от их части речи. Например, для слова написаны близко, глагол имеет произношение / K л oʊ г / , в то время как прилагательное / к л oʊ с / . Частям речи присвоены следующие коды:
| Часть речи | Код |
|---|---|
| Имя существительное | п |
| Глагол | v |
| Прилагательное | эй |
| Наречие | средний |
| Междометие | Interj |
Далее следует произношение. Присутствуют несколько специальных символов:
| Символ | Смысл |
|---|---|
| _ | Используется для разделения слов |
| ' | Первичное ударение следующего слога |
| , | Вторичное ударение следующего слога |
Остальные символы используются для обозначения символов IPA . Произношения в целом согласуются с General американского диалекта английского языка, который проявляет отец заморачиваться слияние , поспешите-мехового объединения и много-ткань раскол , но не проявляет кроватку пойманной слияние или вино-скулить слияния . Каждая фонема представлена последовательностью из одного или нескольких символов. Некоторые из последовательностей ограничены с косой чертой «/», как показаны в следующей таблице, но заметьте , что последовательность / ɔɪ / ограниченно два символов косых черт на обоих концах:
| Символ | IPA |
|---|---|
| / & / | æ |
| / - / | ə |
| / @ / | ʌ, ə |
| /[@]/р | ɜr, ər |
| / A / | ɑ, ɑː |
| / aI / | аɪ |
| / AU / | аʊ |
| б | б |
| d | d |
| / D / | ð |
| / dZ / | dʒ |
| / E / | ɛ |
| / eI / | eɪ |
| ж | ж |
| грамм | ɡ |
| час | час |
| hw | hw |
| /я/ | я |
| /Я/ | ɪ |
| / j / | j |
| / ju / | juː |
| k | k |
| л | л |
| м | м |
| п | п |
| / N / | ŋ |
| / O / | ɔ, ɔː |
| // Ой // | ɔɪ |
| /ОУ/ | oʊ |
| п | п |
| р | р |
| s | s |
| / S / | ʃ |
| т | т |
| / T / | θ |
| / tS / | tʃ |
| / u / | u |
| / U / | ʊ |
| v | v |
| ш | ш |
| z | z |
| / Z / | ʒ |
К этой коллекции добавлен ряд дополнительных последовательностей, представляющих фонемы, встречающиеся в нескольких других языках. Они используются для кодирования неанглийских слов, фраз и имен, включенных в базу данных. Следующая таблица содержит эти дополнительные фонемы, но обратите внимание, что степень, в которой некоторые из них могут существовать из-за ошибок кодирования, не ясна.
| Символ | IPA |
|---|---|
| А | а |
| е | е, ɛ |
| я | я, ɪ |
| N | Насализация предшествующей гласной |
| о | о |
| О | [намерение неясно] |
| р | ʁ |
| S | s |
| ты | ты |
| V | v, β, ʋ |
| W | ш |
| /Икс/ | Икс |
| / г / | ø |
| Y | y |
| / z / | ts |
| Z | z |
Шекспир [ править ]
Moby Shakespeare содержит полное полное собрание сочинений Шекспира . Этот конкретный ресурс недоступен в Project Gutenberg.
Тезаурус [ править ]
Moby Тезаурус II содержит 30,260 корневые слова, с 2,520,264 синонимов и связанных с ним терминов - в среднем 83,3 корня слова. Каждая строка состоит из списка значений , разделенных запятыми , где первый термин является корневым словом, а все последующие слова являются связанными терминами.
Грэди Уорд поместил этот тезаурус в общественное достояние в 1996 году. Он также доступен в виде пакета Debian .
Слова [ править ]
Moby Words II - это самый большой список слов в мире. [2] [ требуется дополнительное цитирование ] Дистрибутив состоит из следующих 16 файлов:
| Имя файла | Слова | Описание |
|---|---|---|
| ACRONYMS.TXT | 6 213 | Распространенные акронимы и сокращения |
| COMMON.TXT | 74 550 | Общие слова, присутствующие в двух или более опубликованных словарях |
| СОЕДИНЕНИЕ.TXT | 256 772 | Фразы, имена собственные и акронимы, не включенные в файл общих слов |
| CROSSWD.TXT | 113 809 | Слова, включенные в первое издание Официального словаря игроков в скрэббл |
| CRSWD-D.TXT | 4 160 | Дополнения к официальному словарю Scrabble Players во втором издании |
| FICTION.TXT | 467 | Список наиболее часто встречающихся подстрок в книге The Joy Luck Club |
| FREQ.TXT | 1,000 | Наиболее часто встречающиеся слова в английском языке , перечисленные в порядке убывания |
| FREQ-INT.TXT | 1,000 | Слова, наиболее часто встречающиеся в Usenet в 1992 г., перечислены с соответствующим процентным соотношением в порядке убывания. |
| KJVFREQ.TXT | 1,185 | Наиболее часто встречающиеся подстроки в Библии Короля Иакова , перечисленные в порядке убывания |
| NAMES.TXT | 21 986 | Наиболее распространенные имена, используемые в США и Великобритании |
| ИМЕНА-F.TXT | 4946 | Распространенные английские женские имена |
| ИМЕНА-M.TXT | 3 897 | Распространенные английские мужские имена |
| OFTENMIS.TXT | 366 | Самые распространенные английские слова с ошибками |
| PLACES.TXT | 10 196 | Названия мест в США |
| SINGLE.TXT | 354 984 | Отдельные слова, исключая имена собственные, акронимы, составные слова и фразы, но включая архаические слова и значимые варианты написания |
| USACONST.TXT | 7 618 | Конституция Соединенных Штатов, включая все поправки, действующие до 1993 года. |
| Общий | 863 149 | Не все уникальные слова. |
| Всего Uniq | 639 995 | Всего отдельных существительных, имен собственных, сокращений и составных слов и фраз (все файлы, содержащие уникальные слова). |
Ссылки [ править ]
- ^ Получается при выполнении команды UNIX grep '. * [-_]. *. *' Mobypron.unc | wc -l после преобразования окончаний строк и исправления некоторых ошибок кодирования.
- ^ Электронные словари
Внешние ссылки [ править ]
- Домашняя страница проекта «Моби» , Шеффилдский университет; копия страницы, сделанная Wayback Machine на 30 сентября 2017 г. («Последнее изменение: 24 октября 2000 г.»)
- Загрузки Project Gutenberg
- Поиск рифм с помощью Perl ; соответствующий код
