Odakle nam riječi za igru i kako ćemo nadograđivati rječnik

[kaladont.himself]

Izvor

Baza riječi izvedena je iz flektivnog leksikona hrLex 1.3:

• 6 427 709 oblika riječi / 164 206 lema

• svaki zapis: oblik, lema, MSD oznaka (MULTEXT-East V6 za hbs), UD oznake, frekvencija iz korpusa hrWaC v2.2

• preuzimanje: `hrLex_v1.3.gz` (~52 MB) s repozitorija CLARIN.SI

Licenca: CC BY-SA 4.0

Tekst atribucije koji će biti u igri

Popis riječi izveden je iz leksikona hrLex 1.3 (Nikola Ljubešić, CLARIN.SI, http://hdl.handle.net/11356/1232), dostupnog pod licencom CC BY-SA 4.0. Popis je za potrebe igre filtriran na opće imenice u nominativu jednine te obogaćen podacima za tijek igre; izvedeni popis dostupan je pod istom licencom na zahtjev.

[kaladont.himself]

Održavanje rječnika

Rječnik na startu nije savršen i to je svjesna odluka: umjesto nemoguće savršene baze, imat ćemo sistem povratnih informacija s igračima. Kvaliteta rječnika je proizvod zajednice.

Prijava greške (perspektiva igrača)

1. Igrač otvori povijest partije (dostupna tijekom i nakon igre).

2. Označi konkretan potez i napiše kratku poruku (npr. „riječ ‘aljkavost’ postoji, a nije prihvaćena").

3. Prijava se sprema sa statusom `nova` i vezom na partiju i potez; na admin adresu odlazi email notifikacija.

4. Igrač na mail dobije povratne informacije o tome da li se njegove primjedba prihvatila ili ne + obrazloženje po potrebi

5. U kasnijim fazama razvoja dodavanje badgeva, dostignuća, avatara i sl. za ljude koji aktivno šalju povratne informacije

[kaladont.himself]

Očekivani broj riječi,

Iz hrLex popise riječi, lematski filter* daje otprilike 40–70 tisuća općih imenica u nominativu jednine. Točan broj bilježi se u izvještaju prve verzije kada bude objavljena.

*Lematski filter

Što je lema? Lema je osnovni, rječnički oblik riječi (npr. lema za riječi „radim”, „radio sam” i „radit će” je glagol „raditi”).

Kako radi: Kada baza ima ovaj filter prilikom indeksiranja teksta, ona sve izvedenice riječi pretvara u njihove leme. To omogućuje da korisnik koji u bazi pretražuje riječ „radili” dobije i rezultate koji sadrže riječi „radim” ili „raditi”, jer baza pretražuje zajednički korijen (lemu).

Mi smo koristili lematski filter kako bismo dobili isključivo:

• opće imenice
• u nominativu
• u jedinini