مصحح غلطهای تایپی و املایی برای زبان فارسی
کشف و اصلاح اشتباهات تایپی و املایی از جمله مسائلی است که در طی چند سال اخیر توجه بسیاری از محققین را به خود معطوف ساخته است. بررسی شباهتهای موجود مابین رشتههای کاراکتری، اصلاح غلطهای آوایی با استفاده از کدگذاری برای کلمات، بررسی روشهای احتمالی برای تشخیص اشتباهات ساختاری و معنایی و همچنین بررسی روشهای دستیابی به ریشه کلمات برای جلوگیری از افزونگی در پایگاه لغات از جمله مواردی است که در این نرم افزار مورد توجه قرار گرفته است. علاوه بر این تکنیکهای مختلف مدلسازی خطای کاربر بررسی و راهکاری نوین برای حل این مساله توسط شبکه های عصبی-فازی و الگوریتم ژنتیک ارائه شده است. نرم افزار طراحی شده توسط پایگاه دادهای از لغات صحیح ساخته شده و در مرحله تست توسط قوانین فازی از بین کلیه لغات شبکه، لغات با بیشترین میزان تعلق انتخاب می شود. درنرم افزار طراحی شده
خطای کلمات صحیح صفر و خطای تست شبکه بسته به نوع خطا متغیر میباشد. در این روش برای کلمات با طولهای متفاوت شبکه های متفاوتی ایجاد میشود. این ویژگی سبب
میگردد تا یک شاخص گذاری بر روی کلمات انجام شده و روند جستجو با سرعت بیشتری انجام پذیرد.همچنین ورودی این شبکه به صورت فازی می باشد.
بررسی چند لغت در نرم افزار ورد
- مثال ۱
برای نمونه، در صورتی که کاربر بخواهد واژة “golf” را تایپ کند، اما به اشتباه بهجای حرف “g”، حرف کناری آن “h” و بنابراین “holf” را تایپ کند، نرمافزار ورد واژگان زیر را بهترتیب اولویت پیشنهاد میدهد:
“half”: در اینجا “a” بهجای “o” آمده در صورتی که احتمال اشتباه تایپی این دو به دلیل دوری از هم بسیار ناچیز است.
“hoof”: در اینجا “o” بهجای “l” آمده در صورتی که این دو حرف در دو سطر جدا قراردارند و احتمال اشتباه تایپی این دو به دلیل دوری از هم بسیار ناچیز است.
“hold”: در اینجا “d” بهجای “f” آمده و این دو حرف بر کلیدهای مجاور قرار دارند و این انتخاب معقولتر بهنظر میرسد.
“hole”: در این مورد هم “e” بهجای “f” آمده، در صورتی که این دو حرف در دو سطر جدا قراردارند و احتمال اشتباه تایپی این دو ناچیز است.
“holy” در اینجا “y” بهجای “f” آمده در صورتی که این دو حرف در دو سطر جدا قراردارند و احتمال اشتباه تایپی این دو به دلیل دوری از هم بسیار ناچیز است.
همانگونه که مشاهده میشود، در این نرمافزار واژة “golf” اصلا پیشنهاد نشده و بهترین پیشنهاد در اولویت سوم قرار دارد.
- مثال ۲
در صورتی که کاربر بخواهد واژة “sear” را تایپ کند، اما به اشتباه بهجای حرف “s”، حرف کناری آن یعنی “a” و بنابراین “aear” را تایپ کند، نرمافزار ورد واژگان زیر را بهترتیب اولویت پیشنهاد میدهد:
“area”: در اینجا نرمافزار، حرف “r” دو خانه بهعقب برده و فرض کرده که کاربر جای آن را دو خانه جابهجا تایپ کرده که البته این اشتباه چندان محتمل نیست.
“air”: در اینجا فرض شده که کاربر بهجای حرف “i” دو حرف “ea” را بهاشتباه تایپ کرده و البته این اشتباه هم چندان منطقی نیست.
“afar”: در اینجا “f” بهجای “e” آمده در صورتی که این دو حرف در دو سطر جدا قراردارند و احتمال اشتباه تایپی این دو به دلیل دوری از هم بسیار ناچیز است.
“ajar”: در اینجا هم مانند مورد قبلی حرف “j” بهجای “e” آمده در صورتی که این دو حرف در دو سطر جدا قراردارند و احتمال اشتباه تایپی این دو به دلیل دوری از هم بسیار ناچیز است.
“agar” باز هم در اینجا حرف “g” بهجای “e” آمده در صورتی که این دو حرف در دو سطر جدا قراردارند و احتمال اشتباه تایپی این دو به دلیل دوری از هم بسیار ناچیز است.
همانگونه که مشاهده میشود، در این نرمافزار واژة “sear” که منطقیترین گزینه است، اصلا پیشنهاد نشده و بهترین پیشنهاد در اولویت سوم قرار دارد.
- مثال ۳
همچنین اگر کاربر بخواهد واژة “that” را تایپ کند، اما به اشتباه بهجای حرف “t” دوم، حرف کناری آن یعنی “y” و بنابراین “thay” را تایپ کند، نرمافزار ورد واژگان زیر را بهترتیب اولویت پیشنهاد میدهد:
“they”: در اینجا “e” بهجای “a” آمده در صورتی که این دو حرف در دو سطر جدا قراردارند و احتمال اشتباه تایپی این دو ناچیز است.
“the”: در این مورد فرض شده که کاربر بهجای حرف “e”، بهاشتباه دو حرف “ay” را تایپ کرده که امری بسیار بعید است.
“tray”: در اینجا فرض شده که بهجای حرف “r”، حرف “h” تایپ شده در صورتی که این دو حرف در دو سطر جدا قراردارند و احتمال اشتباه تایپی این دواندک است.
“that”: در اینجا “t” بهجای “y” آمده و این دو حرف بر کلیدهای مجاور قرار دارند و این انتخاب معقولترین انتخاب بهنظر میرسد.
“thaw”: در این مورد هم “w” بهجای “y” آمده، در صورتی که این دو حرف در همسایگی دوری نسبت بههم قراردارند و احتمال اشتباه تایپی این دو کم است.
- مثال ۴
همچنین اگر کاربر بخواهد واژة “grot” را تایپ کند، اما به اشتباه بهجای حرف “t” ، حرف کناری آن یعنی “r” و بنابراین “gror” را تایپ کند، نرمافزار ورد واژگان زیر را بهترتیب اولویت پیشنهاد میدهد:
“grog”: “: در اینجا “g” بهجای “r” آمده در صورتی که این دو حرف در دو سطر جدا قراردارند و احتمال اشتباه تایپی این دو ناچیز است.
“grow”: در این مورد فرض شده که کاربر بهجای حرف “w”، بهاشتباه دو حرف “r” را تایپ کرده این دو حرف بر کلیدهای مجاور قرار دارند و این انتخاب معقول می باشد.
“gore”: در اینجا فرض شده که بهجای حرف “e”، حرف “r” تایپ کرده این دو حرف بر کلیدهای مجاور قرار دارند و این انتخاب معقول می باشد.
“gory”: در اینجا “y” بهجای “r” آمده و جای دو حرف “o” و ” “r”عوض شده که گزینهها غیر منطقی بهنظر میرسند.
سایر گزینه ها غیر منطقی بوده و همانگونه که مشاهده میشود، در این نرمافزار واژة “grot” که منطقیترین گزینه است، اصلا پیشنهاد نشده و بهترین پیشنهاد در اولویت سوم قرار دارد.
مقایسه نرم افزار ورد و نرم افزار طراحی شده
برای مقایسهنرم افزار طراحی شده و نرم افزار ورد برای ۱۰۰ لغت (طراحی شده که عموما خطای تایپی می باشند) مورد ازیابی قرار گرفته است که نتایج زیر حاصل شده است.
- خطای نرم افزار طراحی شده با یک لیست پیشنهادی برابر ۳% و نرم افزار ورد برابر ۶۰%
- خطای نرم افزار طراحی شده با ۳ لغت پیشنهادی برابر صفر و نرم افزار ورد برابر ۴۰%
- خطای نرم افزار ورد حتی با ۱۰ لغت پیشنهادی نیز به صفر نمی رسد و برابر ۲۰% می باشد.
- نرم افزار ورد در ۱۵% مواقع نمی توان حتی کلمه صحیح را پوشش دهد.
همانطور که در مثالهای فوق مشاهده می شود نرم افزار ورد به غلطهای تایپی توجه چندانی ندارد و بیشتر به کمک برخی قوانین کلاسیک برای یافتن نزدیکترین واژه، چند واژه را به ترتیب اولویت از روی سازگاری به کاربر پیشنهاد میدهد. در صورتی که بیشتر خطاهای متون دیجیتالی خطاهای تایپی می باشد. با این وجود این نرم افزار که برای تایپ و صفحه بندی طراحی شده، به غلط تایپی توجهی ندارد.
