MorT 0.1 (c)2004 Štěpán Roh
---------------------------

Tento archív obsahuje experimentální morfologický transfer.

Spuštění
--------

Požadavky:

  Perl 5.x nebo vyšší (testováno s v5.8.2)

Testovací spuštění:

  ./mort.pl mort.rules < sentence.dat > output.dat

  - přeloží větu "Stará žena zalévala květiny v rohu své zahrady" do
    angličtiny

Formát *.dat souborů popisujících větu
--------------------------------------

Viz "Data (sentence) description language" z proGRAMu
(http://ksvi.mff.cuni.cz/~holan/proGRAM.html). Jediné, co se nepoužívá a ani
tam nesmí být (jinak dojde k chybě) jsou valenční rámce (atribut FRAMESET).
Taktéž větvení již na úrovni slov (a ne až na úrovní atributů či hodnot
atributů) zřejmě není v proGRAMu podporváno.

Formát souborů s pravidly
-------------------------

Soubor s pravidly má formu skriptu v Perlu:

push_block
push_block
...
1;

Push block:

push (@rules, {
  'name' => '<jméno_pravidla>',
  'match' => [ [ match_hash, match_hash, ... ], ... ],
  'command' => sub { command_sub },
});

Match hash:

{
  'attr' => '<jméno_atributu>,
  'value' => '<hodnota_atributu>',
  'regexp' => '<regulární_výraz>',
}

Value a regexp se vzájemně vylučují.

Match bez hashů představuje shodu právě jednoho libovolného slova. Každé
pole v 'match' matchuje jedno slovo (postupně).

Command sub:

Normální kód v Perlu, který může používat následující funkce:

  c_copy (index_from, index_to)
  - zkopíruje veškeré atributy ze zdrojového slova s indexem index_from do
    cílového slova s indexem index_to

  c_set (index, attr, value)
  - nastaví hodnotu atributu cílového slova
  - vrací value
  
  c_get (index, attr)
  - vrací hodnotu atributu zdrojového slova
  
  c_del (index, attr)
  - maže atribut cílového slova

  c_dict (name, value)
  - vrací hodnotu ze slovníku se jménem name

Indexy se počítají od 0 od začátku shody.

Formát souborů se slovníky
--------------------------

Slovníky jsou vždy uloženy v souboru <jméno_slovníku>.dict. Formát je
jednoduchý: zdrojové_slovo cílové_slovo.

Implementace
------------

Vstup se zjednoznační tak, že se vygenerují všechny možné kombinace
vstupních dat. Na každou kombinaci se pak nezávisle aplikují pravidla. Vstup
se postupně testuje na shodu s "match" části všech pravidel, pravidlo s
nejdelší (ale úplnou) shodou se použije (provede se jeho příkazová část).
Vstup se zpracovává sekvenčně a co již bylo jednou zpracováno se již dále
nepoužije.

Problémy
--------

Pomalost transferu.
Nemožnost větvit výsledek.
Výstup všech variant najednou místo nějakého rozumného sloučení stejných
částí.

						Štěpán Roh <src@post.cz>