داكتيلوتاريخ الإنجاز: نُشر:
بقلم فريق داكتيلو في تك تك.
وفّر مادة لغوية مرتبطة بالمهمة
تستخدم الوثائق القانونية عبارات متكررة ومفردات متخصصة. ويحتاج المكوّن اللغوي الذي يعمل على أحكام لبنانية إلى مادة من هذا المجال. تضم المجموعة المعدّة 471,911 وثيقة بعد إزالة التكرار، و72,289,769 كلمة. وهذه أعداد لمادة نصية أُعدّت للعمل، وليست أعداد صور خط مصحّحة أو مساهمات مكتملة.
تزيل عملية الإعداد النسخ المتطابقة بعد توحيد المسافات البيضاء. وبذلك لا تُحسب النسخ المتكررة من النص نفسه وثائق مستقلة وفق هذه القاعدة. لكنها لا تكشف كل التشابهات الجزئية ولا تتحقق من صحة كل جملة. والنتيجة المفيدة هي مجموعة محددة يمكن فحصها واستخدامها في تجارب لغوية لاحقة.
لا تجعل الجملة المحتملة تحسم القراءة
يمكن للسياق أن يقترح الكلمات التي يكثر ورودها معاً. وقد يساعد ذلك في ترتيب القراءات المحتملة، خصوصاً عند مصطلح قانوني غير مألوف. لكن العبارة الشائعة قد تدفع القارئ أيضاً إلى كلمة خاطئة. فالنظام الذي يكمل الجملة بناءً على المألوف قد ينتج نصاً سليماً لغوياً يختلف عما كُتب في الصفحة.
لهذا تؤدي مجموعة النصوص القانونية والنصوص المرجعية للخط وظيفتين مختلفتين. توفر المجموعة مادة لغوية، أما التفريغ المرجعي فيجب التحقق منه في صورة مصدره. وتحتاج الأسماء والأرقام والتواريخ والصيغ غير المألوفة إلى الاهتمام نفسه، حتى عندما تخالف العبارة التي يتوقعها المكوّن اللغوي.
استبعد أحكام التقييم
يستبعد إعداد المجموعة الأحكام المحجوزة لعينة تقييم الخط الثابتة. ويساعد ذلك على فصل مادة الاختبار عن المادة المعدّة للعمل اللغوي. وتهمّنا المحافظة على الحكم كاملاً خارج المجموعة لأن السطور المتجاورة قد تتشابه في الألفاظ والخط. يحتاج التقييم اللاحق إلى اختبار القراءة على مادة بقيت محفوظة جانباً.
إنجاز هذه المجموعة لم يُكمل نموذجاً مدرّباً لقراءة الخط، ولم يحسم حقوق جميع الاستخدامات اللاحقة الممكنة، ولم ينتج نتيجة للدقة. لقد أكمل خطوة إعداد واحدة. لفهم موقعها ضمن العمل الأوسع، اقرأ عن مشروع الخط القانوني وقارن الأمثلة المُراجعة بصورها. هناك تُختبر القراءة المحتملة بالرجوع إلى المصدر.