פתיחה

קבצי הניתוח הצורני הם קבצי-טקסט (ASCII). הם כתובים בפורמט שנועד לענות על שתי דרישות סותרות:

• מצד אחד - לדאוג שקבצי הניתוח יהיו קטנים יחסית, ושלמחשב יהיה נוח לקרוא ולכתוב אותם.
• מצד שני - לדאוג שגם קוראים אנושיים יוכלו לקרוא אותם, לצורך ניפוי שגיאות.

הפורמט שהתקבל הוא פשרה בין שתי דרישות אלו: הוא ניתן לקריאה ע"י קוראים אנושיים, אך לא בקלות. מסמך זה נועד לסייע לקוראים להבין את הפורמט.

דוגמאות

נתבונן במילים הראשונות מתוך קובץ המקור -- harc20.txt:

&$RWT AN$IM MGI&IM MTAILND LI$RAL K$HM NR$MIM KMTNDBIM , AK LM&$H ...

המילים האלו הן התעתיק הלטיני של המשפט העברי:

"עשרות אנשים מגיעים מתאילנד לישראל כשהם נרשמים כמתנדבים, אך למעשה..."

כעת נתבונן במילים הראשונות מתוך קובץ הניתוח harc20.to:

&$R*M**LZRS*** AI$*E**LZRF*** HGI&*P*ZRAH TAILND*p*mZ I$RAL*p*lB HWA*gK*LZR3 NR$M*P*ZRAH MTNDB*E*kLZRF*** ,*x* AK*x* LM&$H*t* ...

כל 'מילה' בקובץ הניתוח מייצגת את הניתוח הצורני של המילה המקבילה לה בקובץ המקור. למשל: המילה הראשונה בקובץ המקור היא

&$RWT (עשרות).

הניתוח שלה נמצא במילה הראשונה של קובץ הניתוח:

&$R*M**LZRS***

הניתוח מורכב משדות, המסודרים משמאל לימין. השדה הראשון הוא הערך המילוני של המילה (במקרה זה: "עשר"), ושאר השדות מורכבים כל אחד מתו אחד בדיוק. הטבלה הבאה מפרטת את משמעות השדות:

השדה	המשמעות	ערכים חוקיים נוספים
&$R	ערך-מילוני = "עשר"	מפורטים למטה
*	אין וו-חיבור	מפורטים למטה
M	חלק-דיבר = שם-מספר	מפורטים למטה
*	אין תחילית-שעבוד	מפורטים למטה
*	אין אות-יחס	מפורטים למטה
L	לא-מיודע	מפורטים למטה
Z	מין = זכר	מפורטים למטה
R	מספר = רבים	מפורטים למטה
S	מצב-סמיכות = נסמך	מפורטים למטה
*	מין כינוי-קנין = אין	מפורטים למטה
*	מספר כינוי-קנין = אין	מפורטים למטה
*	גוף כינוי-קנין = אין	מפורטים למטה

כלומר: המילה "עשרות" שייכת לערך המילוני "עשר", שהוא שם-מספר; אין לפניה וו-חיבור, תחילית-שעבוד או אות-יחס; זהו שם-מספר לא-מיודע, ברבים ובצורת הנסמך; ואין לו כינוי-קנין.

לדוגמה נוספת, נתבונן במילה השלישית מקובץ המקור: המילה

MGI&IM (מגיעים).

הניתוח הצורני שלה נמצא במילה השלישית של קובץ הניתוח:

HGI&*P*ZRAH

משמעות השדות מפורטת בטבלה הבאה:

השדה	המשמעות	ערכים חוקיים נוספים
HGI&	ערך-מילוני = "הגיע"	מפורטים למטה
*	אין וו-חיבור	מפורטים למטה
P	חלק-דיבר = פועל	מפורטים למטה
*	אין תחילית-שעבוד	מפורטים למטה
Z	מין = זכר	מפורטים למטה
R	מספר = רבים	מפורטים למטה
A	גוף = כלשהו	מפורטים למטה
H	זמן = הווה	מפורטים למטה

כלומר: המילה "מגיעים" שייכת לערך המילוני "הגיע", שהוא פועל. אין לפניה וו-החיבור או תחילית-שעבוד. זהו פועל בזכר רבים, בגוף כלשהו, ובזמן הווה.

עבור כל חלק-דיבר נשמרים רק השדות  הרלבנטיים עבור חלק-דיבר זה; למשל - עבור פועל לא נשמרים השדות: אות-יחס, יידוע, מצב-סמיכות וכינוי-קניין.

לדוגמה שלישית, נתבונן במילה האחרונה בשורה שהובאה למעלה מקובץ המקור:

LM&$H (למעשה).

הניתוח שלה נמצא במילה:

LM&$H*t* 

משמעות השדות מפורטת בטבלה הבאה:

כלומר: המילה "למעשה" שייכת לערך המילוני "למעשה", שהוא תואר-פועל. אין לפניה וו-החיבור או תחילית-שעבוד.

הערכים החוקיים לכל אחד מהשדות

תזכורת: התוכנה רגישה להבחנה בין אותיות לטיניות גדולות וקטנות.

שדה הערך המילוני: עשוי להכיל כל מחרוזת של תוים מהתעתיק הלטיני. הוא מסתיים בתו * או בתו 1.

שדה ו' החיבור: יכול לקבל * (אם אין ו') או 1 (אם יש ו').

שדה חלק הדיבר: יכול לקבל אחד מתוך הערכים הבאים: E (שם-עצם), P (פועל), p (שם-פרטי), z (פועל-עזר), T (תואר), t (תואר-פועל), M (שם-מספר), m (מילית), x (מילת-חיבור), y (מילת-יחס), j (מילת-שאלה), g (מילת-גוף).

שדה תחילית-השעבוד : יכול לקבל אחד מתוך הערכים הבאים: * (אין תחילית שעבוד), A (תחילית  שעבוד כלשהי), J (התחילית 'ש-'), K (התחילית 'כש-'), L (התחילית 'לכש-'), X (התחילית 'שכש-'), H (התחילית 'ה-' [1] ), S (התחילית 'שה-' [2] ).

שדה אות-היחס (רלבנטי רק עבור שמות-עצם ומספר): יכול לקבל אחד מתוך הערכים הבאים: * (אין אות יחס),  A (אות-יחס כלשהי), b (האות ב), k (האות כ), l (האות ל), m (האות מ).

שדה מצב-היידוע (רלבנטי רק עבור שמות-עצם, תואר ומספר): יכול לקבל אחד מתוך הערכים הבאים: L (לא-מיודע), K (מיודע), A או B (מצב יידוע כלשהו).

שדה המין: יכול לקבל אחד מתוך הערכים הבאים: Z (זכר), N (נקבה), A או B (מין כלשהו).

שדה המספר: יכול לקבל אחד מתוך הערכים הבאים: Y (יחיד), R (רבים), A או B (מספר כלשהו).

שדה מצב-הסמיכות (רלבנטי רק עבור שמות-עצם, תואר ומספר): יכול לקבל אחד מתוך הערכים הבאים: F (נפרד), S (נסמך), A או B (מצב סמיכות כלשהו).

שדה הגוף (רלבנטי רק עבור פעלים ומילות-גוף): יכול לקבל אחד מתוך הערכים הבאים: 1 (גוף ראשון), 2 (גוף שני), 3 (גוף שלישי), A או B (גוף כלשהו).

שדה הזמן (רלבנטי רק עבור פעלים): יכול לקבל אחד מתוך הערכים הבאים: V (עבר), H (הווה), S (הווה סביל), T (עתיד), C (ציווי), M (מקור או שם-הפועל).

השדות  של כינוי השייכות: אם אין כינוי שייכות אז בשלושת השדות יופיע הערך '*' (כמו בדוגמה שלמעלה). אם יש כינוי שייכות אז בשדות האלה יהיו ערכים של מין, מספר וגוף הכינוי. למשל, עבור המילה "ילדיו" (הילדים שלו) נקבל כינוי שייכות כזה:

ZY3

כלומר: הילדים שייכים לאיש ממין זכר (Z), יחיד (Y), גוף שלישי (3).

הניתוח המלא של המילה "ילדיו" יהיה:

ILD*E**LZRFZY3

כלומר: הערך המילוני הוא 'ילד' (ILD), אין ו' חיבור (*), חלק-הדיבר הוא שם-עצם (E), אין תחילית שעבוד (*), אין אות יחס (*), זהו שם-עצם לא מיודע (L), ממין זכר (Z), רבים (R), נפרד (F), וכינוי השייכות שלו הוא לזכר-יחיד-נפרד (ZY3)

סימני הפיסוק

סימני הפיסוק נחשבים למילות חיבור. למשל, המילה התשיעית בקובץ המקור היא

,

והניתוח שלה נמצא במילה התשיעית בקובץ הניתוח, שהיא:

,*x*

כלומר: הערך המילוני הוא ',', אין ו' חיבור (*), חלק-הדיבר הוא מילת-חיבור (x), ואין תחילית שעבוד (*).

הערות

• בקובץ המקור יש כ16 מאמרים שונים. המאמרים מופרדים ביניהם ע"י התו *. התו * לא מנותח, כלומר - אין לו מילה מקבילה בקובץ הניתוח.
• ניתן להשיג מחלקות בשפת JAVA שמטפלות במבנה של ניתוח צורני של מילה, כולל קריאה וכתיבה של המבנה מקובץ ניתוח בפורמט שתואר כאן.
  

  ---

[1] כמו במשפט "מי השילוח  ההולכים לאט".

[2] כמו במשפט "ההתחייבות שהחתום מטה קיבל על עצמו"

This page should be viewed using Microsoft Internet Explorer 4+, with  Hebrew support. If you don't have Hebrew support, or don't read Hebrew, you can read a partial  English translation here.

להערות ותגובות: erelsgl @ cs . technion . ac . il