Zahvaljujući bogatom osnovnom fondu riječi, ali i brojnim frazama specifičnima za hrvatski jezik, sustav Hašek učestale gramatičke i stilske greške kontekstno prepoznaje te po potrebi ispravlja. Dostupan je na adresi ispravi.me

Hrvatski akademski spelling checker Hascheck [Hašek], dostupan na adresi ispravi.me, jedna je od najstarijih domaćih internetskih usluga koja već gotovo punih 30 godina svakodnevno pomaže akademskoj zajednici, brojnim novinskim redakcijama, ali i privatnim korisnicima u uređivanju njihovih tekstova.

Protekle godine usluzi je pristupilo 450 tisuća korisnika iz preko 130 zemalja svijeta. Oni su obradili 8 milijuna tekstova koji su tvorili korpus od blizu 2 milijarde pojavnica. Ovo nedvojbeno govori o globalnoj popularnosti vrlo specifične usluge posvećene hrvatskom jeziku. Valja naglasiti da je hrvatski u svjetskim razmjerima “mali” jezik jer ga koristi manje od jednog promila svjetske populacije. 

Najviše korisnika usluzi je pristupilo iz Hrvatske (83 %), zatim iz Bosne i Hercegovine (7 %), Njemačke (1 %) itd. Više od 40 % korisnika bilo je mlađe od 34 godine, a usluzi su u 75 posto slučajeva pristupali sa stolnog računala, najčešće radnim danima između 9 i 15 sati. Sve ovo upućuje da u Hrvatskoj treba posvećivati veću pozornost domaćem razvoju jezičnotehnoloških proizvoda i usluga.

U 2021. godini korisnici Hašeka najčešće su griješili pri pisanju sljedećih riječi: če –> će, tiće –> tiče, riješenje –> rješenje, slijedeće –> sljedeće, mogučnosti –> mogućnosti, promjeniti –> promijeniti, čemo –> ćemo, več –> već, primjetiti –> primijetiti, djete –> dijete, samnom –> sa mnom, riješenja –> rješenja, reči –> reći, primjeniti –> primijeniti te razumijeti –> razumjeti.

Skrb o usluzi od samih početaka primarno počiva na idejnom začetniku, umirovljenom profesoru FER-a Šandoru Dembitzu, a u sklopu diplomskih i završnih radova na projektu povremeno sudjeluju i studenti FER-a.

Zahvaljujući bogatom osnovnom fondu riječi, ali i brojnim frazama specifičnima za hrvatski jezik, sustav Hašek učestale gramatičke i stilske greške kontekstno prepoznaje te po potrebi ispravlja, što ga svrstava u nekonvencionalne pravopisne provjernike. Njegova posebnost je kontinuirana nadogradnja koje se postiže putem sustava samoučenja. Iz pristiglih tekstova sustav prikuplja nove riječi i njihove oblike te sam izdvaja zanimljive elemente za nadogradnju jezičnog fonda, koji prolaze rigoroznu kontrolu radi očuvanja preciznosti rječnika. 

Od početnih 100 tisuća različnica hrvatskog općejezičnog fonda, u gotovo 30 godina strogo nadziranog učenja sustav je narastao na 1,1 milijun različnica hrvatskog općejezičnog fonda te nešto više od milijun različnica hrvatskog posebnojezičnog, dominantno imenskog fonda. Posebnu vrijednost izvedenu iz obrada predstavlja hrvatski n-gramski sustav (n = 1, …, 7) u kojemu su pohranjeni sljedovi od n sukcesivnih riječi iz obrađivanih tekstova s potvrdom svake riječi u Hašekovu rječniku, upotpunjeno učestalošću pojedinog n-grama u ukupno obrađenome korpusu.

Hašekov n-gramski sustav, mjereno pojavnicama, višestruko nadmašuje opseg svih knjiga tiskanih na hrvatskom jeziku od Gutenberga do danas. Već ovaj podatak upućuje na vrijednost n-gramskog sustava u kontekstu suvremenih na big-data pristupima zasnovanih jezičnih obrada.

■  IZ DRUGIH MEDIJA | universitas-portal.hr ■