Грамматический словарь в формате XML

Таблица class: id - ключ записи, name - имя класса, присвоенное ему при объявлении в исходных текстах словаря.

Таблица entry: id - ключ статьи, id_class - код грамматического класса (внешний ключ на class.id), name - имя статьи (обычно это базовая грамматическая форма), entry_attrs - список атрибутов словарной статьи - грамматических признаков, присущих всем грамматическим формам данного слова, например род и одушевленность для русских существительных.

Таблица entry_form: id_entry - код словарной статьи (внешний ключ на entry.id), name - текстовое представление грамматической формы, iform - порядковый номер формы в рамках словарной статьи, form_dims - список измерений, например - падеж и грамматическое число для форм существительного.

Загрузка XML словаря в MS Access

Работать с содержимым словаря, экспортированным в XML формат, можно с помощью СУБД, которая поддерживает загрузку данных из XML файлов. Хорошо работает MS Access 2003, при этом не требуя дополнительных инструментов.

Общая технология такая. Создается пустая БД. В нее импортируются данные из файла 'lexicon.xml'. При этом Access самостоятельно прочитает также описание схемы из lexicon.xsd. В результате в БД будет создано несколько таблиц (class, entry и entry_form).

Теперь можно применять средства SQL для выборки данных по разным критериям, и с помощью инструментария СУБД Access строить разнообразные отчеты. Вы даже можете использовать прекрасный штатный генератор отчетов Access'а, если хотите получать результаты в виде красивых диаграмм. Мы же ограничимся текстовыми результатами исполнения запросов.

Для понимания дальнейшего изложения необходимо знать язык SQL.

SELECT C.name, Count(E.id)
   FROM Class AS C, Entry AS E
   WHERE C.id=E.id_class
   GROUP BY C.name
   ORDER BY Count(E.id) DESC;

выдаст число словарных статей в каждом грамматическом классе:

СУЩЕСТВИТЕЛЬНОЕ	8943
ИНФИНИТИВ	8270
ПРИЛАГАТЕЛЬНОЕ	6761
ПРЕДИКАТ	2884
НАРЕЧИЕ	2288
ДЕЕПРИЧАСТИЕ	655
ПРЕДЛОГ	98
ЧАСТИЦА	97
МУСОР	92
СОЮЗ	73
Sound_Resource	5555
ВВОДНОЕ	48
ЧИСЛИТЕЛЬНОЕ	38
ПРИЧАСТИЕ	35
ПУНКТУАТОР	33
БЕЗЛИЧ_ГЛАГОЛ	24
МЕСТОИМ_СУЩ	13
СПЕЦ	12
beth	9
ЛОГСОЮЗ	5
МЕСТОИМЕНИЕ	4
types	4
num_word	3
ВОСКЛ_ГЛАГОЛ	2
QUANTOR	2
DUMMY	2
ADJ	1
МОДАЛЬНОЕ	1
VERB	1
NOUN	1>1

Чтобы узнать число словарных форм в каждом из классов, требуется минимальная модификация запроса:

SELECT C.name, Count(F.name)
FROM Class AS C, Entry AS E, Entry_form AS F
WHERE C.id=E.id_class AND F.id_entry=E.id
GROUP BY C.name
HAVING Count(F.name) > 50
ORDER BY Count(F.name) DESC;

В этом запросе попутно производится отсечение малозначимых данных (классов с числом словоформ менее 50). Результат:

ПРИЛАГАТЕЛЬНОЕ	722510
СУЩЕСТВИТЕЛЬНОЕ	108690
ПРЕДИКАТ	34625
ИНФИНИТИВ	8270
ПРИЧАСТИЕ	2466
НАРЕЧИЕ	2288
ДЕЕПРИЧАСТИЕ	655
ЧИСЛИТЕЛЬНОЕ	586
МЕСТОИМЕНИЕ	139
ПРЕДЛОГ	98
ЧАСТИЦА	97
МУСОР	92
МЕСТОИМ_СУЩ	83
СОЮЗ	73
Sound_Resource	55

В действительности, средства языка SQL позволяют очень легко проводить достаточно сложную выборку данных, причем делать это в интерактивном режиме. Например, нас интересуют все слова с длиной = 15 букв, начинающиеся с 'мак':

SELECT F.name
FROM Entry_Form F
WHERE Len( F.name )=15 AND Left( F.name, 3 )='МАК';

МАКСИМАЛЬНЕЙШИЙ

МАКСИМАЛЬНЕЙШАЯ

МАКСИМАЛЬНЕЙШЕЕ

МАКСИМАЛЬНЕЙШИЕ

МАКСИМАЛЬНЕЙШЕЙ

МАКСИМАЛЬНЕЙШИХ

МАКСИМАЛЬНЕЙШИМ

МАКСИМАЛЬНЕЙШЕЙ

МАКСИМАЛЬНЕЙШИМ

МАКСИМАЛЬНЕЙШЕЮ

МАКСИМАЛЬНЕЙШИЙ

МАКСИМАЛЬНЕЙШУЮ

МАКСИМАЛЬНЕЙШЕЕ

МАКСИМАЛЬНЕЙШИХ

МАКСИМАЛЬНЕЙШЕЙ

МАКСИМАЛЬНЕЙШИМ

МАКСИМАЛЬНЕЙШЕМ

МАКСИМАЛЬНЕЙШЕЙ

МАКСИМАЛЬНЕЙШЕМ

МАКСИМАЛЬНЕЙШИХ

Грамматический словарь в формате XML

Экспорт словаря в формат XML

Реляционная структура словаря

Загрузка XML словаря в MS Access

Дополнительные материалы

Грамматический словарь русского языка

SDK Грамматического словаря

Поисковая система

SDK Поисковой системы

Экранный переводчик