XUXEN euskararako zuzentzaile ortografikoa

Joan den irailean Xuxen euskararako zuzentzaile ortografikoaren aurkezpena egin zen Donostiako Koldo Mitxelena kulturunean. Bertan ikusitakoari buruz patxadaz hitz egiteko aukera izan genuen egileetako bat den Iñaki Alegriarekin. Hona hemen elkarrizketaren emaitza.

Elhuyar.- Zer da Xuxen programa?

1. irudia. Pantaila nagusia.

Argazkia ongi ikusteko jo ezazu PDF-ra

I. Alegria.- Euskaraz idatzitako testuetarako zuzentzaile ortografikoa da Xuxen eta euskarazko testuen ortografia detektatu eta zuzentzea du helburu; hau da, huts tipografikoak eta ortografikoak detektatu eta zuzentzea. Helburu honi begira euskara batua da programak onartzen duena. Dokumentu bat edo gehiago azter ditzake exekutaldi bakoitzean. Dokumentuak hitzez hitz tratatzen dira eta hitzak ezagutzen dituen bitartean lanean jarraitzen du etengabe, baina hitzen bat ezagutzen ez duenean abisua eman eta geratu egiten da. Balizko hutsaren aurrean erabiltzaileak hainbat aukera izango du, besteak beste, ontzat ematea, erabiltzaileak zuzentzea, zuzenketarako programak eskaintzen dituen proposamenak eskatzea edo, berriro lema horretatik deribatutako forma guztiak ezagutu ditzan, hiztegi pertsonalean sarrera ematea (ikus 1. irudia).

Elh.- Zenbat denbora behar izan duzue programa burutzeko? eta nortzuek hartu duzue parte?

I.A.- Programa prestatzea lan handia izan da nagusiki bi arrazoirengatik: euskarak duen berezko konplexutasun morfologikoagatik batetik eta euskararen morfologiari buruzko deskripzio sistematikoaren faltagatik bestetik.

Aurretik egina genuen analizatzaile morfologiko automatikoa aprobetxatuz azken hiru urteetan garatutako programa hau UPV/EHUko Informatika Fakultatea, UZEI eta Baionako Hizkia enpresaren arteko elkarlana izan da. Informatika Fakultateko taldeak prototipoaren garapena eta koordinazio-lana egin du, UZEIk berma linguistikoa eman dio eta Hizkiak produktu komertzialaren ardura hartu du. Macintosherako eta PCrako bertsioak prestatu dira. Lan honetan ezin da aipatu gabe utzi honako erakundeen laguntza: IVAP/HAEE, Gipuzkoako Foru Aldundiko Ekonomia Saila eta Euskadi/Akitania lankidetza programa.

Elh.- Zeintzuk dira Xuxen programaren diseinu-ezaugarriak?

I.A.- Euskarak duen konplexutasun morfologikoa dela eta, hitz bat ondo dagoen ala ez erabakitzeko ezin da beste hizkuntza batzuetarako egiten den bezala hitz-zerrenda bat kontsultatu eta kito; lema batetik abiatuta sor daitezkeen forma zilegiak asko direnez, zerrenda izugarria izango bailitzateke. Adibidez, izen batetik abiatzen bagara, deklinabide-atzizki bakar bat erantsiz 135 legezko forma lor daitezke (elipsiak kontutan hartzen baditugu zenbaki hau izugarri igotzen da). Gainera, horrela jokatu izan bagenu, erabiltzailearen hiztegian lema bakarrik sartuz bere deklinabide osoa ulertu beharrean, Xuxenen gertatzen den legez, lema horri dagozkion forma guztiak sartu beharko lituzke banan-banan erabiltzaileak. Aurreko guztiarengatik hitz zilegiak ondo identifikatzeko analisi morfologikoa egitea ezinbestekoa izan da.

Elh.- Analisi morfologikoa ezinbestekoa izan dela aipatu duzu, zein nolako urratsak eman dituzue hori lantzeko?

I.A.- Analisi morfologikoa 1.983an Helsinkiko Unibertsitateko Koskenniemi irakasleak proposatutako bi mailatako formalismoan dago oinarrituta. Formalismo hau hasiera batean suomierarako proposatu bazen ere, oso arrakastatsua izan da beste edozein hizkuntzatarako eta euskara bezalako hizkuntza eranskarietarako batez ere. Formalismo honen ezaugarri nagusiak honakoak dira: testuetan agertzen diren hitzak —azaleko maila— eta lexikoa —maila lexikoa— argi bereiztea, analisi zein sintesirako balio izatea, eta programa eta ezagumendu linguistikoa bereiztea. Informazio linguistikoa morfemez osatutako lexikoek eta erregela morfofonologikoek osatzen dute.

Lexikoak 60.000 sarrera baino gehiago du, datu-base batean gordeta eta 120 azpilexikotan banatuta. Sarrera bakoitzari jarraitze-klase bat egokitzen zaio bere atzean etor daitezkeen atzizkien multzoa definitzen duena. Morfemak biltzean gertatzen diren azaleko aldaketak adierazteko hogeita lau erregela morfofonologiko daude. Erregela hauetako bakoitzak karaktere baten txertaketa, ezabapena edo aldaketa bat noiz gertatzen den adierazten du. Adibidez, zortzigarren erregelan ondoko aldaketa deskribatzen da: lexikoko k letra azaleko g bihurtzen da baldin k letra “ko” atzizkikoa bada, eta aurretik dagoena n letraz bukatutako lema bat edo l, m edo n letraz bukatutako toki-izen bat baldin bada. Esate baterako izan eta ko morfemak biltzean izango forma sortzen da.

Abiadura handitzeko gehien erabiltzen diren hitzekin zerrenda bat osatu da, berorien analisi morfologikoa saihestearren.

Elh.- Zuzenketarako proposamenak programak eskaintzen duen aukeretako bat da, zertan datza?

I. Alegria. Euskal Herriko Unibertsitateko Informatika Fakultateko irakaslea. Xuxen euskararako zuzentzaile ortografikoaren egileetako bat.

I.A.- Errore baten aurrean erabiltzailearen esku dago programari proposamenak eskatzea. Lan horretan errore tipografikoek eta ortografikoek tratamendu desberdina dute. Tipografikoetan karaktere bat galtzea, txertaketa zein aldaera edo bi karaktere jarrairen arteko trukea hartzen da errorearen iturritzat, eta alderantzizkoa eginez bilatzen dira proposatzeko hitz egokiak.

Euskararen ezagumendu eskasak, batasunaren azken aldaketen berri ez izateak edo erabilpen dialektalak eragindako erroreak ortografikoak edo tipikoak deitzen dira. Horrelakoak detektatu eta zuzendu ahal izateko Xuxenek azpilexiko eta erregela bereziak ditu. Adibidez, haundi forma lexiko berezi batean dago handi forma hobetsiarekin lotuta; “haundiaren” analisia egitean haundi+aren lortzen da, baina haundi errore bezala markaturik egotean handi bihurtzen da eta, ondorioz, handi+aren-ren sorkuntzaz handiaren sortuko da proposamen gisa. Erregela berezien artean h-ren galera eta x-s-z aldaketa deskribatzen dutenak daude. Horrela zuaitxeko analizatzean automatikoki zuhaitz+ko lortzen da eta sorkuntzaz zuhaitzeko proposamena.

Elh.- Zein hizkuntz eredu erabili duzue?

I.A.- Euskararen flexioa kontutan hartuta, deklinabide-sistema ordenadorez erabilgarria eraiki behar izan da. Horretarako, Euskaltzaindiak proposatutako taulan oinarritu gara eta gure sistemara egokitu dugu; hau da, taula hori hartu eta lexiko-kategoria bakoitzari egokitzen zaizkion kasuak multzoka eratu ditugu. Horrela oinarri bakoitzari atzizki-multzo bakarra dagokio, har ditzakeen atzizkiez osatua.

Eratorpenean zenbait aurrizki eta atzizki landuta daude, baina arruntenak hiztegi-sarrera bezala daude. Hala ere, erabiltzaileak bere hiztegian sar ditzake hitz eratorri berriak. Hitz elkarketan ere, ohizkoena eta sistematizagarriena landu da oraingoz, Euskaltzaindiaren LEF Batzordeak markatutako irizpideen arabera. Aditz faktitiboa ere sistematikoki landuta dago

Aditzari dagokionez, aditz laguntzailearen zein trinkoaren formak ezagutzen ditu Xuxenek, beti ere Euskaltzaindiak erabakiak. Forma neutroak, markatu gabeak nahiz hitanozkoak ezagutzen ditu.

Gramatikaren atalean arau-iturri bakarra Euskaltzaindia izan bada, bestela gertatzen da lexikoa lantzen hasi orduko. Puntu batzuetan emanak ditu kasuan kasuko gomendio eta erabakiak: H letra, -a berezkoa, zenbakien osaera eta idazkera, etab. Horiek jarraitu ditugu lexikoa osatzean, nahiz eta zenbakien kasuan oraingoz bi aukerak mantentzen ditugun (hogeita bost eta hogeitabost onartuz). Beste hainbeste gertatu da pertsona- eta leku-izenekin, bai eta maileguen idazkeran ere.

Oinarrizko hiztegia sortzeko, hau da, edozein lexikotan maizenik agertzen diren lemen zerrenda, gaurko beste iturrietara jo behar izan dugu: Ibon Sarasolaren Hauta-Lanerako Euskal Hiztegia, UZEIko Euskalterm datu-bankua eta EEBS datu-base lexikografikoa, Xabier Kintana eta besteren Hiztegia 2000, J.M. Etxebarriaren Maiztasun- eta Prestasun Hiztegia, etab. Euskaltzaindiaren irizpideekin bat ez zetozenean, sarrerak “egokitu” egin dira; eta, Euskaltzaindiak erabaki ez dituenetan, Ibon Sarasolaren hiztegia izan da irizpide-iturri.

Oinarrizko hiztegia osatu nahirik, UZEIko EEBStik hainbat esapide, lokuzio eta forma konplexu hartu da. Siglak eta laburtzapenak ere UZEIko irizpideen arabera landu dira. Hiztegi arruntetik abiatuz, terminologiaraino iritsi behar izan da zenbaitetan. Ezinbestekoa izan da Euskalterm horrelakoetan.

Izen propioen zerrenda osatzeko (izen propioak hiztegi arruntetan ez badatoz ere), bi iturritara jo da: lehena Euskaltzaindiak proposatutako euskal pertsona- eta leku-izenen zerrenda izan da, baina munduko leku-izenen zerrenda eskuratzeko Elhuyar-era jo da.

Iturri guzti hauetatik edanda tamaina handiko hiztegia osatu dugu, testu arruntetako lexikoa, gutxienez, baduena. Hala ere, gai berezituetako terminologia norberak sartzeko aukera izango du bere hiztegi pertsonalean.

Elh.- Etorkizunari begira zer?

I.A.- Taldean analisi sintaktiko automatikoari aurre egin nahi diogu hurrengo urteetan. Hori eginez gero zuzenketa aurreratua egiteko aukera izango du etorkizuneko XUXENek. Beste aldetik hiztegigintzan ere ari da lan egiten gure taldea, hiztegiei baliabide informatikoak aplikatzean askoz etekin handiagoa ateratzeko asmoz. Hala ere, analisi morfologikoan oinarrituta EUSLEM lematizatzaile automatikoa atera nahi dugu hemendik urtebetera edo.