Пометы-ограничения

Помета kwtype (тип ключевого слова, keyword type) указывает, что слово (или главное слово многословной сущности), которому соответствует данных (не)терминал, должно быть объектом заданного типа. Значение поля kwtype заполняется названием статьи словаря или ее названием типа статей словаря. Информация о статьях и их типах находится в одном из gzt-словарей.

Каждая такая статья словаря является инструкцией для построения объекта. В свою очередь, объект может быть как ключевым словом из определенного словаря, так и синтаксической группой, выделенной другой грамматикой. Поле kwtype играет ключевую роль в построении правил грамматик, поскольку позволяет правилам использовать результаты работы других грамматик в качестве атомарных объектов.

Ограничение kwset (множество типов ключевых слов, keyword set) выполняет ту же функцию, что и kwtype. Разница между этими ограничениями состоит в том, что kwset применяется ко всем омонимам слова. Во-первых, это означает, что полученный после применения kwset символ может содержать другие омонимы, если есть другие статьи словаря которые также описывают этот символ. Во-вторых в помете kwset можно перечислить сразу несколько названий статей или их типов.

Запись kwset=["статья_1","статья_2",…,"статья_n"] означает, что у слова должен существовать хотя бы один омоним, который описывается одной из перечисленных статей или типов. Запись с отрицанием kwset=~["статья_1","статья_2",…,"статья_n"] означает, что если хотя бы один омоним слова описывается одной из перечисленных статей или типов, то правило не сработает.

Использование символов косая черта / звездочка * в поле пометы kwset аналогично их использованию в поле пометы kwtype.

Помета gram ограничивает символ допустимыми значениями грамматических характеристик. Например, запись gram="nom,pl" означает, что у слова или у главного слова многословной сущности должны быть граммемы nom (nominative, именительный падеж) и pl (plural, множественное число). В списке граммем можно указывать любые граммемы, в том числе и часть речи, т.е. терминал NOUN можно записать как Word<gram="S">.Список используемых граммем и их значения перечислены в таблице Значения граммем.

Если у слова есть два омонима, то помета gram последовательно проверяет значения грамматических характеристик у каждого из них. Например, у слова «леса» есть омоним с граммемами nom и pl (именительный падеж, множественное число) и омоним с граммемами gen и sg (родительный падеж, единственное число). Это слово будет соответствовать правилу с пометой gram="gen,sg" или с пометой gram="pl", но не будет соответствовать правилу с пометой gram="gen,pl".

Отрицание граммемы в поле пометы gram применяется сразу ко всем омонимам. Например, слово «леса» не удовлетворяет помете gram="~sg" несмотря на то что у него есть омоним множественного числа. В одной помете gram можно указывать одновременно граммемы с отрицанием и без.

Помета GU (grammar union) предоставляет более широкие возможности использования граммем в грамматиках. В своей самой простой форме GU=["nom,pl"] эта помета аналогична помете gram: она проверяет грамматические характеристики (в примере выше — «именительный падеж множественного числа») у каждого омонима и если находится омоним, удовлетворяющий этому условию, то правило срабатывает.

Граммемы записываются через запятую в квадратных скобках [ ]. Отрицание отдельных граммем в этой записи запрещено. Отрицание ~ перед квадратными скобками означает, что пересечение перечисленных граммем с граммемами каждого омонима пусто, т.е. если интерпретация хотя бы одного омонима подойдет по множество граммем в квадратных скобках, то правило с таким ограничением не сработает.

- табуретка // именительный падеж
+ табуретку // винительный падеж
+ стол      // именительный или винительный падеж
- стола     // родительный падеж

+ табуретка // именительный падеж
- табуретку // винительный падеж
- стол      // именительный или винительный падеж
+ стола     // родительный падеж

- табуретка // именительный падеж
- табуретку // винительный падеж
+ стол      // именительный или винительный падеж
- стола     // родительный падеж

- стол
+ столом
+ пальто

Для проверки совпадения значений одного или нескольких признаков одновременно у двух символов в Томите реализован механизм согласования. Например, согласование по падежу (помета c-agr) в следующем примере сработает на словосочетании «человек и кошка» и не сработает на словосочетании «человеку и кошка»:

A -> Noun<c-agr[1]> 'и' Noun<c-agr[1]>

Согласование — это бинарное отношение, которое записывается при каждом из двух символов в правой части правила. Чтобы различить согласования одного типа внутри одного правила, паре символов приписывается идентификатор (целое число). Если проверка согласования прошла успешно и если один из участников согласования — вершина синтаксической группы, то ему приписывается вектор граммем, полученный пересечением граммем участников согласования.

Отрицание согласования означает, что у двух символов не может быть тождества значений заданных согласованием признаков. При этом часть значений признаков у этих символов может и совпадать.

Один символ может одновременно участвовать в нескольких отношениях согласования с разными участниками. Например, существительное может одновременно быть согласовано с определением и со сказуемым или с двумя прилагательными. Ниже приведены некоторые примеры согласований и примеры разбираемых (плюс в начале строки) и не разбираемых (минус в начале строки) ими цепочек:

S -> Adj<gnc-agr[1]> Noun<gnc-agr[1], gram=’им’, sp-agr[2]> Adv Verb<rt, sp-agr[2]>;

+ наша Маша громко плачет
- нашей Маша громко плачет
- наша Маша громко плачут

S -> Adj<gnc-agr[1]> Adj<gnc-agr[2]> Noun<rt,gnc-agr[1],gnc-agr[2] >;

+ новый эстонский премьер-министр
- новые эстонский премьер-министр
- новый эстонская премьер-министр

S -> Participle<gnc-agr[2]> Adj<gnc-agr[1]> Noun<gnc-agr[1], gram=’тв’> Noun<gnc-agr[2], gram=’им’, rt>;

+ обожаемый местным населением напиток
- обожаемая местным населением напиток
- обожаемый местными населением напиток

S -> Noun<~gnc-agr[1], rt> Adj<~gnc-agr[1]>;

+ платформа Северный
- платформа Северная

Далее описаны специальные виды согласования, удобные при написании грамматик для русских текстов.

Символ проверяется на соответствие регулярному выражению, указанному в поле помет wfm, wff и wfl. Помета wfm применяет регулярное выражение к вершине синтаксической группы, соответствующей данному нетерминалу. Пометы wff и wfl, соответственно к первому и последнему слову цепочки. Если символу соответствует одно слово в тексте, то результаты применения к нему этих трех помет эквивалентны.

Разбор регулярного выражения происходит с помощью свободно распространяемой библиотеки Perl Compatible Regular Expressions. Синтаксис регулярных выражений языка Perl описан в документации: perlre. Небольшое, но важное отличие от описанного синтаксиса регулярных выражений состоит в том, препроцессор дополнительно приписывает ко всем выражениям из поля помет wfm, wff и wfl символы начала и конца цепочки ^ и $. На практике это чаще удобно, чем не удобно. В последнем случае, чтобы скорректировать эту особенность достаточно прибавить к регулярному выражению с обеих сторон последовательность «точка-звездочка» .*.

Запись регулярного выражения в кавычках требует дополнительных escape символов по сравнению со стандартным синтаксисом регулярных выражений Perl. Так как обратная косая черта \ уже является escape символом для строк, он должен быть повторен два раза для того чтобы в регулярном выражении возникла одна косая черта. Таким образом, чтобы распознать регулярным выражением сам знак \, в поле wfm необходимо использовать запись «\\\\» (сравните с /\\/ в Perl).

Также можно использовать традиционный формат описания регулярных выражений с двумя косыми чертами / / вместо кавычек " ". Эта форма записи интерпретирует escape символы обычным для Perl образом.

Помета no_hom требует чтобы символ состоял из омонимов с одной частью речи. Например, правило S->Word<no_hom>; сработает на слове стол, но не сработает на слове столовая, т.к. последнее в словаре описано как прилагательное и как существительное.

В случае если символу присвоен «географический» kwtype (т.е. любой kwtype, тип которого начинается с префикса geo_ то помета no_hom проверяет, что все омонимы принадлежат географическим словарям.