مدقق إملائي

التاريخ

من جهة ثانية، وبالرغم من أن حجم سوق برامج معالجة الكلمات في بلد مثل أيسلندا لم تبرر الاستثمار في تنفيذ برامج المدقق الإملائي، ومع ذلك فأن شركات البرمجيات مثل WordPerfect سعت مع ذلك إلى توطين برامجها لأكبر عدد ممكن من الأسواق الوطنية كجزء من استراتيجيتها التسويقية العالمية.

من جانب آخر، ثم طور مجموعة من ستة لغويين من جامعة جورجتاون أول نظام تدقيق إملائي لشركة IBM.

في هذا الإطار، فأن متصفح ويب فايرفوكس 2.0، لديه دعم التدقيق الإملائي للمحتوى الذي يكتبه المستعمل، مثلًا عند تحرير الويكبيديا بتنسيق Wikitext أوالكتابة على الكثير من مواقع بريد الويب والمدونات ومواقع الشبكات الاجتماعية.

إضافةً إلى ذلك، وعلى أجهزة الكمبيوتر الشخصية، كانت هذه المدققات الإملائية عبارة عن برامج مستقلة، يمكن تشغيل العديد منها في وضع TSR من داخل حزم معالجة الكلمات على أجهزة الكمبيوتر ذات الذاكرة الكافية.

من جهة ثانية، ظهرت برامج التدقيق الإملائية الأولى لأجهزة الكمبيوتر الشخصية في سنة 1980، مثل "WordCheck" لأنظمة Commodore التي تم إصدارها في أواخر عام 1980 في الوقت المناسب لطباعة الإعلانات في يناير 1981.

من جانب آخر، وبعدها اخترع هنري Kučera آلة VAX لشركة ديجيتال إكوبمينت في سنة 1981.

علاوةً على ذلك، ومع ذلك، فإن سوق حزم البرمجيات المستقلة كان قصير الأجل، وبمنتصف الثمانينيات، قام مطورو حزم معالجة الكلمات الشائعة مثل برامج WordStar وووردبيرفكت بدمج المدقق الإملائي في حزمهم، المرخصة في الغالب من الشركات المذكورة أعلاه، الذين قاموا بتوسيع الدعم من مجرد دعم اللغة الإنجليزية إلى دعم عديد من اللغات الأوروبية وحتى الآسيوية بنهاية المطاف.

من جهة ثانية، جعل رالف غورين برنامجه SPELL متاحًا للجمهور، كما تم مع أغلب برامج (مختبر الذكاء الاصطناعي في ستانفورد SAIL)، وسرعان ما انتشر في جميع أنحاء العالم عبر شبكة وكالة مشاريع الأبحاث المتطورة أو شبكة وكالة مشاريع الأبحاث المتقدمة أو الأربانت ARPAnet، قبل قرابة عشر سنوات من دخول أجهزة الكمبيوتر الشخصية إلى الاستخدام العام. ألهم برنامج SPELL وخوارزمياته وهياكل البيانات برنامج Unix ispell فيما بعد.

كذلك، في سنة 1961، رأى ليه إيرنست، الذي رأس البحث في هذه التقنية الناشئة، أنه من الضروري تضمين المدقق الإملائي الأول الذي وصل إلى قائمة من 10000 كلمة مقبولة.

كذلك، ومع ذلك، تطلب هذا زيادة التطور في إجراءات قواعد الصرف اللغوية لتلك البرامج، وخاصة فيما يتعلق اللغات المتراصة بكثافة مثل لغات الهنغارية والفنلندية.

كذلك، ويحتوي نظام التشغيل ماك أو إس الآن على التدقيق الإملائي على مستوى النظام، مما يوسع الخدمة إلى جميع التطبيقات المجمعة وتطبيقات الطرف الثالث على وجه التقريب.

ومن ناحية أخرى، متصفحات الويب الأخرى مثل جوجل كروم، كونكيورر والأوبرا وعميل البريد الإلكتروني كاميل والرسائل الفورية العميل بدجن تقدم كذلك دعم التدقيق الإملائي، باستخدام سابقا تطبيقات جنو المفتوحة المصدر مثل آسبل وفي الوقت الحالي Hunspell كمحرك داخلي داخل المتصفح.

علاوةً على ذلك، كانت المدققات الإملائية الأولى متاحة على نطاق واسع على أجهزة الكمبيوتر المركزية في أواخر السبعينيات.

وفيما يخص برامج التصفح:

وفي هذا الصدد، ثم قام رالف غورين، وهو طالب دراسات عليا في جامعة Earnest في ذلك الوقت، بإنشاء أول برنامج مدقق إملائي حقيقي مكتوب كبرنامج تطبيقات (بدلاً من البحث) للنص الإنجليزي العام: SPELL لـ DEC PDP-10 في مختبر الذكاء الاصطناعي بجامعة ستانفورد، في فبراير 1971. كتب غورين برنامج SPELL بلغة التجميع من أجل إجراء أسرع، وقام بعمل أول مصحح إملائي من خلال البحث في قائمة الكلمات عن التهجئات الصحيحة المعقولة التي تختلف بحرف واحد أو تحويل الحروف المتجاورة وتقديمها إلى المستعمل.

علاوةً على ذلك، وقام مطورون آخرون مثل Maria Mariani وRandom House بنقل حزم برمجيات OEM أو منتجات المستعمل النهائي إلى سوق البرمجيات سريعة التوسع، خاصة لأجهزة الكمبيوتر الشخصية ولكن كذلك لأجهزة ماكنتوش و VAX ويونكس.

من جهة ثانية، بعض برامج التدقيق الإملائي الأخرى لديها دعم منفصل للقواميس الطبية للمساعدة في منع الأخطاء الطبية.

التدقيق الإملائي للغات غير الإنجليزية

في هذا الإطار، ففي الألمانية مثلا، غالبًا ما يتم صياغة الأسماء المركبة من الأسماء الأخرى الموجودة. ولذلك لا تفصل بعض البرامج النصية بوضوح كلمة واحدة عن الأخرى، مما يتطلب خوارزميات تقسيم الكلمات.

وفي هذا الصدد، اللغة الإنجليزية غير عادية في أن أغلب الكلمات المستعملة في الكتابة الرسمية لها هجاء واحد يمكن العثور عليه في القاموس النموذجي، باستثناء بعض المصطلحات والكلمات المعدلة.

ومن جهة أخرى، لذا تعتبر هذه الحالات تحديات فريدة لبرامج التدقيق الإملائي للغات أخرى غير اللغة الإنجليزية.

كذلك، ولكن في كثير من اللغات الأخرى، غالبًا ما تكون الكلمات متسلسلة في مجموعات جديدة من الكلمات.

وظائف

وعلى صعيد آخر، برامج التدقيق الإملائي الأولى كانت برامج «تحقق» بدلاً من كونها برامج «تصحيح».

في هذا الإطار، وبالتالي، سيشعر القائمين بالكتابة عن العملة التايلندية بالضيق من ظهور علامة الخطأ

ومن ناحية أخرى، فلم تكن تقدم أي اقتراحات suggestions للكلمات المكتوبة بشكل غير صحيح.

من جهة ثانية، و عندما أصبحت الذاكرة (RAM) وقوة المعالجة (Processing) كبيرتان، تم تطوير عمليات إجراء التدقيق الإملائي لتعمل في الخلفية بطريقة تفاعلية، كما كان الحال مع برنامج Spellbound الذي تم إصداره في سنة 1987 وMicrosoft Word منذ Word 95.

ومن جهة أخرى، مثلًا ، قد يحدد اللغوي طبقا لعلم الأصول اللغوية أن كلمة baht هي في كثير من الأحيان خطأ إملائي لمدخلة مثل bath أو bat أكثر من الإشارة إلى العملة التايلاندية بات تايلاندي.

من جانب آخر، ومع ذلك، يمكن اعتبار المدقق الإملائي نوعًا من أنواع المساعدة في الكتابة بلغة أجنبية والتي يمكن لمتعلمي اللغة غير الأصليين الاعتماد عليها للكشف عن الأخطاء الإملائية وتصحيحها في اللغة الهدف.

علاوةً على ذلك، ولكن من الناحية العملية، يبدو أن الحجم الأمثل للمفردات الخاصة بللغة الإنجليزية هو قرابة 90,000 إدخال، أما إذا كان هناك أكثر من ذلك، فقد يتم تخطي الكلمات التي تحتوي على أخطاء إملائية بشكل خاطئ.

إضافةً إلى ذلك، وكان ذلك مفيدًا للأخطاء المطبعية ولكنه لم يكن مفيدًا جدًا للأخطاء المنطقية أو الصوتية. وكان التحدي الرئيسي الذي واجه المطورين هو صعوبة تقديم اقتراحات مفيدة للكلمات التي بها أخطاء إملائية. وهذا يتطلب اختزال الكلمات إلى شكل هيكلي وتطبيق خوارزميات مطابقة الأنماط.

من جهة ثانية، وفي وقت لاحق، تم تقديم المعالجة المجمعة batch processing في حزم برامج مثل CoAuthor لـ Oracle والتي سمحت للمستعمل بعرض النتائج بعد معالجة المستند وتصحيح الكلمات التي عُرف عنها أنها خاطئة.

في هذا الإطار، قد يبدو منطقيًا أنه فيما يتعلق بقواميس التدقيق الإملائي، انها تحقق فكرة «كلما كان ذلك أكبر، كلما كان ذلك أفضل» بحيث لا يتم وضع علامة على الكلمات الصحيحة على أنها غير صحيحة.

علاوةً على ذلك، في السنوات الأخيرة، أصبحj المدققات الإملائية أكثر تعقيدًا بشكل متزايد؛ فالبعض منها الآن قادر على التعرف على الأخطاء النحوية البسيطة، ومع ذلك، حتى في أفضل حالاتها، نادرًا ما يتم التقاط جميع الأخطاء في النص (مثل أخطاء المشترِكات اللفظية التلفظية) وسوف تضع علامة على الكلمات الجديدة والكلمات الأجنبية على أنها أخطاء إملائية.

وفي هذا السياق، تم استخدام المدقق الإملائي لبيئة تشغيل MS-DOS من داخل حزم برامج معالجة الكلمات. بحيث يبدأ من بعد تحضير مستند ليقوم المستعمل فيما بعد بمسح النص بحثًا عن الأخطاء الإملائية.

التصميم

علاوةً على ذلك، يستعمل النوع البديل من المدققات الإملائية معلومات إحصائية فقط، مثل n-grams ، للتعرف على الأخطاء بدلاً من الكلمات ذات الهجاء الصحيح. يتطلب هذا النهج عادة الكثير من الجهد للحصول على معلومات إحصائية كافية. تتضمن المزايا الرئيسية الحاجة إلى مساحة تخزين أقل وقت التشغيل والقدرة على تصحيح الأخطاء في الكلمات غير المدرجة في القاموس.

يقوم بمسح النص واستخراج الكلمات الواردة فيه.

وفي السياق ذاته، خطوة إضافية هي خوارزمية تعتمد على اللغة للتعامل مع علم الصرف باللغة. حتى بالنسبة للغة ذات التأثير الخفيف مثل اللغة الإنجليزية، سيحتاج المدقق الإملائي إلى النظر في أشكال مختلفة من نفس الكلمة، مثل الجمع، والأشكال اللفظية، والاختصارات، والملكيات. بالنسبة للعديد من اللغات الأخرى، مثل تلك التي تحتوي على التراص والانحراف والاقتران الأكثر تعقيدًا، فإن هذا الجزء من العملية أكثر تعقيدًا.

وعلى صعيد آخر، كما تم استخدام خوارزميات التجميع للتدقيق الإملائي بالدمج مع المعلومات الصوتية للكلمات.

وفي السياق ذاته، في بعض الحالات، تستعمل المدقق الإملائي قائمة ثابتة من الأخطاء الإملائية والاقتراحات لتلك الأخطاء الإملائية؛ غالبًا ما يستعمل هذا النهج الأقل مرونة في طرق التصحيح الورقية، مثل انظر كذلك إدخالات الموسوعات.

كذلك، من غير الواضح ما إذا كان التحليل الصرفي — يسمح بالعديد من الأشكال المختلفة للكلمة اعتمادًا على دورها النحوي — يوفر فائدة كبيرة للغة الإنجليزية، على الرغم من أن فوائدها للغات الاصطناعية للغاية مثل الألمانية أو المجرية أو التركية واضحة.

وفي السياق ذاته، كملحق لهذه المكونات، ستسمح واجهة المستعمل بالبرنامج للمستعملين بالموافقة على الاستبدالات أو رفضها وتعديل تشغيل البرنامج.

ومن ناحية أخرى، ثم يقارن كل كلمة بقائمة معروفة من الكلمات ذات الهجاء الصحيح (المقصود بالقائمة المعروفة هو القاموس). قد يحتوي هذا على قائمة كلمات فقط، أو قد يحتوي كذلك على معلومات إضافية، مثل نقاط الواصلة أو السمات المعجمية والنحوية.

يقوم المدقق الإملائي الأساسي بالعمليات التالية:

المدقق الإملائي الحساس للسياق

• انظر كذلك
• مدقق نحوي
• مشكلة ربط السجل
• معالجة اللغات الطبيعية
• التشكيل الآلي بواسطة الحاسوب
• التدقيق اللغوي
• المراجع

إضافةً إلى ذلك، لا يسمح هذا فقط بالكشف أخطاء في كلمات مثل تلك الموجودة في القصيدة أعلاه (في أول هذه المقالة) ولكنه يخفف من التأثير الضار لتوسيع القواميس، مما يسمح بالتعرف على المزيد من الكلمات.

علاوةً على ذلك، مثلًا، لن يتم التعرف على baht في نفس الفقرة مثل التايلاندية أو تايلاند على أنه خطأ إملائي لكلمة الحمام bath .

ومن جهة أخرى، كان هناك بحث في تطوير خوارزميات قادرة على التعرف على كلمة بها خطأ إملائي، حتى لو كانت الكلمة نفسها في المفردات، بناءً على سياق الكلمات المحيطة لها.

من جهة ثانية، يظهر المدقق الإملائي الحساس للسياق في Microsoft Office 2007 ، وظهر كذلك في Google Wave الذي تم إيقافه الآن.

وعلى صعيد آخر، المثال الأكثر شيوعًا للأخطاء التي يتم اكتشافها بواسطة مثل هذا النظام هي الأخطاء المتجانسة، مثل الكلمات الغامقة في الجملة التالية:

Their coming too sea if its reel.

ومن ناحية أخرى، أنجح خوارزمية حتى الآن هي Andrew Golding و Dan Roth «خوارزمية تصحيح الهجاء التي تستند إلى Winnow»، والتي نشرت في سنة 1999، وهي قادرة على التعرف على نحو 96 ٪ من الأخطاء الإملائية الحساسة للسياق، إلى جانب عدم وجود كلمة عادية اخطاء املائية.

كذلك، ويجدر الإشارة إلى أن برامج التدقيق النحوي تحاول إصلاح مشكلات القواعد النحوية متجاهلة الأخطاء الإملائية، بما في ذلك الاختيار غير الصحيح للكلمات.