Comment puis-je préfixer correctement un mot avec "a" et "an" ?

Question

J'ai une application .NET où, étant donné un nom, je veux qu'elle préfixe correctement ce mot avec "a" ou "an". Comment dois-je m'y prendre ?

Avant de penser que la réponse consiste simplement à vérifier si la première lettre est une voyelle, pensez à des phrases comme celles-ci :

• une erreur honnête
• une voiture d'occasion

Answer 1

1. Télécharger Wikipedia
2. Décompressez le fichier et écrivez un programme de filtrage rapide qui renvoie uniquement le texte de l'article (le téléchargement est généralement au format XML, ainsi que les métadonnées non liées à l'article).
3. Trouvez toutes les instances de a(n).... et faites un index sur le mot suivant et tous ses préfixes (vous pouvez utiliser un simple suffixe pour cela). Cette recherche doit être sensible à la casse, et vous aurez besoin d'une longueur maximale de mot - 15 lettres ?
4. (facultatif) Eliminez tous les préfixes qui apparaissent moins de 5 fois ou pour lesquels "a" vs. "an" obtient une majorité de moins de 2/3 (ou d'autres seuils - à ajuster ici). De préférence, gardez le préfixe vide pour éviter les cas de figure.
5. Vous pouvez optimiser votre base de données de préfixes en éliminant tous les préfixes dont le parent partage la même annotation "a" ou "an".
6. Pour déterminer s'il faut utiliser "A" ou "AN", trouvez le préfixe correspondant le plus long et suivez-le. Si vous n'avez pas éliminé le préfixe vide à l'étape 4, alors il y aura un préfixe "A". toujours être un préfixe correspondant (à savoir le préfixe vide), sinon vous pouvez avoir besoin d'un cas spécial pour une chaîne complètement non correspondante (une telle entrée devrait être très rare).

Vous ne pouvez probablement pas faire beaucoup mieux que cela - et il battra certainement la plupart des systèmes basés sur des règles.

Edit : J'ai mis en œuvre en JS/C# . Vous pouvez essayez-le dans votre navigateur ou téléchargez la petite implémentation javascript réutilisable qu'il utilise. L'implémentation .NET est un paquet AvsAn sur nuget . Les implémentations sont triviales, il devrait donc être facile de les porter vers tout autre langage si nécessaire.

Il s'avère que les "règles" sont un peu plus complexes que je ne le pensais :

• c'est un résultat inattendu mais c'est a vote unanime
• c'est un décision honnête mais a arbuste de chèvrefeuille
• Des symboles : C'est un Numéro 0800, ou un d'origan.
• Acronymes : C'est a Un scientifique de la NASA, mais un Un analyste de la NSA ; a FIAT voiture mais un Politique de la FAA.

...ce qui montre bien qu'un système basé sur des règles serait difficile à construire !

Answer 2

Vous devez utiliser une liste d'exceptions. Je ne pense pas que toutes les exceptions soient bien définies, car cela dépend parfois de l'accent de la personne qui prononce le mot.

Une façon stupide est de demander à Google les deux possibilités (en utilisant l'une des API de recherche) et d'utiliser la plus populaire :

• http://www.google.co.uk/search?q=%22a+europe%22 - 841 000 visites
• http://www.google.co.uk/search?q=%22an+europe%22 - 25 000 visites

Ou :

• http://www.google.co.uk/search?q=%22a+honête%22 - 797 000 visites
• http://www.google.co.uk/search?q=%22an+honête%22 - 8 220 000 visites

Par conséquent, "une Europe" et "une honnête" sont les versions correctes.

Answer 3

Si vous pouviez trouver une source de correspondance entre l'orthographe et la prononciation des mots, par exemple :

"honest":"on-ist"
"horrible":"hawr-uh-buhl, hor-"

Vous pourriez baser votre décision sur le premier caractère de la chaîne de prononciation épelée. Pour des raisons de performances, vous pourriez peut-être utiliser une telle consultation pour pré-générer des ensembles d'exceptions et utiliser ces ensembles de consultation plus petits pendant l'exécution.

Modifié pour ajouter :

! !! - Je pense que vous pourriez utiliser ceci pour générer vos exceptions : http://www.speech.cs.cmu.edu/cgi-bin/cmudict

Tout ne sera pas dans le dictionnaire, bien sûr - ce qui signifie que toutes les exceptions possibles ne se retrouveront pas dans vos jeux d'exceptions - mais dans ce cas, vous pourriez simplement choisir par défaut un pour les voyelles/un pour les consonnes ou utiliser une autre heuristique avec de meilleures chances.

(En parcourant le dictionnaire CMU, j'ai été heureux de constater qu'il comprend des noms propres pour les pays et certains autres lieux - il permettra donc de traiter des exemples tels que "un Ukrainien", "un journal USA Today", "une peinture d'inspiration ouralienne").

Modifier une fois de plus pour ajouter : Le dictionnaire CMU ne contient pas les acronymes courants, et vous devez vous préoccuper de ceux qui commencent par s, f, l, m, n, u et x. Mais il existe de nombreuses listes d'acronymes, comme dans Wikipedia, que vous pourriez utiliser pour ajouter aux exceptions.

Answer 4

Vous devez implémenter manuellement et ajouter les exceptions que vous voulez comme par exemple si la première lettre est 'H' et suivie d'un 'O' comme honest, hour ... et aussi les exceptions opposées comme europe, university, used ...

Answer 5

Étant donné que "a" et "an" sont déterminés par des règles phonétiques et non par des conventions orthographiques, je procéderais probablement comme suit :

1. Si la première lettre du mot est une consonne -> 'a'.
2. Si la première lettre du mot est une voyelle-> 'an'.
3. Gardez une liste des exceptions (cœur, rayons X, maison) comme rjumnro dit .