Skloňování uživatelských jmen

ts_istudio:
„V případě, že křestní jméno nebylo v našem seznamu nalezeno, testovalo se, jestli tam nenajdu příjmení (tzn. jestli není jm. a př. prohozeno).“
Seznam používaných příjmení jsem také zvažoval. Jenomže sestavení ověřeného seznamu příjmení s takovým geografickým rozsahem, jako mám u křestních jmen, by bylo velmi nákladné, procházení tohoto seznamu by mě stálo další výkon a snížil bych úspěšnost skriptu. (U jména Pavel Petr bych měl s oslovením „pane Petře“ bych měl úspěšnost 50 %, nyní ji mám stoprocentní. A pokud omylem oslovím křestním jménem, pak „jste to jméno špatně zadali, a to je váš problém“.)
Ze stejného důvodu se neodvažuji opravovat překlepy či doplňovat diakritiku. Pokud ze zadaného jména „Rehor“ vytvořím tvar „Rehore“, je to z mého pohledu v pořádku. S tvarem „Řehoři“ riskuji chybu. Nikdy totiž nebudu schopen s jistotou říct, že jméno Rehor nikde na světě neexistuje, a proto jde o chybu.

„Ale to už myslím trochu odbočujeme od tématu.“
Jako zakladateli vlákna mi to vůbec nevadí. Nedělám naivně výzkum veřejného mínění na deseti respondentech, kdy bych sečetl kladné odpovědi, záporné a podle toho se zachoval. Jsem opravdu vděčný za každou myšlenku, která se tématu týká třeba jen velmi vzdáleně. Všechny jsou pro mě hodnotné. A věřím, že každý, kdo má trochu zájem, si z tohoto vlákna může vzít informace, které může využít nejen při tvorbě webu, ale také při komunikaci tady na diskusi.

Amunak:
„K tomu tvému webu (který se mi moc líbí :)“
Děkuju. Vzhled maloval Taurus, ale nepřipomínejte mu ten web, třeba by se tam šel podívat a mrzelo by ho, že jsem to při kódování tak pokazil. :-)
Vidím, že jsem udělal špatně, když jsem se rozhodl, že ten web nepřidám do Názorů na stránku. Mohl jsem získat spoustu dobrých nápadů. :-/
„podle jména vracet taky informaci, jestli jde o mužské či ženské jméno.“
To už mám do nové verze připravené.
„A stejně tak bys mohl přijímat "hint" jestli jde o jméno mužské či ženské, a zohlednit to při skloňování.“
Pomalu k tomu také dospívám. Je to méně efektní, ale zato efektivnější.
„A šlo by to také využít k vylepšení té databáze jmen.“
Zase tak moc uživatelům nevěřím. Většinu položek mé databáze kontrolovali 4 lidé (každou z nich), takže je kvalitativně na jiné úrovni.
Mám ale rozpracovanou verzi 2.0, kde chci kromě ohnutého jména vracet hodnotu vyjadřující pravděpodobnost správnosti. Tam už bych to jako jeden ze signálů použít mohl. Ale to bude až za hodně dlouho, nemám k tomu dostatek dat.

Petr ZZZ:
„Tvůj text se hezky čte a nelze než souhlasit“
Nevěděl jsem, že to nelze, a tak jsem s tím článkem poměrně úspěšně nesouhlasil víc než rok. :-)


Každý, kdo by chtěl mé skloňování otestovat, může využít adresu www.sklonovani-jmen.cz/api.php?klic=DJPW&pad=5&jmeno=Adelaida a poslat každý den až 50 požadavků na ohnutí. Samozřejmě budu moc rád za nahlášení chybně ohnutých tvarů, ale není to nijak závazné.
Kdo bude vědomě ignorovat limit 50 dotazů, zneužije výsledky k zatraktivnění spamu nebo se mi bude posmívat za chyby, je plesnivá žába.
V případě, že adresa vrátí místo ohnutého jména číslici 2, znamená to, že nějaká plesnivá žába vyčerpala denní limit pro klíč DJPW. Platnost klíče je do 1. června 2014.

Chamurappi:
„To je ta zrádná koncovka ‚-el‘.“
Je vidět, že víš, na co se zaměřit. Tak se přiznám, no, mám problémy s příjmeními zakončenými na -ec, -ek, -el a u jmen skládajících se z více než dvou slov nerozeznám křestní jméno od příjmení. A ani se o to zatím nepokouším.

„Zřejmě rozhoduje, jestli je před ní tvrdá souhláska“
Možná to roli hraje, ale v kombinaci s nějakým dalším pravidlem. Zkoušel jsem zjišťovat počty skupin samohlásek, hledat slabikotvorné „L“, „R“, „M“, „S“ a tak, ale spolehlivou kombinaci pravidel jsem vytvořit nedokázal. Narážím hlavně na dvě překážky - nemám dostatečný vzorek jmen, u kterých bych mohl jednotlivé algoritmy zkoušet, zkontrolovat výstupy a vyhodnotit úspěšnost. Druhým velkým problémem je samotné určování, který tvar je dobře, který ne a u kterého je přijatelných více variant.
Podle logu se tento problém týká 3,1 ‰ jmen, které jsem zatím ohnul. Statistiku mám ale zkreslenou tím, že hlavně ohýbám křestní jména. Když už někoho přesvědčím k využití mé služby, použije ji z opatrnosti spíše na neformálním webu, kde oslovuje křestním jménem.

„Limit padesáti požadavků jsem asi nepřekročil, ale určitě jsem se k němu dost přiblížil.“
Děkuji za vyzkoušení. Pohrůžka slouží k zastrašení těch, kdo by si mysleli, že využijí klíč k tomu, aby si ohnuli desetitisícové seznamy jmen. :-)

„Ještě mě napadlo, že by to API mohlo vracet nějakou hodnotu značící, jak moc si v daném případě věří.“
To bude ve verzi 2.0, kterou mám rozpracovanou už skoro rok. Ta právě je schopna pracovat s pravděpodobností, čímž by se vyřešily problémy zmíněné výše. Zatím ji ale nemohu použít, protože k ní nemám dostatek dat. Například jméno Andrea, které zmínila Tori, je obourodé, přesto pravděpodobnost není 50 na 50. U nás to jméno vnímáme jako ryze ženské. Pro mě není ani směrodatné, kolik příslušníků toho či onoho pohlaví se jménem Andrea v ČR žije. Zajímalo by mě, jaký je poměr mezi muži a ženami se jménem Andrea, kteří se pohybují na českém internetu a jsou ochotni se registrovat na weby, které by je chtěly skloňovat. Když k tomu přidám ještě další signály a vhodně nastavím jejich váhy, budu schopen nabídnout hodnotu, která bude odpovídat realitě.
Od rána mám ale v hlavě brouka. Asi bude rozumnější tu verzi 2.0 nasadit do měsíce a postupně její hodnoty pravděpodobnosti doladit, než ji odkládat o další rok.

Tori:
„Tohle by snad mohlo napomoci“
Děkuju. Bez webu ÚJČ bych si při skloňování moc neškrtnul. V tomto konkrétním případě mi však moc nepomohl. A nepochodil jsem ani s knihami.

Děkuju za přispění.
Ohýbání zdrobnělin je různě obtížné v závislosti na míře familiárnosti. Zatím jsem s žádným projektem, který by domácí podoby jména umožňoval zadávat domácí podoby jména. Ani si nevybavuji, že bych někde takový web viděl.
Se zdrobnělinami jsem si nějakou dobu hrál, měl jsem skript, který ze jmen v základním tvaru vytvářel jakési „domácí podoby“ s využitím principů, které se běžně používají. Byl to ale jen experiment, pro který jsem nenašel žádné praktické využití.
Dalo by se to použít třeba při navrhování uživatelského jména v případě, že si uživatel vybere takové, které už je v dané službě obsazené. Kdy dneska některé služby navrhují totéž jméno doplněné o číslovku (centrum.cz, czc.cz). Tam by bylo možné navrhnout uživatelské jméno bez číslic, interpunkčních znamének a speciálních znaků tak, aby vzniklé slovo bylo vyslovitelné a snadno zapamatovatelné tím, že by se nějak vztahovalo ke jménu nebo příjmení uživatele. Jde ale o službu, která u středně velkého webu nemá smysl.

„Skloňovat automaticky jména bych si netrouf, protože, jak už někdo zmínil, někdy to není jasný ani člověku.“
To vnímám jako výhodu pro automatické skloňování. Lidé neočekávají stoprocentní úspěšnost a nedomáhají se jí. Podle mého miniprůzkumu lidem spíše vadí chybné přiřazení k rodu než zkomolení jména. (Michal tedy spíše stráví oslovení „pane Mchleli“ než „paní Michalo“, přestože ten první tvar je nesmyslně vytvořen.)

„Ze stejných důvodů mám těžkou nedůvěru k automatickýmu doplňování diakritiky...“
Mám pocit (ale nemám to podložené žádným měřením), že od doby, co jsem začal jména používat i na oslovování, objevuje se mi v databázi méně chybně zadaných jmen. Asi je to tím, že pan Novák je zvyklý na to, že se z lenosti podepisuje jako „novak“, ale nečeká, že ho pak někdo osloví „pane novaku“. Ale těžko říct, jestli má pro provozovatele webu nějaký význam to, že má jména uživatelů s diakritikou, správnou velikostí písmen a bez překlepů.