Note:
This page is available in English too.
Questo pacchetto fornisce un dizionario e gli altri file necessari per effettuare la ricerca full text in documenti in italiano utilizzando il database PostgreSQL.
La ricerca tiene in considerazione le variazioni morfologiche delle parole italiane, ad esempio le coniugazioni verbali, per restituire i documenti corrispondenti ai criteri di una ricerca.
Informazioni sul dizionario
Il presente dizionario è stato generato partendo dal dizionario MySpell di OpenOffice.org, curato dal progetto linguistico.
Il dizionario ha subito una enorme quantità di trasformazioni, ed è ormai praticamente irriconoscibile rispetto all'originale. In particolare tutte le forme verbali, compresi i verbi irregolari, vengono fatte risalire all'infinito. Inoltre per ogni verbo vengono riconosciute le forme pronominali e riflessive applicabili sull'infinito, l'imperativo, il gerundio e il participio presente e passato.
Altra cura è stata posta nel ricondurre le diverse persone degli aggettivi e dei loro superlativi ad una forma normale, ad unificare le forme di maschile e femminile diverse (ricercatore = ricercatrice, sindaco = sindachessa).
Molti sostantivi apparivano inoltre unificati per ottenere il massimo risparmio del numero di radici (es. caso/casi + casa/case). Tali sostantivi sono stati divisi per evitare falsi positivi (purtroppo alcuni "falsi amici" di questo genere potrebbero ancora gironzolare per il dizionario, perché per individuare questo genere di problemi non c'è script Python che tenga).
Qualche statistica sulla corrente edizione del dizionario:
- 66.929 radici distinte;
- 7.300 verbi completamente coniugati;
- 1.943.826 termini distinti riconosciuti:
- 62 flag nel file degli affissi;
- 10.365 regole di produzioni nel file degli affissi.
Presentazione al PGDay
Il dizionario è stato presentato al PGDay 2007, la prima conferenza italiana dedicata al PostgreSQL. La presentazione è disponibile per il download.
Download, Installazione, Uso
Tutte le informazioni sono sul progetto in GitHub.
Licenza
Il Dizionario Ricerca di Testo in Italiano è distribuito con licenza GPL.
Ringraziamenti
Desidero ringraziare Davide Prina e Gianluca Turconi perché senza il loro progetto linguistico non avrei avuto un punto di partenza.
Ringrazio anche Oleg Bartunov e Teodor Sigaev, autori del progetto Tsearch2
E mille grazie alla Develer, il posto più buono dove mettere un hacker!