Euskal Hiztegiaren Maiztasun Egitura

Aplikazio honek (EHME) informazio handia ematen digu euskal hitzen barneko egiturez, eta bilaketak egiteko orduan oso baliagarria gerta daiteke, lanabes indartsua baita. Ematen digun informazioa ez da bakarrik “barnekoa” baizik hitz horrek corpus osoan har dezakeenaren indarrarena ere. Horrela, aplikazio honen bitartez jakingo dugu euskal hitzek duten agertzeko maiztasuna, dituzten silanak edo letrak, nola bukatzen diren, nola hasten, zer duten barnean, eta abar. Informazio hau aski baliagarria da gauza askotarako: adibidez, euskara ikasteko funtsezko beharko luketen hitzen zerrendak egiteko, errima mota batzuk nahi ditugunean baldintza horiek betetzen dituzten hitzen zerrendak egiteko, eta abar. Holako lanabesik ez da egon, egun arte gure artean.

Euskal hiztegiaren hainbeste maiztasun datu jartzen dira hemen erabiltzaileen eskura. Corpusetik erauzitako datuak dira, eta hainbeste elementu hartzen dira kontuan:

• Hitzaren maiztasuna
• Hitzaren egitura ortografikoa: letra kopurua, silaba kopurua, CV egitura, silaba egitura…
• Hitzaren auzokideak: letra bat aldatuz, kenduz, gehituz….
• Silabak, letra bikoteak eta hirukoteak; haien kokapena hitzaren barnean
• Morfologia: lema eta bere maiztasuna, kategoria gramatikala…

Maiztasun datuok lortzeko erabili den corpusa Ereduzko Prosa Gaur (EPG) izan da. Hala ere, lexiko arrunteko hitzak bakarrik hartu dira aintzat, lemaren bat atxikita dutenak. Bazterrera utzi dira izen propioak, beste hizkuntzetako hitzak, erratuak, eta abar. Horren ondorioz, EPGn 25,1 milioi testu-hitz baldin badira, egitura honetan 22,7 milioi testu-hitz izan dira erabilitakoak.

Maiztasun egiturarako sarbidea hiru modutara egin daiteke:

• Datuak: Datubaseko datu orokorrak
• Datuetatik hitzetara: Hainbat irizpide erabakita, irizpideok betetzen dituzten hitzen zerrenda itzultzen du bilaketak
• Hitzetatik datuetara: Hitz zerrenda bat idatzita, edo fitxategi batean igota, hitz horiei buruzko maiztasun datuak itzultzen ditu bilaketak