[voikko] "Sosiaali- ja terveysministeri" (oli: Re: Tiedoksi Sukija-sovellus: Puheenvuorot.kansanmuisti.fi (ja hiukan sanoja))

[Hannu Väisänen]

ma, 2011-11-07 kello 19:10 +0200, Tuomas Salo kirjoitti:

> - Perusta-palvelun käyttämä sanoihinjakamiskoodi on melko simppeli,
> eikä osaa käsitellä esim. "sosiaali- ja terveysministeri"-tapausta.
> Hätäratkaisuna nämä tapaukset ositetaan kolmeksi sanaksi (sosiaali,
> ja, terveysministeri), mikä tietysti on virheellistä mutta ehkä
> parempi kuin ei mitään. Oikeinta olisi kai käsitellä tätä
> jonkinlaisena kokonaisuutena (samoin kuin monia muita käsitteitä),
> mutta sepä onkin aika paljon mutkikkaampi juttu.

Tällaiset fraasit löytyvät helposti, kun tallennetaan tietokantaan sanan
asema tiedostossa (tämä on tiedoston eka sana, tämä toinen, tämä kolmas,
jne). Tällöin "sosiaali- ja terveysministeri" löytyy, kun etsitään sana
"sosiaali" ja katsotaan, että seuraavat sanat ovat "ja" ja
"terveysministeri". Samalla periaatteella löytyvät kaikki muutkin
fraasit eli ei tarvitse miettiä, minkä fraasien etsintä pitäisi
ohjelmoida koodiin ja minkä ei. (-:

Solr:ssa (ja Lucenessa) on fraasien etsintä sisäänrakennettuna.