Work in Progress - Advanced Search Tool for Professionals

Profesyonellerin kullandığı İngilizce teknik referans kitapların kullanımını kolaylaştıracak ve çok hızlandıracak İLERİ ARAMA ALETİ geliştirme çalışmam yeni bir aşamaya ulaştı.


Bu aşamada KANDEL'in ~1200 sayfalık psikiyatri referans kitabını bir MySQL tabanına attım.  Aşağıda görüldüğü gibi her kelime için ayrı bir kayıt koydum.  Ayrıca kelime bilgisini içeren sütundan önce bir başka sütunda S=space R=carriage return N=Newline gibi metinin
formatına ilişkin bilgileri koydum.  Böylece, Kandel'in kitabının orjinalinde bir paragraf ya da satır sonu varsa veri tabanında bu bilgiyi de korumuş oldum.


Aşağıda 2006 cümle sıra nosu, alt-cümle sıras nosı, kelime sıra nosu, .S bir önceki cümlenin noktası ve boşluk, kelime ve kelime tanıtım sayısıdır.


System.out.println(sentenceCount+"\t"+sub_sentence_no+"\t"+word_no+"\t"+pre_word+"\t"+word
                        +"\t"+word_type+"\t"+word_id+"\t"+idiom+"\t"+phrase+"\t"+function);
Ayrıca, kelime tipi, deyim, tümleç ve cümle içindeki işlev belirtmek amacıyla alanlar bıraktım.     

i=33761---->2006 0 0 .S As  0  
i=33762---->2006 0 0 S in  0  
i=33763---->2006 0 0 S Huntington  0  
i=33764---->2006 0 0 S disease  0  
i=33765---->2006 0 0 ,S progressive  0  
i=33766---->2006 0 0 S death  0  
i=33767---->2006 0 0 S of  0  
i=33768---->2006 0 0 S specific  0  
i=33769---->2006 0 0 SRN subpopulations  0  
i=33770---->2006 0 0 S of  0  
i=33771---->2006 0 0 S neurons  0  
i=33772---->2006 0 0 S or  0  
i=33773---->2006 0 0 S muscle  0  
i=33774---->2006 0 0 S cells  0  
i=33775---->2006 0 0 S occurs  0  
i=33776---->2006 0 0 S in  0  
i=33777---->2006 0 0 S many  0  
i=33778---->2006 0 0 S of  0  
i=33779---->2006 0 0 S these  0  
i=33780---->2006 0 0 S diseases  0  


sentenceCount=2006 SENTENCEEEEEEEEEEEEEEEEEEEEEEeeeeeeeeeeeeeee
As in Huntington disease, progressive death of specific
subpopulations of neurons or muscle cells occurs in many of these diseases.


Ek bir tabloda ise:
CREATE TABLE `kandelext` (
   `WORD_SEQ` int(8) NOT NULL,
   `SENTENCE_NO` int(6) NOT NULL,
   `SUB_SENTENCE_NO` int(2) NOT NULL,
   `WORD_NO` int(3) NOT NULL,
   `TITLE` varchar(7) NOT NULL DEFAULT '',
   `CHAPTER` varchar(8) NOT NULL DEFAULT '',
   `PAGE_NO` varchar(8) NOT NULL,
   `FIGURE_TEXT` varchar(5) DEFAULT NULL,
   PRIMARY KEY (`SENTENCE_NO`,`SUB_SENTENCE_NO`)
 ) ENGINE=InnoDB DEFAULT CHARSET=latin1;

 Kelimenin bir başlık parçası, içinde bulunduğu bölüm ve sayfa nosu,  şekil açıklaması parçası olduğuna ilişkin bilgiler olacak.

 Şimdi, bu bilgileri, veri tabanına yazmış olduğum Kandel kaba verilerinden  çıkarıp üretmek aşamasındayım.  Sayfa no, kelime tipi, deyim vb nispeten kolay.   Tümleç, cümle içindeki işlev çok zor.

 Turkis Language Parser çalışmamdan edindiğim tecrübe ile, bu sefer çalışma sonuçlarını  en kısa zamanda internette görünür kılmaya çalışacağım.  İlk işim tek cümle  içinde birden çok kelime bulmaya yönelik basit bit alet yapıp internetten  ulaşılabilir kılmak, Kandel'in Psikiyatri referansı için...

i=33906---->2012 0 0 .RNRN Most  0  
i=33907---->2012 0 0 S common  0  
i=33908---->2012 0 0 S multigenic  0  
i=33909---->2012 0 0 S diseases  0  
i=33910---->2012 0 0 ,S such  0  
i=33911---->2012 0 0 S as  0  
i=33912---->2012 0 0 S diabetes  0  
i=33913---->2012 0 0 ,S coronary  0  
i=33914---->2012 0 0 S artery  0  
i=33915---->2012 0 0 S disease  0  
i=33916---->2012 0 0 ,S asthma  0  
i=33917---->2012 0 0 ,S schizophrenia  0  
i=33918---->2012 0 0 ,SRN P  0  
 ACRONYMMMMMMMmmmmmmmmmmmmmmmmmm
 PAGEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEeeeeeeeeeeeeeeeeeeeee
i=33919---->2012 0 0 . 56  0  
i=33920---->2012 0 0 RN and  0  
i=33921---->2012 0 0 S manic-depressive  0  
i=33922---->2012 0 0 S disorder  0  
i=33923---->2012 0 0 ,S are  0  
i=33924---->2012 0 0 S thought  0  
i=33925---->2012 0 0 S to  0  
i=33926---->2012 0 0 S represent  0  
i=33927---->2012 0 0 S a  0  
i=33928---->2012 0 0 S variety  0  
i=33929---->2012 0 0 S of  0  
i=33930---->2012 0 0 S disorders  0  
i=33931---->2012 0 0 S both  0  
i=33932---->2012 0 0 S etiologically  0  
i=33933---->2012 0 0 S and  0  
i=33934---->2012 0 0 S genetically  0  
sentenceCount=2012 SENTENCEEEEEEEEEEEEEEEEEEEEEEeeeeeeeeeeeeeee
Most common multigenic diseases, such as diabetes, coronary artery disease, asthma, schizophrenia,
P.56
and manic-depressive disorder, are thought to represent a variety of disorders both etiologically and genetically.