Sanastoihin liittyvä hanke ei olisi mitään ilman omaa sanastoa. Tässä on otettu käyttöön koodikieli, joka koostuu englanninkielisistä lyhenteistä. Ne eivät ole minkään olemassa olevan standardin mukaisia, vaan luovat tälle kohdealueelle omaa kieltä (Domain-Specific Language). Näiden lyhenteiden tehtävät ovat:
- nimetä tekoälylle annettavat määritykset
- nimetä tekstisisällöt eri käsittelyvaiheet
- toimia tekstisisältöjen tunnisteina tiedostonimestä
- viitataan asioihin tiiviisti ja nopeasti blogissa ja käyttöohjeissa
SD (Source Document) tarkoittaa tiedostoksi tallennettua lähdetekstiä. Se liitetään kehotteeseen ja sanasto generoidaan siitä. Tekoäly ei siis etsi lähdetekstiä verkosta, vaan se pitää sille antaa. Tiedonhallinnan kannalta lähdetekstiin on tärkeää lisätä metadataa lähdetekstistä.
GGS (Glossary Generation Specification) on määritys, joka kertoo tekoälylle, miten sanasto generoidaan: mitä sanoja lähdetekstistä (SD) poimitaan, mitä selityksissä on ja missä muodossa ne esitetään. Määritys poistaa käyttäjältä sanaston luomiseen tarvittavan kehotteen laatimisen vaivan ja pienentää tarvittavan tekoälyosaamisen määrää. Määritys myös yhtenäistää sanastojen sisältöä, mikä on tärkeää, kun sanastoja kootaan suuremmaksi kokoelmaksi.
GD (Glossary Document) on valmis sanasto, joka on tallennettu tiedostoksi. Sanat ovat lähdetekstin esiintymisjärjestyksessä helpottamaan lähdetekstin seuraamista ja opiskelua.
GDV (Glossary Document Verifier) on valmiin sanaston laadunvarmistustyökalu. Se on tekoälylle annettava määritys, jolla tarkistetaan sanaston termien ja selitysten oikeellisuus. GDV suunniteltiin aluksi opettajille, mutta on hyödyllinen työkalu kaikille sanastoja tekeville.
GVR (Glossary Verification Report) on GDV:n tuottama raportti, josta näkee luotettavien, tarkistettavien ja väärien sanastoentryjen määrät, listaa tarkistettavat sanat ja selitykset ja ehdottaa niihin korjauksia.
VGD (Verified Glossary Document) on valmis sanasto, joka on tarkastettu GDV:llä, muotoiltu tekstieditorilla ja tallennettu tiedostoksi.
PET (Phrase Extraction Tool) on työkalu, joka tutkii SD:n ja etsii sieltä fraasit, kääntää ne 1. kirjaimellisen ja 2. kulttuurisen ja sosiaalisen merkityksen. PET tuottaa fraasilistan selityksin varustettuna.
PGD (Phrase Glossary Document) on PET työkalun tuotos, joka on tallennettu tiedostoksi. Se sisältää useammasta merkistä muodostuvan kokonaisuudet, joiden merkitykset eroavat niiden kirjaimellisista merkityksistä.
GCC (Glossary Collection Compiler) on tekoälylle annettava määritys, jolla erillisistä sanastoista (GD) kootaan laajempi kokonaisuus. Esimerkiksi kokonaisen albumin laulunsanat niin, että koostesanastossa on kukin sana vain yhteen kertaan ja aakkostettuna.
GCD (Glossary Collection Document) tarkoittaa erillisistä sanastoista koostettua sanastoa, missä sanat ovat sanakirjamaisesti aakkosjärjestyksessä. Jos yksittäiset sanastot (VGD) tehdään musiikkikappaleista, sanastokokoelma voisi olla kokonaisen albumin kappaleiden sanastojen yhdistelmä.
GDC (Glossary Document Collection) on sanastojen kokoelma, eli joukko erillisiä sanastotiedostoja. Termi ei ota kantaa siihen, onko niiden oikeellisuus varmistettu tai missä ne sijaitsevat.
GDA (Glossary Document Archive) on yleistermi, joka viittaa sanastotiedostojen tallennuspaikkaan. Se voi olla yksittäinen tietokone, oppilaitoksen palvelin, verkkoasema tai siirrettävä tallennusväline. Ehkä jopa mappi, missä sanastot ovat paperitulosteina. Termi on käytössä siksi, että sillä voidaan tarkoittaa mitä tahansa tallennuspaikkaa niitä tarkemmin nimeämättä. Jokaisella sanastojen käyttäjällä ja esimerkiksi koululla voi olla oma niille varattu tallennuspaikka.
GGM (Glossary Generation Manual) on ihmiskäyttäjälle tarkoitettu dokumentti, joka neuvoo, miten sanastoja generoidaan, mitä ongelmia on havaittu, miten niitä voi välttää, miten sanaston ulkoasu on hyvä muotoilla, miten sanastotiedosto tehdään ja miten sen laatu varmistetaan. Lisäksi siinä kerrotaan lyhyesti GGS:n muokkaamisesta.
Juttusarjan seuraava, eli neljäs osa kertoo sanastogeneraattorin kehitysvaiheista, niissä kohdattuja ongelmista. ja niiden ratkaisuyrityksistä.