{"id":2014,"date":"2026-07-08T17:00:00","date_gmt":"2026-07-08T17:00:00","guid":{"rendered":"https:\/\/blogit.sasky.fi\/ruohomaki\/?p=2014"},"modified":"2026-08-22T16:08:43","modified_gmt":"2026-08-22T16:08:43","slug":"sanaston-synty-osa-4","status":"publish","type":"post","link":"https:\/\/blogit.sasky.fi\/ruohomaki\/2026\/07\/08\/sanaston-synty-osa-4\/","title":{"rendered":"Sanaston synty (Osa 4)"},"content":{"rendered":"\n

T\u00e4m\u00e4 luku kertoo sanastogeneraattorin rakentamisen vaiheista, ongelmista ja ratkaisuista. Siit\u00e4, miten hanke muuttui oppimateriaalin tuottamisesta ohjelmoinniksi luonnollisella kielell\u00e4. T\u00e4m\u00e4 on suunnattu erityisesti teko\u00e4lyn aktiivisille k\u00e4ytt\u00e4jille. Kielenopettajaa saattaa kiinnostaa lopun liitteen\u00e4 oleva sanojen luokitus, mutta kielenopiskelijan kannattaa ihan oikeasti j\u00e4tt\u00e4\u00e4 t\u00e4m\u00e4 luku v\u00e4liin.<\/p>\n\n\n\n

Versiohistoriaa<\/h2>\n\n\n\n

Spesifikaatio kasvoi aluksi nopeasti, mutta my\u00f6hemmin sit\u00e4 my\u00f6s yksinkertaistaa. Tarkoituksena oli erottaa toisistaan dokumentointiin, tiedostonhallintaan ja varsinaiseen sanaston muodostamiseen liittyv\u00e4t teht\u00e4v\u00e4t. Uusimmissa versioissa painopiste siirtyi pedagogisiin ja kielellisiin ratkaisuihin. Seuraava taulukko antaa yleiskuvan versiokehityksest\u00e4:<\/p>\n\n\n\n

Versio<\/th>P\u00e4\u00e4osioita \/ alakohtia<\/th>T\u00e4rkeimm\u00e4t muutokset<\/th>Toimivuus<\/th><\/tr><\/thead>
0.1<\/td>1 \/ 6<\/td>Sanastoentryn rakenne, kolmen merkitystason selitys, selitett\u00e4v\u00e4 sana perusmuodossa<\/td>testi<\/td><\/tr>
0.2<\/td>4 \/ 15<\/td>ulkoasun muotoiluja, lyric form ja taivutukset<\/td>testi<\/td><\/tr>
0.3<\/strong><\/td>4 \/ 18<\/strong><\/td>Tuotti kokonaisen sanaston. Dokumentin muoto ja rakenne vakiintuvat, mallina painetut sanakirjat.<\/td>toimiva ja hidas<\/td><\/tr>
0.5<\/strong><\/td>7 \/ 30<\/strong><\/td>Mukaan How to Use, tulostus docx-tiedostoon, tiedoston nime\u00e4minen ja metadata.<\/td>ep\u00e4vakaa<\/td><\/tr>
0.6<\/strong><\/td>8 \/ 34<\/strong><\/td>Generation Assurance Rules lis\u00e4t\u00e4\u00e4n. Pitkien ajojen ja keskeytysten hallinta.<\/td>ep\u00e4vakaa<\/td><\/tr>
0.7<\/strong><\/td>9 \/ 38<\/strong><\/td>Ihmisohjeet poistuvat. Sis\u00e4lt\u00f6s\u00e4\u00e4nn\u00f6t tarkentuvat, mutta Assurance s\u00e4ilyy.<\/td>ep\u00e4vakaa<\/td><\/tr>
0.8<\/strong><\/td>9 \/ 39<\/strong><\/td>Lyric Glossary Spec nimettiin uudelleen Glossary Generation Speciksi, sill\u00e4 ei ole k\u00e4yt\u00e4nn\u00f6n syyt\u00e4 rajoittaa k\u00e4ytt\u00f6\u00e4 pelkkiin laululyriikoihin.<\/td>vakaa ja hidas<\/td><\/tr>
0.81<\/strong><\/td>5 \/ 39<\/strong><\/td>S\u00e4\u00e4nn\u00f6t ryhmitell\u00e4\u00e4n (Formatting, Content, Heading, Metadata…). Dokumenttirakenne selkeytyy.<\/td>vakaa ja hidas<\/td><\/tr>
0.82<\/strong><\/td>13 \/ 32<\/strong><\/td>Suuri pelkistys. Completeness Check, automaattinen regenerointi ja AI-keskeinen prosessi.<\/td>vakaa ja hidas<\/td><\/tr>
0.83<\/strong><\/td>14 \/ 34<\/strong><\/td>Output Header, Final Section ja Excluded-lista. Konjugaatios\u00e4\u00e4nt\u00f6 tarkentuu.<\/td>vakaa ja hidas<\/td><\/tr>
0.84<\/strong><\/td>14 \/ 34<\/strong><\/td>Semanttiset kerrokset ja prosessi hioutuvat, rakenne vakiintuu.<\/td>vakaa ja hidas<\/td><\/tr>
0.85<\/strong><\/td>14 \/ 35<\/strong><\/td>Romanisointi ja kielikohtaiset s\u00e4\u00e4nn\u00f6t tarkentuvat.<\/td>vakaa ja hidas<\/td><\/tr>
0.86<\/strong><\/td>14 \/ 36<\/strong><\/td>Lyric Form muuttuu ehdolliseksi. Romanisointi (macronit) vakiintuu.<\/td>vakaa ja hidas<\/td><\/tr>
0.87<\/strong><\/td>15 \/ 38<\/strong><\/td>Quality Principle, GD-ajattelu, Ignore Metadata ja tuotannon tilastointi.<\/td>vakaa<\/td><\/tr>
0.90<\/strong><\/td>14 \/ 31<\/strong><\/td>Content Word Glossary. Partikkelit ja funktiosanat poistuvat, fraasit erotellaan.<\/td>vakaa<\/td><\/tr>
0.91<\/strong><\/td>15 \/ 33<\/strong><\/td>Word Boundary Rule.<\/td>vakaa<\/td><\/tr>
0.92<\/strong><\/td>15 \/ 35<\/strong><\/td>Sanaluokittelua tarkennetaan (mm. laskusanat, prefiksit, suffiksit).<\/td>vakaa<\/td><\/tr>
0.93<\/strong><\/td>15 \/ 38<\/strong><\/td>Merkityskerrokset nimet\u00e4\u00e4n (literal \/ abstract \/ poetic), Lyric Form uudistuu.<\/td>vakaa<\/td><\/tr>
0.94<\/strong><\/td>15 \/ 38<\/strong><\/td>Lyric Form yksinkertaistuu nykyiseen muotoon, glossary-entryjen puhtaus varmistetaan.<\/td>vakaa ja nopea<\/td><\/tr>
0.95<\/strong><\/td>17 \/ 50<\/strong><\/td>Luovuttiin vaatimasta ylitarkkoja sana- ja alaluokkia, Otettiin k\u00e4ytt\u00f6\u00f6n pehme\u00e4reunainen nelj\u00e4n ish-korin malli.<\/td>vakaa ja nopea<\/td><\/tr>
0.96<\/td>17 \/ 50<\/td>Lis\u00e4ttiin sanaston yl\u00e4tunnistetiedot<\/td>vakaa ja nopea<\/td><\/tr>
0.97<\/td>17 \/ 50<\/td>Development Release<\/td>vakaa ja nopea<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n

Hankkeessa oli my\u00f6s\u00a0kriisivaihe, kun\u00a0sanastojen luominen\u00a0muuttui ep\u00e4vakaaksi. Jouduin umpikujaan, sill\u00e4 en halunnut menett\u00e4\u00e4 tehty\u00e4 ty\u00f6t\u00e4 ja\u00a0uskoin\u00a0teko\u00e4lyn ehdotuksiin \u00a0lis\u00e4s\u00e4\u00e4nt\u00f6jen hy\u00f6dyst\u00e4. Laitoin hankkeen\u00a0tauolle\u00a0maaliskuussa,\u00a0enk\u00e4 tiennyt miten jatkaa.<\/p>\n\n\n\n

Loppukev\u00e4\u00e4n\u00a0ty\u00f6ruuhkan\u00a0vuoksi\u00a0p\u00e4\u00e4sin\u00a0palaamaan\u00a0hankkeeseen\u00a0vasta kes\u00e4ll\u00e4.\u00a0Puolen vuoden hanke oli siis\u00a0tauolla\u00a0l\u00e4hes nelj\u00e4\u00a0kuukautta.\u00a0Tauon aikana aloin ymm\u00e4rt\u00e4\u00e4, ett\u00e4\u00a0teko\u00e4lyyn\u00a0t\u00e4ytyy alkaa suhtautua aiempaa kriittisemmin.\u00a0<\/p>\n\n\n\n

Kehitt\u00e4minen muutti tasapainoiluksi ominaisuuksien lis\u00e4\u00e4misen ja yksinkertaistamisen v\u00e4lill\u00e4. Osa s\u00e4\u00e4nn\u00f6ist\u00e4 poistui kokonaan, osa yhdistettiin ja osa korvattiin my\u00f6hemmin tarkemmilla periaatteilla. Lopputuloksena syntyi yksinkertaisempi mutta samalla k\u00e4sitteellisesti vahvempi spesifikaatio.<\/p>\n\n\n\n

Version 0.95 suuri alakohtien m\u00e4\u00e4r\u00e4 (50 kpl) selittyy sill\u00e4, ett\u00e4 m\u00e4\u00e4rityksess\u00e4 piti luetella ne 17 mahdollista sana- ja alauokkaa, joita luokiteltiin lempe\u00e4mmin nelj\u00e4\u00e4n koriin. Esim. ”nounish<\/em>” = substantiivit ja substantiivin tapaan k\u00e4ytt\u00e4ytyv\u00e4t.<\/p>\n\n\n\n