لعبة الكلمات تحتاج إلى أكثر من قائمة من السلاسل القانونية. إنها تحتاج إلى القول ما هي كل واحدة means، والمعنى هو أصعب شيء يتم تخزينه.
WordChess plays on a 25×25 board with a 148,941-word English dictionary6، مدخلات يبلغ متوسطها 8.6 حروف، بعضها يصل إلى 25. هذه هي الجزء السهل. قائمة الكلمات القانونية هي مجرد مجموعة من السلاسل التي ستقبلها اللعبة. الجزء المثير للاهتمام هو إخبار اللاعب بما تعنيه السلسلة على اللوحة means، وفعل ذلك عبر اثنتين وعشرين لغة في وقت واحد.
يرسم علماء المعاجم خطًا فاصلًا حادًا بين المصطلح الأساسي وأشكاله الصرفية. المصطلح الأساسي هو الكلمة الرئيسية التي تبحث عنها، run, house, be. يدور حوله نموذج من الأشكال السطحية: runs, ran, running. يحمل كل منها المعنى الأساسي نفسه، مُزيَّنًا لدور نحوي مختلف.3 تُنفق القواميس نثرها على المصطلح الأساسي وتترك الظلال لتدلّ على الأصل.
يعتمد عدد الظلال التي تُسقطها الكلمة على اللغة. الإنجليزية تحليلية: فهي تعتمد على ترتيب الكلمات وكلمات مساعدة صغيرة، لذا نادرًا ما يكون للفعل أكثر من حفنة من الأشكال. الفنلندية هي لصقة، فهي تبني المعنى عن طريق لصق لاحقات على جذر الكلمة. اسم فنلندي واحد تتغيّر حسب نحو خمسة عشر حالة إعرابية، في المفرد والجمع، قبل أن تتراكم النهايات الملكية والضمائر المتصلة فوقها؛ ويصل العدد العملي للأشكال المختلفة إلى الآلاف.4 المجرية تضمّن عبارة إنجليزية كاملة, في بيتي، في كلمة واحدة، házamban.5
تأتي التعريفات من ويكيشناري، القاموس المجاني الذي يمكن لأي شخص تحريره. وهو ضخم ومتعدد اللغات: يمتد المشروع إلى ما يزيد عن مئة لغة نشطة نشطة وعشرات الملايين من المدخلات، مكتوبة تعاونياً من قبل متطوعين بدلاً من هيئة تحرير مدفوعة الأجر.1 لعبة تعمل بـ 22 لغة، لا يوجد قاموس مجاني آخر يقاربها من حيث التغطية.
لكن التغطية على الورق ليست تغطية يمكن قراءتها بصوت عالٍ. يخزّن ويكيشناري الأشكال المعربة بطريقة توفر على المحررين البشريين كتابة نفس الشرح عشر مرات. بدلاً من كتابة تعريف مفصّل، يحمل مدخل غير الجذري قالب "شكل من"، وهو مؤشر صغير يقول، في جوهره، "هذا شكل نحوي معين لذلك الجذر".2 دخول smoulders ليس نصًا نثريًا؛ بل قالب يُعرض على شكل "المفرد الغائب المضارع البسيط للفعل smoulder."1
هذه الإشارات ليست خطأً في التقريب. ففي ويكيشناري الإنجليزية، من بين حوالي 1.27 مليون تعريف، يوجد نحو 478,000 تعريف، أي أكثر من ثلث بوضوح، هي تعريفات من نوع "صيغة من" بدلاً من المعاني المكتوبة بالكامل.1 البيانات موجودة. إنها فقط مطوية.
إذن، التحدي الذي كان ذا أهمية لم يكن أبدًا "كلمة مفقودة". بل كان أن معنى الكلمة كان محبوسًا داخل قالب كان محللًا بسيطًا سيقذفه بعيدًا. بُنيت تعريفات WordChess من خلال قراءة تفريغات ويكيشناري الخام و توسيع قوالب التصريف لغةً تلو الأخرى، وتعليم المحلل معنى كل إشارة وإعادة كتابتها كتعليق بسيط.6
كل لغة تخفي صيغها خلف آليات مختلفة. الإسبانية تخفي صيغ الأفعال خلف {{forma verbo}}، والتي تُحل إلى "صيغة فعلية من X". الألمانية تستخدم {{Grundformverweis Dekl/Konj}} للصيغ المنصوبة والمضارعة. الفنلندية تعتمد على {{taivutusmuoto}}. غالبًا ما لا تُخزّن الروسية أي قالب صيغة على الإطلاق، والكلمة المُعرَبة هي مجرد إحالة (собаки → собака) يجب اتباعها لاستعادة شرح من نوع «صيغة من».6 عالِج كل اتفاقية، وستقفز نسبة التغطية.
| اللغة | قبل | بعد | الزيادة |
|---|---|---|---|
| الألمانية | 45% | 92% | +47 |
| الهولندية | 58% | 90% | +32 |
| الفنلندية | 54% | 74% | +20 |
| الروسية | 20% | 70% | +50 |
| اليونانية | 15% | 57% | +42 |
قُيِّست من ملاحظات التصميم والبناء الخاصة بهذا المشروع. النسب المئوية هي حصة مدخلات القاموس التي تحمل تعريفًا قابلًا للاستخدام أو شرحًا محلولًا من نوع «صيغة من».
لم تكن البيانات مفقودة أبدًا. لقد طُويت داخل إشارة، ومعنى إعطاء الآلة الكلمة كان تعلم كيفية فك طيّها.
من الجدير بالصدق في وصف ما يحمله اللعبة الآن. عندما تُظهر WordChess أن собаки هي صيغة من собака، أي "كلب"، فإنها لم تفهم شيئًا. لقد خاضت من سلسلة نصية إلى أخرى، وهي ترجمة موجزة، باتباع نفس المؤشرات التي تركها محرر بشري. هذا هو lemmatization، وهو الركيزة الأساسية لمعالجة اللغة الطبيعية: تقليل الصيغة السطحية إلى صيغتها الأساسية حتى تمتلك الآلة عددًا أقل من الأشياء المميزة التي تتتبعها.7
هذا نوع حقيقي ومفيد من المعرفة. إنه يتيح للعبة الإجابة عن "ما هو هذا الكلمة؟" في أثينا أو أمستردام دون الحاجة إلى معجمي في الطاقم. لكنه معرفة بوصفها استعلامًا، وليس معرفة بوصفها معنى. الترجمة الموجزة هي وعد بأن شخصًا ما، عند قراءتها، سيُعرّف الكلمة. الآلة تحتفظ بالوعد؛ والقارئ هو من يمدّ بالمعنى.
تصطدم بعض اللغات بسقف لا يمكن لأي محلل رفعه، لأن البيانات ببساطة غير موجودة لتُفك. غالبًا ما تحمل المدخلات المجرية مجرد أصل لغوي وجدول من الترجمات، دون أي نص تعريفي، حتى أن قارئًا مثاليًا يغادر فارغ اليدين. تتجمع أصعب الحالات حيث تكون اللسانيات أصعب: اللغات التصاقية مثل الفنلندية والمجرية، التي تولّد نماذج صرفية هائلة، والخطوط السيريلية واليونانية، حيث يكون التغطية المجتمعية أرقّ في البداية. ارتفعت اليونانية من 15% إلى 57%؛ حقيقة توقفها بعيدًا عن 92% التي حققتها الألمانية هي حقيقة عن المصدر، وليس عن الكود. 6