Ölçülen olgu ve sorunun sınırı

Kavramsal sıkışma, bir anlam alanının yüzeyde daha az bağımsız sözcükle kurulabilmesi için kullanılan üst düzey bir gözlem adıdır. Bu ad, bütün süreçlerin aynı dil bilgisel yoldan geçtiğini ileri sürmez. Restoran işletmecisi ile restorancı arasındaki ilişki yapım ekiyle kurulabilir; demirbaş eşya ile demirbaş arasındaki ilişki eksiltiye dayanabilir; ayrı yazılan bir yapı zamanla bitişik bir görünüme yaklaşabilir. Ortak nokta, daha uzun anlatımda dağıtılmış bulunan ayırt edici kavramsal yükün daha kısa biçimde yeniden erişilebilir olmasıdır. Ölçüm bu ortaklığı arar, fakat biçimsel yolları ayrı etiketlerde tutar.

Bölümün temel sorusu, iki surface formatn aynı kavramı kesin olarak taşıyıp taşımadığı değildir; çünkü bu hüküm bağlam, tarih, sözlük bilgisi ve uzman incelemesi gerektirir. Hesaplamalı soru daha dar kurulmuştur. İnsan denetimli tanımlar bakımından ilişkili görünen bir öbek ve tek sözcük, canlı derlemde birbirine benzeyen sözcüksel çevrelerde, farklı kaynaklarda ve yeterli sayıda ortaya çıkıyor mu; tek sözcüğün payı derleme eklenme sırasının geç kesitinde göreli olarak artıyor mu? İndeks bu soruların her birini ayrı bileşene dönüştürerek tek sayı altında hangi kanıtın etkili olduğunu görünür bırakır.

Sıklık neden tek başına yeterli değildir

Bir sözcük dizisinin sık görünmesi, onun kalıplaşmış ve kavramsal olarak bütün bir öbek olduğunu göstermeyebilir. Yaygın işlev sözcükleriyle kurulmuş rastlantısal diziler, bölüm başlıklarının tekrarları veya kaynakçadaki kişi adları çok yüksek sayılara çıkabilir. Öte yandan yeni bir tek sözcük az sayıda görünse bile farklı metin türlerine yayılmış, tutarlı komşular edinmiş ve öbek karşılığıyla benzer bağlamlarda kullanılmış olabilir. Öbek madenciliği araştırmalarının popülerlik, birliktelik, bilgi taşıma ve bütünlük ayrımlarını birlikte ele almasının nedeni budur. Canlı model ham sayıyı destek gücü olarak kullanır, kararın kendisi olarak kullanmaz.

Derlem büyüdükçe salt sayıya dayalı bir eşik ayrıca dengesizleşir. Uzun süredir derlenen haber kaynakları yeni eklenen kitaplardan daha çok örnek taşıyabilir; tek bir tez, teknik bir ifadeyi yüzlerce kez yineleyebilir. Kaynak yayılımı bileşeni, örneklerin farklı kaynak kümelerine dağılıp dağılmadığını entropiyle ölçer. Bağlam bileşeni, öbek ile tek sözcüğün çevresindeki içerik sözcüklerini karşılaştırır. Negatif denetim ise her öbeği yanlış bir tek sözcük karşılığıyla eşleyerek rastlantısal yakınlığın tabanını hesaplar. Böylece büyük sayı, ancak diğer kanıtlar onu desteklediğinde indeksi yükseltir.

Yeni sözlük kayıtları hipotez üretir

Yeni eklenen sözlük maddeleri iki nedenle değerli bir başlangıç havuzudur. Birincisi, tek sözcük ve öbek düzeyindeki kayıtlar bağlamları görülerek insan denetiminden geçirilmiştir. İkincisi, açıklayıcı ve özgün tanımlar iki ayrı biçimin hangi ayırt edici özellikleri paylaştığını sınamak için kullanılabilir. Sistem son incelenen kayıtları tekli ve multiword kümelere ayırır; tanım sözcüklerinin seyrek ve ayırt edici olanları üzerinden aday komşular kurar. Bitişik yazım, ortak gövde veya üretken ek ilişkisi bulunan çiftlerde daha düşük; salt tanım benzerliğine dayanan çiftlerde çok daha yüksek kabul eşiği uygular.

Bu katmandaki eşleşme doğrudan yayımlanmaz. Tanımlar, aynı üst kavramı açıklayan fakat birbirinin karşılığı olmayan maddelerde de benzer olabilir. Örneğin iki meslek adı çalışma, alan, kişi ve uzmanlık sözcüklerini paylaşabilir. Bu yüzden sözlük ilişkisi yalnız hipotezdir. Adayın yayımlanabilmesi için öbek ile tek sözcüğün canlı derlemde ayrı cümlelerde bulunması, komşu dağılımlarının olumsuz tabanı aşması ve destek sayısının belirsizliği azaltması gerekir. Sözlük revizyonu değiştiğinde aday ön işlemi kendiliğinden yenilenir; derlem bağlamı ise her istekte güncel pencereden yeniden okunur.

Kavramsal Sıkışma İndeksi

Kavramsal Sıkışma İndeksi, birbirini tamamlayan altı bileşenin ağırlıklı birleşimidir. Bağlamsal yerine geçebilirlik en yüksek ağırlığı alır; çünkü tanım yakınlığının gerçek kullanımda sürüp sürmediğini gösteren temel gözlem budur. Anlamsal korunum, sözlük tanımlarındaki ayırt edici özelliklerle ham bağlam yakınlığını birleştirir. Tek sözcük yönelimi, erken ve geç eklenme kesitlerindeki göreli payı ölçer. Sözlükbirimlik kanıtı insan denetimli tanımlanabilirlik ile canlı desteği; kaynak yayılımı farklı veri kollarını; anlatım ekonomisi ise öbeğin kaç bağımsız sözcükten bire indiğini temsil eder.

Ağırlıklar dilsel bir doğa yasası değildir; sürümlü yöntem kararlarıdır. Bağlam ve anlamsal korunum toplam ağırlığın yarısını taşır; yönelim tek başına güçlü bir sonuç üretmez. Üç örnekli bir çiftin geç pencerede tamamının tek sözcük olması ile yüzlerce örneğe dayanan aynı oran eşit güvenilir değildir. Bu nedenle yön puanı toplam tanık sayısı on dörde yaklaşana kadar nötr değer olan elliye doğru daraltılır. Ekranda hem toplam KSİ hem de her bileşen ayrı gösterilir. Kullanıcı, yüksek puanın bağlam yakınlığından mı, kaynak çeşitliliğinden mi yoksa yalnız biçim ekonomisinden mi geldiğini denetleyebilir.

Tek Sözcükleşme Yönelimi

Tek Sözcükleşme Yönelimi, öbek ve tek sözcük sayılarının iki eşit sıra kesitindeki oran değişimini karşılaştırır. Her hücreye yarım birim eklenmesi, sıfır gözlem bulunan küçük örneklerde logaritmanın tanımsız olmasını engeller. Geç kesitte tek sözcüğün öbeğe oranı erken kesitten büyükse ham değer ellinin üstüne çıkar; tersi durumda öbek yönü ağır basar. Lojistik dönüşüm aşırı oranları yüz puanlık okunabilir alana taşır. Ardından tanık sayısına bağlı güven daraltması uygulanır; az kanıtlı yönler kesin görünmez.

Bu gösterge tarihsel sözlükselleşme hızı değildir. Derlem sırası, metnin yayımlanma tarihinden çok sisteme hangi sırada eklendiğini gösterebilir; bazı kaynakların yılı boş, yanlış veya yinelenmiş olabilir. Dolayısıyla bölüm, erken ve geç sözlerini yalnız aynı güncel tarama penceresinin alt ve üst sıra yarıları için kullanır. Gerçek zamanlı dil değişmesi iddiası, yıllara göre dengelenmiş bir derlem ve aynı kavramın uzun dönemli elle doğrulanmış tanıkları olmadan kurulamaz. TY, bugünkü veri akışında hangi surface formatn göreli pay kazandığını gösteren operasyonel bir yön işaretidir.

Kanıt merdiveni ve güven daraltması

Her aday dört basamaklı bir kanıt merdiveninden geçer. İlk basamak sözlük tanımlarındaki kavramsal özellik örtüşmesidir. İkinci basamak biçimsel yolun tanınmasıdır; birleşme, türetim veya eksilti birbirine karıştırılmaz. Üçüncü basamak gerçek cümlelerde iki surface formatn de görülmesi ve bağlamlarının karşılaştırılmasıdır. Dördüncü basamak kaynak yayılımı ile negatif denetimdir. Bir çift yalnız tanım benzerliği taşıyorsa aday havuzunda kalır; tek biçim derlemde yoksa yayın listesine alınmaz; her iki biçim görünse bile bağlamı yanlış eşleşme tabanına yaklaşırsa düşük puan alır.

Güven puanı toplam desteği, iki yönlü tanığı ve kaynak sayısını birlikte okur. Çok sayıda tek sözcük örneğine karşı yalnız bir öbek örneği bulunan çift, tek taraflı veri nedeniyle temkinli sunulur. Aynı cümlede iki biçimin birlikte anıldığı tanıklar tanıtıcı veya karşılaştırmalı kullanım olabilir; bu cümleler bağlam vektörüne katılmaz ve ayrıca birlikte görünme sayısı olarak raporlanır. Böylece bir yazarın yeni sözcüğü parantez içinde öbek karşılığıyla açıklaması, iki bağımsız kullanım sanılmaz. Trust level puanı gizlemez; puanın hangi veri miktarıyla okunduğunu açıklar.

Yazımsal bütünleşme bir yazım önerisi değildir

Ayrı yazılan bir öbeğin boşluksuz biçimi derlemde görülebilir. Bu yüzey olayı, kavramsal sıkışmanın en görünür fakat en kolay yanlış yorumlanan yollarındandır. Bitişik biçim bir marka adı, kullanıcı adı, başlık sıkıştırması, OCR birleşmesi veya doğrudan yazım yanlışı olabilir. Model boşluk kaldırıldığında aynı harf dizisinin oluşmasını yalnız aday bağlantısı olarak değerlendirir. Doğru yazım kararı için sözlüğün mevcut madde biçimi, yazım kılavuzu ve insan denetimi gereklidir. Canlı kartta bu nedenle açıkça yazım önerisi olmadığı belirtilir.

Yazımsal bütünleşmenin güçlü görünmesi için bitişik biçimin yalnız tek bir belgede değil, farklı kaynaklarda ve doğal cümlelerde bulunması; ayrı biçimle benzer komşular taşıması gerekir. Kaynakça satırları, alan adları, dosya adları ve bozuk OCR parçaları kalite süzgecinden geçirilir. Kullanıcıların daha önce özellikle veri tabanı gibi ayrı yazılması gereken biçimler için koyduğu sözlük ilkesi korunur. Model yanlış bitişik biçimi otomatik maddeye dönüştürmez; tersine, yüksek biçim benzerliğine rağmen sözlük denetimi gerektiren olguyu işaretleyerek temizleme sürecine kanıt sağlar.

Türetimsel yoğunlaşma ve Türkçenin ek gücü

Türkçenin üretken yapım ekleri, bir öbekte ayrı sözcüklerle verilen katılan ve ilişki bilgisini tek gövdede toplayabilir. Restoran işletmecisi ile restorancı örneğinde işletme rolü öbekte ayrı bir adla, tek sözcükte ise meslek ve uğraş bildiren ekle kurulur. Kitap seven kişi ile kitapsever örneğinde ikinci öge kalıplaşmış bir bağlı birim gibi davranabilir. Bu örneklerin her biri aynı üretim kalıbına sahip değildir; model yalnız yüzey ortaklığını değil, tanım özelliklerini ve gerçek kullanım çevresini birlikte değerlendirir.

Üretkenlik, her kurulabilir biçimin sözlükbirim olduğu anlamına gelmez. Bir ekin çok sayıda tabana bağlanabilmesi dil bilgisel üretkenlik göstergesidir; ortaya çıkan her biçimin toplulukta yerleşmesi ise ayrı bir sorudur. Yeni sözlük kaydı, tanımlanabilirlik ve bağlam kanıtı bu ayrımı korur. Türetimsel yoğunlaşma yolundaki adaylarda tek sözcüğün öbekteki en az bir içerik sözcüğüyle görünür gövde bağı taşıması aranır. Kök bulmaya çalışan saldırgan bir budama yapılmaz; Türkçe lema ve yazım biçimi korunur, yalnız karşılaştırmaya yarayan normalleştirilmiş yüzey kullanılır.

Şükrü Halûk Akalın’ın eksilti yolu

Şükrü Halûk Akalın, Türkçede eksiltili yapıdan sözlükselleşmeyi anlık oluşumdan kurumsallaşmaya ve sözlük değeri kazanmaya uzanan aşamalar içinde inceler. Cep telefonu için cep, yelken gemisi için yelkenli ve Adana kebabı için Adana gibi örneklerde daha geniş yapının bir ögesi yüzeyden düşerken kavramsal çerçeve belirli bağlamlarda korunabilir. Bu süreç yeni bir ses dizisi üretmek zorunda değildir; var olan sözcüğe yeni ve kalıplaşmış bir kullanım değeri yükleyebilir. Bu nedenle eksilti, basit karakter kısalığıyla özdeş değildir.

Canlı model eksilti çiftlerine özellikle temkinli yaklaşır. Cep ve Adana çok anlamlıdır; telefon veya kebap bağlamı dışındaki binlerce kullanım yanlış destek oluşturabilir. The context vector bu sorunu bütünüyle çözemez, fakat öbek çevresiyle tek sözcük çevresinin ne kadar örtüştüğünü ve yanlış eşleştirme tabanından ne kadar uzaklaştığını gösterir. Yer adı, soyadı veya temel sözlük anlamı baskınsa puan düşer. Böylece Akalın’ın art zamanlı açıklaması sayısal bir kestirme kurala dönüştürülmez; kuramsal sınıf korunur ve güncel kanıt ayrı katmanda sınanır.

Biçim bağı görünmeyen bağlamsal karşılıklar

Bazı kavramlar, uzun bir öbek ile ondan biçimsel olarak türememiş tek sözcük arasında paylaşılabilir. Böyle çiftlerde ortak harf veya gövde bulunmadığından yanlış eşleşme riski çok yüksektir. Benzer tanımlar aynı üst sınıfa giren yüzlerce sözcüğü birbirine yaklaştırabilir. Sistem bu nedenle otomatik bağlamsal karşılık üretiminde en az dört ayırt edici tanım özelliği ve yüksek ağırlıklı benzerlik ister. Ayrıca çiftin iki yüzeyi canlı derlemde bağımsız olarak görülmeli ve bağlam benzerliği kaydırılmış yanlış çiftlerin ortanca değerini aşmalıdır.

İnsan denetimli sonda çiftleri araştırma hipotezi olarak eklenebilir; fakat bunlar da canlı sınamadan muaf değildir. Kartlarda sonda olduğu, sözlük kayıtlarından otomatik türetilmediği belirtilir. Biçim bağı bulunmayan bir çiftin yüksek puan alması, iki ifadenin her bağlamda birbirinin yerine geçebileceği anlamına gelmez. Sözcük türü, değerlik, alan ve söylem işlevi farklılıkları ayrıca incelenmelidir. Bu yol, gelecekte cümle gömmeleri ve Türkçe bağımlılık ilişkileriyle geliştirilebilir; mevcut sürüm açıklanabilir sözcüksel çevreyi tercih eder.

Bağlam dağılımı ve Jensen-Shannon yakınlığı

Her eşleşmenin iki yanında en çok dört lema alınır. İşlev ağırlığı yüksek, çok kısa ve genel sözcükler çıkarılır; yakın komşulara uzak komşulardan daha fazla ağırlık verilir. Öbek örneklerinden bir bağlam sayacı, tek sözcük örneklerinden ikinci sayaç oluşur. Sayaçlar olasılık dağılımına çevrilir ve simetrik Jensen-Shannon ıraksamasının birden çıkarılmasıyla sıfır ile bir arasında ham yakınlık hesaplanır. Ölçü, aynı konu ve eylem çevresine gelen biçimleri yükseltir; yalnız aynı belgede bulunmayı yeterli saymaz.

Ham yakınlık genel konu etkisini taşıyabilir. Aynı haber kümesindeki ekonomi sözcükleri birbirine, aynı tezdeki yöntem terimleri birbirine rastlantısal olarak yaklaşır. Model her öbeği aday listesindeki bir sonraki yanlış tek sözcükle eşleyerek olumsuz bir dağılım kurar ve bu değerlerin ortancasını taban sayar. Gerçek çiftin yakınlığı tabanın altında kalırsa bağlamsal yerine geçebilirlik sıfıra çekilir. Tabanın üstündeki bölüm, ulaşılabilecek kalan aralığa göre ölçeklenir. Bu düzeltme kusursuz değildir, fakat konu ortaklığı ile çift özgüllüğünü ayırmak için görünür ve yeniden üretilebilir bir karşılaştırma sağlar.

Çok anlamlılık, özel ad ve sahte sıkışma

Tek sözcüklü karşılık çoğu zaman öbekten daha çok anlam taşır. Cep, fiziksel bir bölüm; para kaynağı; taşınabilir telefonun eksiltili adı veya başka bir kalıplaşmış yapının parçası olabilir. Adana hem yer adıdır hem belirli yemek bağlamlarında eksiltili kullanım gösterebilir. Demirbaş bir eşya sınıfını anlatabildiği gibi soyadı olarak da geçer. Model tek sözcüğün bütün örneklerini sayıp doğrudan başarı ilan etse bu çok anlamlılıklar sonucu yapay biçimde büyütürdü. Bağlam karşılaştırması ve kaynak dağılımı bu riski görünür kılar.

Özel ad ve soyadı etkisi için kusursuz ad varlığı etiketlemesi bulunmadığından bölüm kesin bir anlam ayrıştırması yaptığını söylemez. Bunun yerine çift kartında ham tek sözcük sayısı, öbek sayısı, bağlam yakınlığı, olumsuz taban ve örnek cümleler birlikte gösterilir. Kullanıcı yüksek sıklığın düşük bağlam puanıyla çeliştiğini görebilir. Gelecek sürümde büyük harf örüntüsü, bağımlılık çevresi ve ad varlığı modeli ek kanıt olabilir; ancak bu göstergeler de metin başı büyük harfleri ve OCR hatalarını yanlış yorumlayabileceği için insan denetimi yine gerekecektir.

Kaynak yayılımı ve bağlam dayanıklılığı

Bir çiftin tek bir makalede çok kez yinelenmesi ile haber, kitap, tez ve köşe yazısında ayrı yazarlarca kullanılması aynı kanıt değildir. Kaynak yayılımı, eşleşen cümlelerin kaynak kümeleri üzerindeki normalize entropisini hesaplar. Bütün örnekler tek kümedeyse değer sıfıra yaklaşır; örnekler birden çok kümeye dengeli dağılıyorsa bire yaklaşır. Bu bileşen toplam indekste sınırlı ağırlık taşır, çünkü bazı yerleşik alan terimleri doğal olarak tek bir metin türünde yoğunlaşabilir. Yine de tek belge tekrarının toplumsal yerleşiklik gibi görünmesini önler.

Kaynak etiketi bulunmayan metinler genel metin kümesine alınır ve gizlenmez. Dağılımın dengeli olması kavramların özdeş olduğunu kanıtlamaz; yalnız örüntünün tek bir veri koluna bağımlı olmadığını gösterir. Canlı grafik, her kaynak kümesindeki eşleşen cümle sayısını ve payını yayımlar. Bölümün yeni sözcük havuzuyla bağlantısı burada önem kazanır. Sözlük kaydı farklı kaynaklardan bağlam görmüş olsa bile canlı pencerede aynı çeşitliliği korumayabilir; sözlük kanıtı ile güncel derlem kanıtı ayrı tutulduğu için bu fark izlenebilir.

Canlı, sınırlı ve kalıcı n-gram tablosu kullanmayan mimari

Derlem milyarı aşan sözcük geçişine ulaştığı için bütün olası ikili ve üçlü dizileri sürekli saymak hem depolama hem birleştirme maliyeti doğurur. Bu bölüm ters yönde çalışır. Önce sözlükten en çok yirmi sekiz açıklanabilir çift seçer, sonra yalnız bu çiftlerin ifadelerini son bir milyon iki yüz bin sıra noktasında arar. Sorgu lema metninde hızlı bir ön süzme yapar; gerçek eşleşme uygulama katmanında lema dizisinin tam ardışıklığıyla doğrulanır. Böylece sınır içeren sahte alt dizi eşleşmeleri bağlam hesabına girmez.

Canlı yanıt için sonuç önbelleği kapalıdır. Sözlük adaylarını hazırlayan ağır olmayan ön işlem yalnız sözlük revizyon numarası değişmediği sürece bellekte tutulur; yeni madde eklendiğinde kendiliğinden geçersizleşir. Cümleler, sayılar, kaynak profili ve zaman yönü her çağrıda güncel derlemden okunur. Sorgu için işlemci, bellek ve süre tavanları vardır; bunlar bilimsel örneklem sınırı değil, web hizmetinin veri işleme ajanlarıyla birlikte ayakta kalmasını sağlayan çalışma güvenliğidir. Kalıcı genel n-gram tablosu oluşturulmadığı için daha önce vazgeçilen yüksek maliyet geri getirilmez.

Derleme sırası ile tarihsel zamanın ayrılması

Canlı pencere sıra numarasının ortasından ikiye bölünür. Alt yarı erken, üst yarı geç kesit adını alır. Bu adlandırma yalnız veri tabanına eklenme sırasını gösterir. Eski tarihli bir gazete arşivi bugün taranmışsa geç kesitte bulunabilir; yeni yayımlanmış bir makale daha önce içe aktarılmışsa erken kesitte kalabilir. Bu nedenle Tek Sözcükleşme Yönelimi bir tarihsel değişme katsayısı olarak okunamaz. Arayüz, zaman ekseninin niteliğini her sonuçla birlikte açıkça bildirir.

Buna rağmen sıra kesiti operasyonel olarak yararlıdır. Veri akışı sürdükçe son eklenen kaynaklarda hangi biçimin göreli pay kazandığını gösterir ve sonraki araştırma için aday seçer. Gerçek art zamanlı çalışma yapılacaksa yayın yılı güvenilir kayıtlar üzerinden dengelenmeli, her dönemin kaynak bileşimi eşleştirilmeli, aynı çiftin anlamları insan denetimiyle ayrılmalı ve belirsizlik aralıkları hesaplanmalıdır. Akalın’ın çalışmasındaki tarihsel tanıklar bu tür bir incelemenin neden gerekli olduğunu gösterir; canlı model tarihsel açıklamanın yerine geçmez.

Kaydırılmış olumsuz denetim ve kalibrasyon

Bağlam benzerliği tek başına yorumlandığında alan ortaklığı yüksek puan üretebilir. Olumsuz denetim için aday çiftleri puan sırasına dizilir ve her öbeğin bağlamı bir sonraki çiftin tek sözcük bağlamıyla karşılaştırılır. Bu deterministik kaydırma gerçek eşlemeyi bozar, fakat aynı pencereyi, aynı kaynak bileşimini ve benzer sıklık koşullarını korur. Yanlış çiftlerin benzerlik ortancası taban olarak yayımlanır. Gerçek çift bu tabanı aşmıyorsa bağlamsal yerine geçebilirlik bileşeni yükselmez.

Tek bir olumsuz örnek seçimi bütün olası yanlış eşleşmeleri temsil etmez. Bu nedenle taban kesin anlam ayrımı değil, canlı kalibrasyon göstergesidir. Aday sayısı azaldığında denetim de zayıflar; arayüz yayınlanan ve incelenen çift sayısını birlikte gösterir. Gelecek sürümde aynı sözcük türü, benzer sıklık ve farklı tanım kümesi koşullarına göre çoklu olumsuz örnekleme uygulanabilir. Mevcut yöntem, yüksek konu benzerliğini saklamamak ve puanın hangi düzeltmeden geçtiğini açık tutmak için seçilmiştir.

Öbek-tek sözcük grafi ve kavramsal geçiş ağı

Her öbek ile tek sözcük birer düğüm, aralarındaki canlı KSİ değeri ağırlıklı bir kenar olarak düşünülebilir. Kenar ağırlığı puanla birlikte toplam destek ve kaynak yayılımını taşır. Aynı tek sözcüğe bağlanan birden çok öbek, kavramın farklı açıklama yollarını; aynı öbekten birden çok tek sözcüğe giden kenarlar ise anlam ayrımı gerektiren rekabeti gösterebilir. Grafik görünümü yalnız yayımlanabilir çiftleri çizer; düşük kanıtlı bütün adayları göstererek görsel kalabalık ve yanlış kesinlik üretmez.

Ağ, sözlüğün eş anlamlılar listesi değildir. Düğümler arasındaki kenar bağlam yakınlığına dayalı bir araştırma ilişkisidir; yön oku erken-geç oran değişimini, çizgi kalınlığı destek miktarını, renk ise oluşum yolunu temsil eder. Bir düğümün merkezî görünmesi çok anlamlılıktan da kaynaklanabilir. Bu nedenle ağ kartından çift ayrıntısına geçildiğinde tanımlar, örnekler, olumsuz taban ve bileşenler birlikte okunur. Grafik, sonraki insan incelemesini hızlandıran bir harita işlevi görür.

Anlamsal korunumun iki kanallı hesabı

Anlamsal korunum bileşeni, insan denetimli tanım özellikleriyle canlı bağlam yakınlığını bir araya getirir. Tanım tarafında ortak ayırt edici sözcükler belge sıklığına göre ağırlıklandırılır; her tanımda sık geçen genel ifadeler düşük, daha seçici özellikler yüksek ağırlık alır. Bağlam tarafında öbek ve tek sözcüğün gerçek cümle çevreleri kullanılır. Tanım kanalı yüzde elli beş, bağlam kanalı yüzde kırk beş ağırlık taşır. Böylece yalnız sözlük metnine veya yalnız derlem konusuna bağımlı bir sonuç engellenir.

Bu hesap insan türü anlamayı modellediği iddiasında değildir. Tanımlar farklı ayrıntı düzeylerinde yazılmış olabilir; ortak sözcük bulunmaması kavramsal ilişkinin yokluğunu göstermeyebilir. Benzer bağlamlar da karşıt, alt-üst veya birlikte anılan kavramları yakınlaştırabilir. Bileşen bu yüzden semantik özdeşlik değil, korunum kanıtı adını taşır. Yüksek değer, çiftin uzman tarafından incelenmeye değer olduğunu gösterir; sözlükte gönderme, birleştirme veya yeni anlam kararı yine bağlamların elle okunmasını gerektirir.

GTS'ye özgü yönlü bağlam tanıları

Kaynaklarda yer alan dağılımsal yakınlık, öbek niteliği ve sözlükselleşme ayrımları bu bölümün kuramsal dayanağını oluşturur; ancak Çift Yönlü Kapsama, Kavramsal Sızıntı ve Kaynak Çıkarma Kararlılığı bu kaynaklardan aktarılmış ölçüler değildir. GTS için geliştirilen bu operasyonel tanılar, simetrik bir benzerlik puanının sakladığı üç ayrı sorunu görünür kılar. Önce öbek bağlamının ne kadarının tek sözcük çevresinde bulunduğu, sonra tek sözcük çevresinin ne kadarının öbeğe geri döndüğü hesaplanır. İki yönün harmonik ortalaması, yalnız tek yönde güçlü görünen bir ilişkinin yüksek puan almasını önler.

Tek sözcük çok anlamlıysa öbeğin dar bağlamını kapsayabilir, fakat kendi geniş kullanım çevresinin önemli bölümü öbeğe geri dönmez. Kavramsal Sızıntı bu farkı ceza kanalı olarak kullanır. Ardından haber, kitap, makale, tez ve diğer kaynak kolları sırayla çıkarılır; her denemede iki tarafta kalan kanıt kütlesi ile bağlam puanındaki oynama birlikte hesaplanır. En kırılgan deneme Kaynak Çıkarma Kararlılığını belirler. Son sağlam bağlam değeri, olumsuz tabanla düzeltilmiş yakınlığı çift yönlü kapsama, sızıntı ve kaynak kararlılığıyla birlikte sınırlar. Böylece tek bir konu alanının, çok anlamlı biçimin veya baskın veri kolunun yarattığı sahte sıkışma daha erken ayrılır.

Bu hesaplar dilde evrensel bir yasa veya kaynaklarda doğrulanmış hazır endeks olarak sunulmaz. Katsayılar GTS'nin sürümlü yöntem kararlarıdır; her canlı yanıtta alt değerler, kaynak çıkarma denemeleri ve sınırlar yayımlanır. Yeni derlem kolları geldikçe tanıların ayırt etme gücü geriye dönük sınanabilir, yanlış olumlu çiftler insan denetimiyle işaretlenebilir ve katsayılar ancak yeni bölüm sürümüyle değiştirilebilir. Özgünlük burada denetlenemez bir iddia değil, hesap adımlarının açık, yeniden üretilebilir ve yanlışlanabilir biçimde kurulmasıdır.