Enum для суффиксов

[Antonariy]

Делаю морфологический анализатор эсперанто, для чего хочу кодировать слова примерно в такую структуру:

Код: Выделить всё

Type Word
    Root As String  'корень слова
    Prefix As Byte 'приставка
    Postfix As Byte 'окончание
    Suffixes As Suffixes 'суффиксы
End Type

Enum Suffixes
    sufAD = 1
    sufAC = 2
    sufAĉ = 4
    sufAĵ = 8
    'и т.д. по степеням двойки
End Enum


Суффиксы хочу сохранять с помощью побитового Or, чтобы потом быстро проверять наличие того или иного суффикса с помощью And. Проблема в том, чтобы значение произвольного набора суффиксов гарантированно не содержало значение суффикса, которого там нет. Пока что закодировал суффиксы степенями двойки, однако суффиксов в эсперанто — 45, что дает напрягающе большое число, которое заведомо перекрывает все возможные комбинации.

Очевидно, что часть суффиксов в одном слове вместе встречаться не может. Как, учитывая это правило, выбрать значения суффиксов, чтобы выполнялось условие x or y or ... <> i or j or ...?

Вот полный список суффиксов:

-ac- - наменование семейства (бот.) / fabacoj - бобовые.
-ed- - наименование семейства (зоол.) / cervedoj - оленьи

-ĉj- - образование ласкательных существительных, относящихся к мужчине / paĉjo - папочка
-nj- - образование ласкательных существительных, относящихся к женщине / Manjo - Маша, Маня, Маруся

-iĉ- - мужской пол / katiĉo - кот
-in- - женский пол / katino - кошка

-ig- - сделать каким-то, заставить, побудить / blanka blankigi - белый побелить, bruligi - наточить, сжечь
-iĝ- - сделаться, стать / blankiĝi - побелеть

-ism- - пристрастие / alkoholismo - алкоголизм
-ist- - профессия, принадлежность / vodkisto - водочник

причастия и деепричастия
действительного залога
-ant- - настоящее / drinkanta - пьющий
-int- - прошедшее / drinkinta - пивший
-ont- - будущее / drinkonta - будущий пить
страдательного залога
-at- - настоящее / drinkata - выпиваемая
-it- - прошедшее / drinkita - выпитая
-ot- - будущее / drinkota - будущая выпитой

-ad- - продолжительность / pafo, pafado - выстрел, стрельба; drinki, drinkadi - пить, пьянствовать
-aĉ- - низкое качество, никчёмность, непригодность, пренебрежение, презрение / ĉevalaĉo - кляча, ridaĉi - ухмыляться, кривиться
-aĵ- - воплощение (объект) / aĵo - вещь
-an- - житель нас. пункта, член общества / vodkano - водчанин
-ar- - объявление коллекции (ряд однородных предметов) / vodkaro - ящик водки
-ebl- - пассивная возможность / manĝebla - съедобный
-ec- - воплощение (понятие) / dinkeco - пьянство
-eg- - увеличение / grandega - огромный
-ej- - помещение / vodejo - водчная (рюмочная)
-em- - склонность / drinkemo - пьяница
-end- - обязательство к исполнению / farenda laboro - работа, которая должна быть сделана
-er- - случайный; неопределенный элемент коллекции (частица целого) / fajro, fajrero - огонь, искра
-esk- - подобный
-estr - главная персона, начальник / ŝipestro - капитан корабля
-et- - уменьшительное / vodketo - водочка
-id- - потомок / kato - кошко, katido - котенок
-ik- - область науки или техники, специальность / ĵurnalistiko - журналистика
-il- - инструмент / skribi, skribilo - писать, ручка
-ind- - достойный, заслуживающий / drinkinda vodko - водка, достойная выпивания
-ing- - предмет, в который что-то вствляется / vodkingo - подводочник
-it- - болезнь (мед.), минерал (геол.), соль (хим.) / bronkito - бронхит, magnetito - магнетит, sulfito - сульфит
-iv- - способный, могущий / produktiva - производительный, продуктивный.
-iz- - снабжать, покрывать, добавлять / orizi - покрывать золотом
-obl- - кратное числительное / duobla vodko - двойная водка
-on- - дробное числительное / duono kaj du kvarono de litro de vodko eatas uno litro - половина и две четверти литра водки это один литр
-op- - собирательное числительное / ni drinkas la vodko triope - мы пьем водку втроем
-oz- - обилие, многочисленность (неофиц.) / poroza - пористый (= porhava, porplena), ŝtonoza - каменистый (= ŝtonhava, ŝtonplena, ŝtonriĉa)
-uj- - вместилище, плодовое дерево, страна (устарело)
-ul- - доминирующее свойство / drinkulo - пьяница
-um- - без определённого значения, применяется, когда никакой другой суффикс не подходит по смыслу / aerumi - проветривать

Список разделен пустыми строками на группы, суффиксы, входящие в каждую группу, не могут встречаться вместе в одном слове. За исключением последней группы.

[Alec]

Я так понимаю, что -ac- и -ed- (из одного блока), например, не могут встречаться в одном слове, а -ac- и -ĉj- (из разных) могут?
А суффиксы последнего блока могут встречаться вместе?
Если так, то можно блоки закодировать последовательным перечислением (1, 2, 3 и т.д.) а эти перечисления уже объединить в битовую структуру?
Тогда для кодирования блока потребует:
1 элемент - 1 бит
от 2 до 3 элементов - 2 бита
от 4 до 7 элементов - 3 бита
от 8 до 15 элементов - 4 бита и т.д.
Тогда для хранения структуры понадобится 2+2+2+2+2+3+30 = 43 бита (уже меньше )

А возможно последний блок как-нибудь тоже разбить на блоки?
Идея в том, чем крупнее получатся блоки со взаимоисключающими элементами, тем компактнее получится структура.

[Debugger]

Может, не надо это пихать в enum, а записать в type?
Уж больно навороченный enum получается.

[Хакер]

Советую во-первых использовать битфиелды для каждой группы, а во-вторых, если это возможно, последнюю группу разделить по критерию несочетаемости.

Кроме того, наверняка есть суффиксы, совместимые только с конкретными частями речи. Разбить последнюю группу по таким подгруппам, и дать элементам разных подгрупп одинаковые номера в приделах битфиелда.

[Antonariy]

Я так понимаю, что -ac- и -ed- (из одного блока), например, не могут встречаться в одном слове, а -ac- и -ĉj- (из разных) могут?

Вообще-то тоже нет, но это более частный случай.

А суффиксы последнего блока могут встречаться вместе?

Какие-то могут, какие-то нет. В отдельные блоки я вынес те, которые не могут встречаться вместе гарантированно.

Может, не надо это пихать в enum, а записать в type?

Type с сорока пятью полями? Не менее наворочено. Кроме того я собираюсь писать тип Word в базу.

Советую во-первых использовать битфиелды для каждой группы

Не понял. Можно пример?

Кроме того, наверняка есть суффиксы, совместимые только с конкретными частями речи.

В принципе часть речи в эсперанто однозначно определяется по окончанию, однако семантический анализ хочу сделать уже после морфологического, да и окончаний может быть два. Хотелось бы эту задачу решить чисто математически.

[Хакер]

Не понял. Можно пример?

Ну в VB их нет в доступном виде. Пример чего ты хотел?

В принципе часть речи в эсперанто однозначно определяется по окончанию, однако семантический анализ хочу сделать уже после морфологического, да и окончаний может быть два. Хотелось бы эту задачу решить чисто математически.

А это и есть чисто математическое, вернее даже чисто информатическое решение.

Биты всего-лишь развевают неопределённость. Если у тебя есть 32 состояния, ты можешь дать каждому номер и факторизовать его по основанию 2, полученные пять единиц и нулей сопоставить битам, можешь разделить состояния на 4 группы, и для идентификации состояния задавать номер группы (их 4, следовательно требуется 2 бита) и номер элемента группы (в каждой по 8, следовательно требуется 3 бита). Каким бы извращённым не был способ представления какого-то целого числа из промежутка от , как ни крути, для это потребуется бит.

Другое дело, если некоторые суффиксы соответствуют определённой (и только этой) категории частей речи, то можно дать суффиксам такие номера, что некоторые биты представления этих номеров будут совпадать с битами представления номера части речи. Тогда можно убрать эти биты из представления номера суффикса, полагаясь на то, что эта информация уже продублирована в блоке, описывающем эсперанто-слово.

Математика, да и только.