नाबर की नंबर?

गुगलने मशीन लर्निंगचा वापर करून सर्च रिझल्ट दाखवायला सुरुवात केली, त्याला आता फार नाही पण एक-दोनच महिने झाले असतील.

https://www.blog.google/products/search/search-language-understanding-bert/

काही बाबतीत रिझल्टमध्ये सुधारणा झाली असली तरी इतर बऱ्याच बाबतीत आणि विशेषतः देवनागरी सर्चची क्वालिटी घसरलेली दिसते.  आज मी "मंगेश नाबर” या व्यक्तीची माहिती गुगलून पाहिली तर "मंगेश" आणि "नंबर"  हे दोन शब्द असलेली पाने पहिल्या पानावर दिसत आहेत. बहुतेक गुगलने "नाबर” या शब्दाला बदलून "नंबर” केले असावे!

स्पर्धापरीक्षेचा खरा धोका

राजन गवस यांचा "सुत्तडगुत्तड : स्पर्धापरीक्षेची लष्करअळी” हा लेख वाचण्यासारखाः
https://www.loksatta.com/chaturang-news/armyworm-of-the-competition-exam-abn-97-2020627/

लेखाचा सारांश असाः
नोकऱ्याच नसतील, असलेल्या वशिल्याशिवाय मिळतच नसतील, तर शिकायचं कशाला, अशी मानसिकता तयार होत असतानाच यूपीएससी, एमपीएससीची लष्करअळी कोणीतरी गावात आणून सोडली. जागा कमी, परीक्षा देणाऱ्यांची संख्या कैक लाखांत. एक परीक्षा, दोन परीक्षा करत करत तिशी उंबऱ्यावर येऊन ठेपली आणि समोर सगळा अंधारच दिसायला लागला.. आईबाप कंगाल झाले. उमेदीची वर्षे मातीत गेली. या भयंकर साथीच्या अळीनं त्यांची आयुष्यंच बरबाद केली. याला जबाबदार कोण? हजारात एक होत असेल अधिकारी पण या नऊशे नव्याण्णवांचे काय?

हे वास्तव नक्कीच चिंताजनक आहे. पण माझ्यामते खरी समस्या वेगळी आणि अधिक गंभीर आहे. स्पर्धा परीक्षेच्या नावाखाली जो अभ्यास करून घेतला जातो त्याचा बहुतांश भाग हा "माहिती" या स्वरूपाचा असतो. म्हणजे अमुक एका नेत्याचे निधन कोणत्या वर्षी झाले? अमुक एक शासन पुरस्कार कोणाला मिळाला?  त्यातही विद्यार्थ्याला जातीयवादी बनविणारे कित्येक प्रश्न असतात. उदा. अमुक एक जात ओबीसी वर्गात मोडते का? अमुक एक जात तमूक एका जातीच्या वरची की खालची (असा प्रश्न डायरेक्ट नव्हे तर अप्रत्यक्षरीत्या विचारलेला) सध्या मार्केटमध्ये  मागणी असलेले अभ्यासक्रम म्हणजे "डेटा सायन्स”, "मशिन लर्निंग”, “आर्टिफिशियल इंटेलिजन्स" यांची त्यांना गंधवार्ताही असत नाही. जातीयवादी आणि कंपूबाजी याचा सराव झाला की कोणत्यातरी राजकीय / सामाजिक  पक्षात आपोआप प्रवेश होतो आणि जीवनाची दिशाही बदलते. ही दशा मात्र खात्रीने अधोगतीकडे घेऊन जाते!

नियमानुसार काम!

"मी चहा प्यायला" हे प्रमाणभाषेतले वाक्य उदाहरण म्हणून घेऊ. जर "प्यायला" हा शब्द "पाय्ला" असा लिहिला तर तो शब्द अशुद्ध ठरतो. त्याखाली लाल रेघ येते आणि योग्य शब्द म्हणजे "प्यायला" राईट क्लिकवर दिसतो. इथपर्यंत तुमचं आमचं जमलं. आता पुढचं पटलं तर घ्या नाहीतर सोडून द्या!
"मी चहा प्यायला" हे प्रमाणभाषेतले वाक्य, तर "मी चाय पिली" हे बोली भाषेतले वाक्य. दोन्ही शुद्धलेखनाच्या दृष्टीने शुद्धच आहेत. स्पेलचेकमध्ये "पिली" या शब्दाखाली लाल रेघ येत नाही. असे का? "बसणे" या क्रियापदावरून ज्या  नियमाने "बसली" हे रूप बनते त्याच नियमाने "पिणे" वरून "पिली" बनते. स्पेलचेकर शब्दाचे लिंग तपासत नाही. त्यामुळे "चाय पिली" किंवा "चाय पिला" दोन्ही शुद्धच! प्रमाणभाषेत हे बसत नाही ही गोष्ट मान्य. पण त्याला काय करणार? "शिश्ठ"  लोकांना मान्य नसेल तर हा स्पेलचेकर "शिष्टमान्य" नाही असे फार तर म्हणता येईल. अर्थात मी बोली भाषेत लिहितो असे म्हणत कोणी "मी चाय पीली" असे लिहिले तर पीली शब्दाखाली लाल रेघ येईल. दीर्घ "पी" बदलून ह्रस्व करावा लागेल. हंस्पेल नियमांच्या बाबतीत नो काँप्रोमाईज!

कशाकशाचे सुलभीकरण?

"बालभारतीपुरस्कृत अभिनव मराठी संख्यावाचन पद्धतीबद्दल काही शंका"  हा सलील कुळकर्णींचा अमृतमंथन ब्लॉगवरील लेख नुकताच वाचनात आला.

या धोरणामुळे मराठीचे सुलभीकरण होत असेल तर त्याला माझा विरोध असण्याचे कारण नाही. पण हे सुलभीकरण फक्त संख्या वाचनापुरतेच मर्यादित असणार आहे की पुढे पुढे सर्वच क्षेत्रात त्याचा संचार होणार आहे हे देखील स्पष्ट होऊ द्या.  इंग्रजीत नाते संबंध देखील फार सुलभ पद्धतीने सांगितले जातात. "आँटी" म्हणजे काकू, मावशी किंवा आत्या कोणीही असू शकते.  चायनीज भाषेत मात्र वडिलांच्या मोठ्या भावाला एक शब्द तर वडिलांच्या लहान भावाला दुसरा शब्द आहे. आपल्यासारखे फक्त काका किंवा अंकल म्हणून ते पुरे पडत नाही. त्यांना ही नाते सुलभीकरणाची प्रक्रिया समजावून सांगायला कोणी तयार होईल का? माझी आई फोन वर देखील "नंडेची सासू" वगैरे शब्द वापरते. संभाषण पुढे जाते म्हणजे पलिकडची जी कोण असेल तिला ते नाते समजले असा होतो. माझ्याबरोबर बोलताना मात्र तिला फार जपून (सुलभीकृत) भाषेत बोलावे  लागते. कारण "नणंद" म्हणजे नक्की कोण असा माझा प्रश्न  असणार हे तिला माहीत असते. सुलभीकृत भाषेत बोलावे असा अत्याग्रह धरला तर संवादच थांबतो असा माझा तरी अनुभव आहे. तेव्हा बालभारतीने ती शक्यता देखील विचारात घ्यावी. गुजरात राज्याच्या विकासाचे मॉडेल सगळीकडे चालेल असे समजणे शहाणपणाचे नाही तसेच एका भाषेतील सुलभता दुसरीकडे कॉपी-पेस्ट करून समस्या सुटत नाही, उलट जटील बनते कारण प्रत्येक भाषेला स्वतःचा असा इतिहास, संस्कृती आणि गरजा असतात व त्या पूर्ण करणारे शब्द हवे असतात. 

Using wiki for collecting Marathi words

The words will be added by the community on this page.

http://mr.shoutwiki.com/

I will add tags and final list will be available on github here...

https://github.com/shantanuo/marathi_wordlist/blob/master/mr_IN.dic

Once all the words are added, the final version of firefox and libre office spell check software will be made available.

Firefox add-on mentioned in Loksatta

Here is the link of "कुटुंबकट्टा" section as on July 11, 2019:

https://www.loksatta.com/kutumbkatta-news/language-learning-apps-on-mobile-mobile-app-to-learn-a-language-zws-70-1928462/

‘फायरफॉक्स’मध्ये शुद्धलेखन चिकित्सा

केवळ अ‍ॅपच नव्हे तर इंटरनेट ब्राऊजरमध्येही तुम्ही शुद्ध शब्द जाणून घेऊ शकता. ‘फायरफॉक्स’या ब्राऊजरमध्ये मराठी डिक्शनरीचे ‘अ‍ॅड ऑन’ जोडून घेऊन तुम्ही मराठीतून टाइप केलेल्या मजकुरात काही शुद्धलेखनाच्या चुका आहेत का, हे तपासून पाहू शकता. हे अ‍ॅड ऑन मिळवण्यासाठी http://addon.firefox.com/12797 या लिंकवर जावे लागेल. ‘अ‍ॅड ऑन’ करताच तुम्ही टाइप केलेल्या मजकुरातील अशुद्ध मराठी शब्द लाल रंगात दिसू लागतील. या शब्दांवर राइट क्लिक करून तुम्हाला योग्य शब्दाची निवड करता येईल. एखादा शब्द योग्य असूनही तो लाल रंगात अधोरेखित होत असेल तर तो शब्द तुम्ही आपल्या व्यक्तिगत संग्रहात ‘अ‍ॅड टू डिक्शनरी’ हा पर्याय वापरून जमा करू शकता.

लोकसत्ताच्या कुटुंबकट्टा पुरवणीतील ही छोटी बातमी दिनांक ११ जुलै २०१९

स्वरानंतरचा हलन्त

स्वरानंतर पाय मोडके व्यंजन लागू शकत नाही. असे शब्द नक्कीच चुकीचे आहेत.

x = 'पा पि पी पु पू पं पः'
mylist= list()
for i in x.split():
    mylist.append(i[1] + '्')
 
'\|'.join(mylist)

!grep 'ा्\|ि्\|ी्\|ु्\|ू्\|ं्\|ः्' mytext5.txt | wc -l

_____

सुगम मराठी शुद्धलेखन पुस्तिका

https://docs.wixstatic.com/ugd/2ed2e7_2a31a401412d4811ae2987b4e2219d3c.pdf

Rules mentioned on page 22 and 23 can be converted to hunspell.

विसर्गापूर्वीचे इकार, उकार नेहमी ऱ्हस्व असतात. तेव्हा खाली दिलेले शब्द चुकीचे आहेत.
x = 'दू:ख'
y = 'नी:व'

दीर्घ ईकार, ऊकारानंतर  विसर्ग आला आहे का ते पहावे लागेल.
print (x[-3:][:2])
ू:
print (y[-3:][:2])
ी: