diff options
Diffstat (limited to 'Master/texmf-dist/source/latex/thailatex/doc/orchid.tex')
-rw-r--r-- | Master/texmf-dist/source/latex/thailatex/doc/orchid.tex | 549 |
1 files changed, 549 insertions, 0 deletions
diff --git a/Master/texmf-dist/source/latex/thailatex/doc/orchid.tex b/Master/texmf-dist/source/latex/thailatex/doc/orchid.tex new file mode 100644 index 00000000000..02a3c232a20 --- /dev/null +++ b/Master/texmf-dist/source/latex/thailatex/doc/orchid.tex @@ -0,0 +1,549 @@ +\documentclass[letter]{article} + +\textwidth=16cm +\oddsidemargin=0cm +\evensidemargin=0cm +\topmargin=-2.5cm +\textheight=23cm + +\newsavebox{\savepar} +\newenvironment{boxit}{\begin{lrbox}{\savepar} + \begin{minipage}[b]{\textwidth}} + {\end{minipage}\end{lrbox}\fbox{\usebox{\savepar}}} + +\usepackage[thai,thainumber]{babel} +\usepackage{thswitch} + +\title{ + \textbf{ทรัพยากรเปิดทางภาษาสู่ความร่วมมือของการวิจัยและพัฒนา}\\ + \textbf{The Open linguistic Resources CHanelled toward + InterDisciplinary research (ORCHID)} +} +\author{ + ดร.วิรัช ศรเลิศล้ำวาณิช\\ + ศูนย์เทคโนโลยีอิเล็กทรอนิกส์และคอมพิวเตอร์แห่งชาติ\\ + กระทรวงวิทยาศาสตร์ เทคโนโลยีและสิ่งแวดล้อม\\ + {\latintext\ttfamily virach@links.nectec.or.th, http://www.links.nectec.or.th/virach/home.html} +} +\date{\today} + +\begin{document} + +\bibliographystyle{srt} + +\maketitle + +\section{บทนำ} + +\textbf{ORCHID} เป็นแผนงานเพื่อสนับสนุนการร่วมกันสร้าง, การร่วมกันใช้, และการ% +ร่วมกันพัฒนาทรัพยากรทางภาษาของภาษาไทย, บนเครือข่าย World Wide Web. แผนงานนี้มี% +จุดประสงค์หลักอยู่สองประการคือ \textbf{เพื่อแก้ปัญหากำแพงทางภาษา, และรักษา% +ไว้เพื่อความคงอยู่ของภาษาและวัฒนธรรมไทย.} + +เราตระหนักดีถึงความสำคัญของภาษา ซึ่งนอกจากจะเป็นสื่อระหว่างคนกับคนแล้ว ยังเป็น% +รูปแทนความคิด และเป็นเครื่องมือในการใช้ความคิดด้วย. เครือข่ายคอมพิวเตอร์% +ในปัจจุบันทำให้ข้อมูลข่าวสารแพร่หลายไปอย่างรวดเร็ว. เครื่องมือที่ใช้ในการแสดงผล% +และการเตรียมข้อมูลข่าวสารนั้น จึงเป็นสิ่งจำเป็น. ด้วยเทคโนโลยีที่ก้าวหน้าไป% +อย่างรวดเร็ว, การที่เพียงจะสามารถแสดงผลได้หรือป้อนข้อมูลได้เท่านั้น ไม่เป็นที่% +เพียงพออีกแล้ว. การแสดงผลที่สวยงามถูกต้องตามแบบแผน หรือการเตรียมข้อมูลได้อย่าง% +ถูกต้อง และรวดเร็วจึงเป็นสิ่งที่จำเป็นที่จะต้องพัฒนาให้ทันตามการเปลี่ยนแปลงของ% +เทคโนโลยี. + +ทรัพยากรทางภาษานอกจากจะเป็นแหล่งข้อมูลที่สำคัญแล้ว ยังเป็นปัจจัยที่สำคัญอันหนึ่ง% +สำหรับการศึกษาธรรมชาติของภาษา ซึ่งรวมถึงไวยากรณ์, คำศัพท์, และลักษณะของภาษา. +ฉะนั้น \textit{การรวบรวมข้อมูลอย่างมีระบบ} จึงมีความสำคัญยิ่ง. การศึกษาธรรมชาติ% +ของภาษาได้ก้าวหน้าไปมากพร้อมๆ กับการพัฒนาของระบบคอมพิวเตอร์และอัลกอริทึมในการ% +คำนวณ. ความเอื้ออำนวยของเทคโนโลยีทางการประมวลผลทำให้เราสามารถศึกษาลักษณะของภาษา% +ได้จากข้อมูลปริมาณมากๆ ได้ในเวลาอันรวดเร็ว. ผลที่ได้คือเราสามารถสรุปความรู้ทาง% +ภาษาจากข้อมูลจริงได้อย่างแม่นยำและครอบคลุม. ซึ่งผิดจากเมื่อในอดีตที่จำเป็นต้อง% +พิจารณาจากความรู้ของตนเองเป็นหลัก, ศึกษาได้แต่ในวงแคบๆ และไม่สามารถตรวจสอบ% +ความถูกต้องได้อย่างครอบคลุม. ฉะนั้น \textbf{\textit{การรวบรวมข้อมูลที่มีปริมาณ% +มากพอและทันสมัย}} จึงเป็นปัจจัยสำคัญอีกอย่างหนึ่ง. + +จากแนวโน้มของการพัฒนาของเทคโนโลยีสารสนเทศ และเพื่อการเตรียมพร้อมเพื่อการ% +วิจัยและพัฒนาดังที่กล่าวมาข้างต้น, ผู้เขียนได้คิดถึงแนวทางอันหนึ่งในการที่จะ% +ส่งเสริมการพัฒนาโดยอาศัยมันสมองจากผู้รู้ผ่านเครือข่ายที่กำลังแพร่หลายอยู่ในทุก% +วันนี้. ในบทความนี้ ผู้เขียนจึงได้เสนอแนวคิดของแผนงาน \textbf{ORCHID (The Open +linguistic Resources CHanelled toward InterDisciplinary research)} ที่ได้รวมการ% +เตรียมพร้อมของข้อมูลและการประยุกต์ใช้งานเข้าด้วยกัน, เพื่อรองรับการพัฒนาของ% +เทคโนโลยีสารสนเทศสู่อนาคต. + +\section{ข่าวสารบนเครือข่าย} + +ในปัจจุบัน, ข้อมูลข่าวสารสามารถแพร่หลายไปได้อย่างรวดเร็ว. ทั้งนี้ก็เนื่องมาจาก% +สาเหตุที่สำคัญสองประการคือ ๑) ความแพร่หลายของระบบเครือข่าย ที่ทำให้บุคคลทั่วไป% +สามารถเข้าถึงระบบได้โดยง่าย, และ ๒) การพัฒนาของเทคโนโลยีต่างๆ ที่ใช้บนระบบเครือ% +ข่าย ดังเช่น Web browser, ระบบสืบค้นข้อมูลบนระบบเครือข่าย, และอื่นๆ อีกมากมาย% +ที่ทำให้สามารถเข้าถึงข้อมูลและข่าวสารได้อย่างแม่นยำและรวดเร็ว. HTML (HyperText +Markup Language)~\cite{html} ได้ถูกกำหนดขึ้นมาเพื่อใช้ในการกำกับข้อความที่จะ% +สื่อสารกันบนระบบ WWW. HTML เป็นภาษาที่แตกแขนงออกมาจากต้นตำรับของภาษาเพื่อการ% +กำกับ (markup language) ที่รู้จักกันดีในชื่อของ SGML (Standard Generalized +Markup Language)~\cite{sgml}. การใช้ภาษาเพื่อการกำกับนี้จะทำให้ข้อความ% +อิเล็กทรอนิกส์ (eletronic text) มีลักษณะพิเศษ คือ เป็นข้อความที่ไม่ขึ้นกับระบบ% +จัดการ ซึ่งหมายความว่าทุกระบบ, ที่เข้าใจในมาตรฐานของภาษาเพื่อการกำกับ, จะสามารถ% +แสดงผลข้อมูลได้อย่างเหมาะสม. บางระบบอาจจะขึ้นบรรทัดใหม่ ดังในรูปที่~% +\ref{fig:htmlout1} หรือบางระบบอาจจะย่อหน้า ดังในรูปที่~\ref{fig:htmlout2} เมื่อ% +มีการกำกับย่อหน้า ดังเช่นในรูปที่~\ref{fig:html}. แต่ละระบบอาจจะใช้ตัวอักษรขนาด% +ต่างๆ กันในการแสดงผลหัวข้อในระดับต่างๆ กันด้วยก็ได้. + +\begin{figure}[htbp] + \begin{center} + \begin{boxit} + \begin{quote} +% \footnotesize + \scriptsize + \sffamily + +\hspace*{-3em} +{\LARGE \textbf{ข่าวสารบนเครือข่าย}}\\ + +\hspace*{-3em} +ในปัจจุบัน, ข้อมูลข่าวสารสามารถแพร่หลายไปได้อย่างรวดเร็ว. ทั้งนี้ก็เนื่องมาจาก% +สาเหตุที่สำคัญสองประการคือ\\ + ๑. ความแพร่หลายของระบบเครือข่าย ที่ทำให้บุคคลทั่วไปสามารถเข้าถึงระบบได้โดยง่าย% +\\ + ๒. พัฒนาการของเทคโนโลยีต่างๆ ที่ใช้บนระบบเครือข่าย ดังเช่น Web browser, ระบบ% +สืบค้นข้อมูลบนระบบเครือข่าย,\\ +\hspace*{1em} + และอื่นๆ อีกมากมาย ที่ทำให้สามารถเข้าถึงข้อมูลและข่าวสารได้อย่างแม่นยำและ% +รวดเร็ว.\\ + + \end{quote} + \end{boxit} + \caption{ตัวอย่างการแสดงผลแบบที่หนึ่ง} + \label{fig:htmlout1} + \end{center} +\end{figure} + +\begin{figure}[htbp] + \begin{center} + \begin{boxit} + \begin{quote} + \scriptsize + \sffamily + +\hspace*{-3em} +{\LARGE \textbf{\underline{ข่าวสารบนเครือข่าย}}}\\ + +%\hspace*{2em} +ในปัจจุบัน, ข้อมูลข่าวสารสามารถแพร่หลายไปได้อย่างรวดเร็ว. ทั้งนี้ก็เนื่องมาจาก% +สาเหตุที่สำคัญสองประการคือ\\ +%\hspace*{2em} + ก. ความแพร่หลายของระบบเครือข่าย ที่ทำให้บุคคลทั่วไปสามารถเข้าถึงระบบได้โดยง่าย% +\\ +%\hspace*{2em} + ข. พัฒนาการของเทคโนโลยีต่างๆ ที่ใช้บนระบบเครือข่าย ดังเช่น Web browser, ระบบ% +สืบค้นข้อมูลบนระบบเครือข่าย,\\ +\hspace*{1em} + และอื่นๆ อีกมากมาย ที่ทำให้สามารถเข้าถึงข้อมูลและข่าวสารได้อย่างแม่นยำและ% +รวดเร็ว.\\ + + \end{quote} + \end{boxit} + \caption{ตัวอย่างการแสดงผลแบบที่สอง} + \label{fig:htmlout2} + \end{center} +\end{figure} + +\begin{figure}[htbp] + \begin{center} + \begin{boxit} + \scriptsize + + <html>\\ + <head>\\ + <title>\\ + ข่าวสารบนเครือข่าย\\ + </title>\\ + </head>\\ + + <body>\\ + <h1>\\ + ข่าวสารบนเครือข่าย\\ + </h1>\\ + + <p> ในปัจจุบัน, ข้อมูลข่าวสารสามารถแพร่หลายไปได้อย่างรวดเร็ว. ทั้งนี้ก็% +เนื่องมาจากสาเหตุที่สำคัญสองประการคือ + + <ol>\\ + <li> ความแพร่หลายของระบบเครือข่าย ที่ทำให้บุคคลทั่วไปสามารถเข้าถึงระบบได้% +โดยง่าย\\ + <li> พัฒนาการของเทคโนโลยีต่างๆ ที่ใช้บนระบบเครือข่าย ดังเช่น Web browser, +ระบบสืบค้นข้อมูลบนระบบเครือข่าย, และอื่นๆ อีกมากมาย ที่ทำให้สามารถเข้าถึงข้อมูล% +และข่าวสารได้อย่างแม่นยำและรวดเร็ว.\\ + </ol>\\ + + </body>\\ + </html>\\ + + \end{boxit} + \caption{ข้อความที่กำกับสำหรับ HTML} + \label{fig:html} + \end{center} +\end{figure} + +ความคิดในการใช้เครื่องหมายร่วมเพื่อการกำกับ (Generic Markup) นั้น เกิดขึ้นมานาน% +แล้ว, ตั้งแต่ที่ William Tunnicliffe ได้เสนอต่อที่ประชุมสำนักพิมพ์ของรัฐใน% +แคนนาดาเมื่อเดือนกันยายน ๒๕๑๐~\cite{sgml:90}. เมื่อเข้าทศวรรษที่ ๗๐, ก็เริ่มมี% +ระบบที่ใช้เครื่องหมายร่วมเพื่อการกำกับเกิดขึ้น, และที่รู้จักกันแพร่หลายก็คือ +Scribe ของ Brian Reid, \TeX~\cite{knuth:94} ของ Knuth, \LaTeX~\cite{lamport:94} +ซึ่งเป็นการผนวกชุดคำสั่งที่เขียนตามลักษณะของ Scribe โดยนิยามให้เป็น macro ของ +\TeX, และ nroff/troff ซึ่งเป็นรุ่นถัดจาก RUNOFF ที่นิยมใช้กันมากบนระบบ UNIX. + +\begin{figure}[htbp] + \begin{center} + \begin{boxit} + \begin{quote} + \scriptsize + +\hspace*{-3em} +$\backslash$section\{ข่าวสารบนเครือข่าย\} + +\hspace*{-3em} +$\backslash$par ในปัจจุบัน, ข้อมูลข่าวสารสามารถแพร่หลายไปได้อย่างรวดเร็ว. ทั้ง% +นี้ก็เนื่องมาจากสาเหตุที่สำคัญสองประการคือ + +\hspace*{-3em} +$\backslash$begin\{itemize\}\\ +\hspace*{-3em} +$\backslash$item ความแพร่หลายของระบบเครือข่าย ที่ทำให้บุคคลทั่วไปสามารถเข้าถึง% +ระบบได้โดยง่าย\\ +\hspace*{-3em} +$\backslash$item พัฒนาการของเทคโนโลยีต่างๆ ที่ใช้บนระบบเครือข่าย ดังเช่น Web +browser, ระบบสืบค้นข้อมูลบนระบบเครือข่าย,\\ +\hspace*{-3em} +และอื่นๆ อีกมากมาย ที่ทำให้สามารถเข้าถึงข้อมูลและข่าวสารได้อย่างแม่นยำและ% +รวดเร็ว.\\ +\hspace*{-3em} +$\backslash$end\{itemize\}\\ + + \end{quote} + \end{boxit} + \caption{ข้อความที่กำกับสำหรับ \TeX\ หรือ \LaTeX} + \label{fig:latex} + \end{center} +\end{figure} + + +\begin{figure}[ht] + \begin{center} + \begin{boxit} + \begin{quote} + \scriptsize + +\hspace*{-3em} +.TH PWD 1L "GNU Shell Utilities" "FSF" $\backslash$" -*- nroff -*-\\ +\hspace*{-3em} +.SH NAME\\ +\hspace*{-3em} +pwd $\backslash$- print name of current/working directory\\ +\hspace*{-3em} +.SH SYNOPSIS\\ +\hspace*{-3em} +.B pwd\\ +\hspace*{-3em} +.br\\ +\hspace*{-3em} +.B pwd\\ +\hspace*{-3em} +\{$\backslash$-$\backslash$-help,$\backslash$-$\backslash$-version\}\\ +\hspace*{-3em} +.SH DESCRIPTION\\ +\hspace*{-3em} +This manual page documents the GNU version of\\ +\hspace*{-3em} +.BR pwd .\\ +\hspace*{-3em} +.B pwd\\ +\hspace*{-3em} +prints the fully resolved name of the current directory. That is, all +components of the printed name will\\ +\hspace*{-3em} +be actual directory names $\backslash$-$\backslash$- none will be symbolic +links.\\ +\hspace*{-3em} +.PP\\ +\hspace*{-3em} +Note that most Unix shells provide a built-in\\ +\hspace*{-3em} +.B pwd\\ +\hspace*{-3em} +command with similar functionality so the unadorned, interactive\\ +\hspace*{-3em} +.B pwd\\ +\hspace*{-3em} +command will usually execute the built-in version and not this one.\\ +\hspace*{-3em} +.SS OPTIONS\\ +\hspace*{-3em} +.TP\\ +\hspace*{-3em} +.I "$\backslash$-$\backslash$-help"\\ +\hspace*{-3em} +Print a usage message on standard output and exit successfully.\\ +\hspace*{-3em} +.TP\\ +\hspace*{-3em} +.I "$\backslash$-$\backslash$-version"\\ +\hspace*{-3em} +Print version information on standard output then exit successfully.\\ + + \end{quote} + \end{boxit} + \caption{ข้อความที่กำกับสำหรับ nroff} + \label{fig:nroff} + \end{center} +\end{figure} + +ดูเหมือนว่า \LaTeX\ จะประสบความสำเร็จในการแยกข้อมูลที่บอกโครงสร้างของบทความ% +ออกจากข้อมูลที่เป็นเนื้อของบทความ. แต่อย่างไรก็ตามสัญลักษณ์ในการกำกับของ +\LaTeX\ ก็ยังเป็น macro ที่ประกอบด้วยชุดของคำสั่ง ซึ่งผู้ใช้สามารถเลือกกำกับด้วย% +คำสั่งได้โดยตรง. เหล่านี้เป็นตัวที่ทำให้ \TeX\ หรือ \LaTeX\ มีส่วนที่จะต้องขึ้น% +อยู่กับระบบอีก. + +ภาษาเพื่อการกำกับที่คาดหวังกันไว้นั้น จะเป็นตัวกำกับโครงสร้างของข้อความเพื่อให้% +ระบบสามารถจัดพิมพ์ หรือ แสดงผลได้ตามรูปแบบของตนเอง โดยไม่มีส่วนที่ต้องขึ้นกับ% +ระบบอีกต่อไป. ปัจจุบันนี้มีการกำหนดมาตรฐานของภาษาเพื่อการกำกับขึ้นมาใหม่, เรียก% +ว่า XML (eXtensible Markup Language)~\cite{xml} เพื่อให้สะดวกต่อการใช้มากขึ้น% +กว่า SGML. XML เป็น subset ของ SGML, เป็นภาษาที่ออกแบบไว้เพื่อใช้ในการสื่อสารบน% +เครือข่ายโดยเฉพาะ. XML ต่างจาก SGML ตรงที่มีการคำนึงถึงปัญหาต่างๆ ซึ่งอาจจะเกิด% +ขึ้นได้ในระหว่างการติดต่อผ่านเครือข่าย. XML จึงมีความยืดหยุ่นมากในการกำกับ และ% +ผู้ใช้สามารถกำกับให้รวบรวมข้อความหรือข้อมูลจากที่ต่างๆ พร้อมทั้งบอกลักษณะของข้อ% +ความหรือข้อมูลเหล่านั้นได้ด้วย. เหล่านี้ทำให้ XML เหมาะสำหรับการบันทึกข้อมูล +เนื่องจากว่ามีความยืดหยุ่นพอที่จะสามารถอธิบายโครงสร้างทางตรรกศาสตร์ (logical +structure) ของข้อความต่างๆ ได้, ไม่ว่าจะเป็นแบบฟอร์ม (form), บันทึก (memo), +จดหมาย (letter), รายงาน (report), หนังสือ (book), สารานุกรม (encyclopedia), +พจนานุกรม (dictionary) หรือฐานข้อมูล (database). + +ผู้เขียนจึงขอสรุปไว้ในตอนท้ายของบทนี้ว่า ในการบันทึกข้อมูลต่อไปในอนาคตนั้น, เรา% +จำเป็นต้องคำนึงถึงเงื่อนไขในการใช้งานบนเครือข่ายด้วย. เครือข่ายที่พูดถึงตรงนี้ก็% +เป็นเครือข่ายสากล (Global Network; World Wide Web), ไม่ได้จำกัดอยู่เพียงเครือ% +ข่ายท้องถิ่น (Local Area Network) อีกต่อไปแล้ว. การจัดเก็บข้อมูลที่เหมาะสมนั้นก็% +ควรจะต้องมีเนื้อหาของข้อความ (plain text) และข้อมูลของโครงสร้างทางตรรกศาสตร์ +(logical structure) กำกับไว้เพื่อที่จะให้ข้อมูลนั้นๆ เป็นอิสระจากอุปกรณ์ +(device) และระบบ (system). การจัดเก็บข้อมูลในลักษณะนี้จะแตกต่างจากวิธีการเก็บแบบ% +เก่า ที่ไม่ได้แยกข้อมูลสำหรับบอกลักษณะของการจัดพิมพ์ หรือแสดงผลออกจากข้อความ, +ดังเช่นไฟล์ข้อมูลที่ใช้ใน Wordprocessor ทั่วไป, nroff/troff, หรือที่เป็นเพียงบาง% +ส่วน ดังเช่นไฟล์ข้อมูลที่ใช้ใน \TeX\ หรือ \LaTeX\ ตามที่กล่าวไว้ข้างต้น +เป็นต้น. การเก็บข้อมูลด้วยวิธีหลังนี้ค่อนข้างตรง, สะดวกต่อการแก้ไขและแสดงผล. แต่% +เนื่องจากข้อความประเภทนี้จะมีแต่ข้อมูลที่เกี่ยวกับลักษณะของการแสดงผลเท่านั้น, +ไม่มีข้อมูลที่เกี่ยวกับโครงสร้าง หรือข้อมูลที่แสดงความสัมพันธ์ภายในข้อความ จึง% +ไม่เหมาะที่จะใช้ในการประมวลผล. การแสดงผลนั้นจะต้องขึ้นอยู่กับระบบเป็นส่วนใหญ่ +และเมื่อเกิดการแก้ไขการแสดงผลผู้ใช้ก็จำเป็นที่จะต้องแก้ไขรายละเอียดทั้งหมดให้สอด% +คล้องกัน. + +\section{ความเป็นจริงของภาษาที่สะท้อนจากข้อมูลจริง} + +กล่าวกันว่าในโลกนี้มีภาษาที่ใช้กันอยู่มากกว่า ๓,๕๐๐ ภาษา~\cite{enc-ling:88}, +ภาษาที่ตายไปแล้วก็มีอยู่มาก. ``ภาษาเป็น'' เท่านั้นที่ยังมีการเปลี่ยนแปลงอยู่. +ในที่นี้ผู้เขียนจะไม่กล่าวถึงทฤษฎีหรือไวยากรณ์ของภาษา, แต่จะชี้ให้เห็นถึงความ% +สำคัญในการที่จะต้องศึกษาภาษาจากที่ใช้กันอยู่จริง. + +ขณะนี้เรามีพจนานุกรมให้เลือกใช้กันอยู่มากมาย. กระนั้นก็ตามพจนานุกรมที่เรายึดถือ% +ใช้กันเป็นหลักอยู่ในตอนนี้ก็คือ พจนานุกรมฉบับราชบัณฑิตยสถาน. อาจเป็นเพราะว่าเป็น% +พจนานุกรมที่ได้รับการกลั่นกรองและตรวจสอบอย่างระมัดระวังมากที่สุดฉบับหนึ่ง จึงได้% +รับการอ้างอิงมาก, โดยเฉพาะในการตรวจสอบความถูกต้องของภาษาไทย. แต่ไม่ว่าจะเนื่อง% +ด้วยสาเหตุใดก็ตาม, จำนวนคำศัพท์ที่ปรากฏอยู่ในฉบับ พ.ศ.๒๕๒๕ นั้นยังมีอยู่จำกัด% +มาก (ประมาณ ๓๐,๐๐๐ คำ). จากที่ได้ทดลองสุ่มตรวจดูแล้ว ผู้เขียนพบว่าคำส่วนใหญ่ใน% +พจนานุกรมฉบับราชบัณฑิตยสถานจะเป็นคำย่อยเสียส่วนใหญ่. ส่วนใหญ่จะเป็นคำที่มีจำนวน% +พยางค์อยู่ระหว่าง ๒-๔ พยางค์~\cite{ristat}. คำที่ใหญ่ขึ้น, หรือคำประสมนั้น ก็มัก% +จะเป็นคำที่มีใช้กันมานานและไม่ค่อยจะปรากฏให้เห็นในบทความที่เขียนขึ้นในปัจจุบัน. +ตัวอย่างเช่น ในพจนานุกรมฉบับราชบัณฑิตยสถานมีคำว่า ``ที่'', ``อยู่'', ``คุ้ม'', +``ค่า'', ``ทำ'', ``งาน'', ``ถุง'', ``มือ'', ``ตู้'', และ ``เย็น'', แต่ไม่มี% +คำว่า ``ที่อยู่'', ``คุ้มค่า'', ``ทำงาน'', ``ถุงมือ'', และ ``ตู้เย็น''. + +การกำหนดคำเพื่อที่จะบรรจุในพจนานุกรมนั้นเป็นเรื่องที่จะต้องวิจัยกันอีกมาก. การ% +กำหนดคำอาจต้องคำนึงความถี่ของคำที่ปรากฏ ซึ่งอาจจะมองได้สองมุมที่ตรงข้ามกัน คือ: +๑) ความบ่อยครั้งของการใช้สายอักขระนั้นๆ น่าจะเป็นเกณฑ์ที่จะบอกว่านั่นคือ +``คำ'', กับ ๒) สายอักขระที่ไม่ค่อยปรากฏ มักจะยากแก่การใช้หรือเข้าใจ, ฉะนั้นควรจะ% +บันทึกไว้เป็น ``คำ''. การจะเลือกวิธีใดนั้น ขึ้นอยู่กับจุดประสงค์ในการเตรียม% +พจนานุกรมมากกว่า. แต่เราก็จำเป็นที่จะต้องอ้างอิงคำที่ได้จากทั้งสองวิธี. ผู้เขียน% +ได้เสนอการใช้วิธีการทางสถิติมาช่วยในการคัดเลือกคำตามความคิดที่หนึ่ง~% +\cite{virach:96}. วิธีการนี้จะให้รายการคำที่น่าจะบันทึกไว้ในพจนานุกรม โดยลำดับ% +ตามจำนวนครั้งที่ปรากฏในบทความนั้นๆ. ทั้งนี้ฝ่ายบัญญัติคำศัพท์จะต้องทำการคัดเลือก% +อีกครั้ง. ส่วนวิธีการสำหรับการคัดเลือกคำตามความคิดที่สองและการทำให้วิธีการที่% +หนึ่งเป็นไปอย่างมีประสิทธิภาพยิ่งขึ้นนั้น ก็เป็นหัวข้อที่จะต้องทำการวิจัยต่อไป. + +นอกจากคำศัพท์แล้ว, ไวยากรณ์กับการใช้ภาษาก็เป็นหัวข้อที่เราจำเป็นต้องเอาใจใส่. +ผู้เขียนได้ยกปัญหาของการใช้ภาษา และสนับสนุนการใช้เครื่องหมายวรรคตอน เพื่อเป็นการ% +แก้ปัญหาวิธีหนึ่งมาแล้ว~\cite{sk}. เดิมที, ภาษาไทยนั้นยากต่อการที่จะเขียน% +ไวยากรณ์ให้ครอบคลุมอยู่แล้ว. ปัจจุบันนี้ภาษาไทยได้เปลี่ยนแปลงไป ยิ่งทำให้ยากต่อ% +การที่จะอธิบายลักษณะการใช้อย่างมีประสิทธิภาพได้. ทำให้ต้องมีข้อยกเว้นมากมาย. +วิธีการหนึ่งที่จะทำให้ภาษาเป็นไปตามกฏเกณฑ์ที่รัดกุมได้วิธีหนึ่งก็คือการอาศัย% +เครื่องหมายวรรคตอน เพื่อให้ผู้เขียนยึดและคำนึงถึงการเขียนให้เป็นประโยคและรัดกุม% +ได้. ผลที่ได้รับจากการพยายามที่จะให้ได้ภาษาที่อิงไวยากรณ์ที่ใกล้เคียงกัน จะทำให้% +สามารถรวบรวมการใช้ภาษาได้อย่างมีประสิทธิผล. ผู้เขียนจึงได้สนับสนุนการใช้เครื่องหมาย% +วรรคตอน และเสนอให้มีการรวบรวมคลังข้อความ. และเพื่อการแสดงให้เห็นถึงผลของการใช้% +ข้อมูลดังกล่าว, ผู้เขียนก็ได้แสดงผลของการใช้งานในโครงการ Emacs เพื่อภาษาไทย และ% +การใช้งานในการสร้างระบบเพื่อการแลกเปลี่ยนข้อมูลต่างภาษาในโครงการ UNL. + +\section{แผนงาน ORCHID} + +\textbf{ORCHID} เป็นแผนงานเพื่อสนับสนุนการร่วมกันสร้าง, การร่วมกันใช้, และการ% +ร่วมกันพัฒนา ทรัพยากรทางภาษาของภาษาไทย, บนเครือข่าย World Wide Web. แผนงานนี้มี% +จุดประสงค์หลักอยู่สองประการคือ เพื่อแก้ปัญหากำแพงทางภาษา, และรักษาไว้% +เพื่อความคงอยู่ของภาษาและวัฒนธรรมไทย. + +แผนงานนี้จะรวมถึงการสร้างทรัพยากรทางภาษาโดยให้สอดคล้องตามมาตรฐาน, การศึกษา% +วิธีการใช้ข้อมูลทางภาษาเพื่อเป็นประโยชน์ต่อการประมวลผลภาษา, และการพัฒนาระบบ% +ประยุกต์เพื่อการใช้งานที่ประโยชน์ต่อสังคม. ทั้งสามประการนี้จะเป็นทั้งการสร้าง, +การค้นหาวิธีการ, และการตรวจสอบจากการใช้งานจริง. แผนงานนี้จึงถูกแบ่งออกเป็นสอง% +กลุ่ม คือ กลุ่มทรัพยากรพื้นฐาน (Basic Resources) และกลุ่มระบบประยุกต์ +(Application Systems) ตามวัตถุประสงค๎ของการวิจัยและพัฒนา. โดยที่ทั้งสองกลุ่มจะ% +สนับสนุนซึ่งกันและกัน. + +\begin{itemize} +\item \textbf{Basic Resources:} เป็นการสร้างทรัพยากรพื้นฐานประกอบด้วยสิ่งที่จะ% +นำไปใช้ในการศึกษาวิจัยลักษณะของภาษา, และสิ่งที่จะนำไปใช้เป็นองค์ประกอบหนึ่งในการ% +พัฒนาระบบประยุกต์. + \begin{itemize} + \item \textbf{Language Processing Library and Supporting Tools:} +เป็นการสร้างองค์ประกอบพื้นฐานทาง Software เพื่อให้สามารถสร้างโปรแกรมประยุกต์ได้% +รวดเร็วและอยู่บนมาตรฐานอันเดียวกันได้. จนถึงปัจจุบันส่วนใหญ่ผู้พัฒนาจะทำการพัฒนา% +กันอย่างอิสระ โดยไม่มีการแลกเปลี่ยน หรือรวบรวมเพื่อการแก้ปัญหาอย่างถูกต้อง. +เมื่อ Software ตัวหนึ่งหายไปจากตลาด, ประสบการณ์และวิธีการต่างๆ ก็หายไปกับ +Software ตัวนั้นด้วย. + \item \textbf{ORCHID POS Tagged Corpus~\cite{orchid,virach:98,virach:97}:} +เป็นการสร้างฐานข้อมูลพื้นฐานทางภาษา ที่มีการกำกับหน่วยที่เป็นคำพร้อมๆ กับหน้าที่% +ของคำๆ นั้น. ข้อมูลเหล่านี้จะใช้ในการศึกษา และให้ข้อมูลเกี่ยวกับการใช้คำในภาษา. +ปริมาณ, ความถูกต้อง, และความทันสมัยของข้อมูลจึงเป็นปัจจัยที่สำคัญ. + \item \textbf{ORCHID Treebank:} เป็นการสร้างฐานข้อมูลพื้นฐานทางภาษา ที่มีการ% +กำกับโครงสร้างของประโยคพร้อมๆ กับหน้าที่ของคำๆ นั้นในประโยค. ข้อมูลเหล่านี้จะใช้% +ในการศึกษา, และให้ข้อมูลเกี่ยวกับการใช้คำในประโยคและในการสร้างประโยค. ปริมาณ, +ความถูกต้อง, และความทันสมัยของข้อมูลจึงเป็นปัจจัยที่สำคัญ. + \item \textbf{Markup Language:} เป็นการสร้างภาษาเพื่อการกำกับ ซึ่งอาจจะอิง% +การกำกับแบบมาตรฐานสากล เช่น SGML หรือ XML ก็ได้. สิ่งที่ต้องทำคือการนิยามใน% +รายละเอียดปลีกย่อย ที่จำเป็นสำหรับการใช้งานในแต่ละด้าน. สิ่งที่สำคัญอย่างยิ่ง ก็% +คือในส่วนที่เกี่ยวกับภาษาไทย เช่น แบบฟอร์มจดหมาย, กาพย์, และกลอน เป็นต้น. + \item \textbf{Concept Alignment:} เป็นการสร้างระบบหน่วยความหมาย รวมถึง% +การนิยามหน่วยความหมายเพื่อการเชื่อมโยงคำระหว่างภาษาด้วย. + \end{itemize} +\item \textbf{Application Systems:} เป็นการสร้างระบบประยุกต์จากทรัพยากร% +พื้นฐาน และการใช้ผลจากการศึกษาทรัพยากรพื้นฐาน. ทั้งนี้จะเป็นตรวจสอบซึ่งกันและกัน% +ระหว่างทรัพยากรพื้นฐานที่ได้จากข้อมูลจริงกับระบบประยุกต์ที่ได้พัฒนาขึ้น. + \begin{itemize} + \item \textbf{UNL (Universal Networking Language):} เป็นโครงการเพื่อ% +การพัฒนาระบบสำหรับการแลกเปลี่ยนข้อมูลและข่าวสาร โดยไม่มีพรมแดนทางภาษา. +โครงการนี้ได้รวมถึงการใช้ข้อมูลและข่าวสารอย่างมีประสิทธิภาพด้วย เช่นการสืบค้น, +การย่อความ, และการนำเสนอ เป็นต้น. + \item \textbf{Emacs for Thai:} เป็นการประยุกต์ใช้การประมวลผลภาษาไทยบน% +ระบบ Editor ที่ใช้กันอย่างแพร่หลายระบบหนึ่ง. Emacs เป็น Editor ที่มีขีดความ% +สามารถสูงมากระบบหนึ่ง และตั้งแต่ version ที่ 20.1 เป็นต้นไป Emacs ยังได้รับการ% +พัฒนาให้รวมการประมวลผลแบบหลากภาษาจาก Mule (MULtilingual enhancement to GNU +Emacs) เข้าไปด้วย. + \item \textbf{LEX\textit{i}TRON:} เป็นการสร้างระบบพจนานุกรมที่สะท้อนจากข้อมูล% +จริง. พจนานุกรมฉบับนี้จะให้ข้อมูลทางด้านการใช้คำในการสร้างประโยค, มีการบอก% +หน้าที่ของคำอย่างชัดเจน และที่สำคัญคือการเข้าถึงคำศัพท์. ในอนาคตพจนานุกรมฉบับนี้% +จะให้ข้อมูลทั้งสองประเภทคือ ข้อมูลเพื่อการเขียน, และข้อมูลเพื่อการแต่งประโยค. +โดยจะคำนึงถึงผู้ใช้ที่เป็นเจ้าของภาษา และที่ไม่ใช่. + \item \textbf{\LaTeX\ for Thai:} เป็นการประยุกต์ใช้การประมวลผลภาษาไทยบน% +ระบบการจัดพิมพ์ที่ใช้กันอย่างแพร่หลายระบบหนึ่ง. ปัจจุบันมีบางส่วนที่ได้รับการ% +พัฒนาให้สามารถใช้งานได้บ้างแล้ว~\cite{tlatex}. บทความที่ท่านอ่านอยู่ในขณะนี้ก็% +จัดพิมพ์ด้วย \LaTeX\ ที่ได้รับการต่อเติมให้แสดงผลภาษาไทยได้. แม้ว่าระบบนี้จะใช้% +การได้ดีทีเดียว, แต่กระนั้นก็ตามผู้เขียนก็ ยังรู้สึกว่ายังมีอีกหลายสิ่งที่ต้อง% +พิจารณาแก้ไขและปรับปรุง. + \end{itemize} +\end{itemize} + +ในที่นี้ผู้เขียนได้กล่าวถึงลักษณะทั่วไป, โดยไม่ลงในรายละเอียดของแต่ละหัวข้อ% +ย่อย, เนื่องจากจะทำให้ใช้เนื้อที่มากเกินไป. ผู้เขียนจะหาโอกาสเพื่อให้รายละเอียด% +ต่อไปข้างหน้า, หรือผู้ที่สนใจอาจจะแสดงความคิดเห็นมายังผู้เขียนโดยตรงก็ได้. ความ% +คิดเห็นต่างๆ จะทำให้สามารถปฎิบัติได้เร็วและถูกจุดประสงค์มากยิ่งขึ้น. + +แผนงานที่กล่าวมาทั้งหมดนี้ไม่ใช่เป็นสิ่งที่ผู้เขียนต้องการพัฒนาเองทั้งหมด, หรือ% +เป็นเพียงสิ่งที่ผู้เขียนต้องการพัฒนาเท่านั้น. นี่เป็นเพียงการชี้ให้เห็นถึงแนว% +โน้ม และแนวทางที่เราสามารถปฎิบัติได้เพื่อจุดประสงค์หลักสองประการคือ +\textbf{เพื่อแก้ปัญหากำแพงทางภาษา, และรักษาไว้เพื่อความคงอยู่ของภาษาและวัฒนธรรม% +ไทย.} + +\section{บทส่งท้าย} + +แผนงาน ORCHID ในบทความนี้เป็นการเริ่มต้นของผู้เขียน. บางโครงการก็กำลังดำเนินการ% +อยู่ บางโครงการก็ยังอยู่ในระยะเริ่มต้นที่ผู้เขียนได้ลงมือดำเนินการไปแล้วบ้าง, +และบางเรื่องก็ยังเพิ่งอยู่ในห้องทดลอง. ผู้เขียนจะได้นำแผนงานนี้เสนอต่อไปยัง% +องค์กรที่เกี่ยวข้อง. จุดประสงค์ของการนำเสนอครั้งนี้ก็เพื่อก่อให้เกิดความเข้าใจ, +จะได้ช่วยกันคิด, ช่วยกันส่งเสริมไปในแนวทางที่จะพัฒนาขึ้นได้ต่อๆ ไป. ผู้ใดสนใจ% +หรือต้องการแนะนำ, ติดต่อผู้เขียนได้ตาม email ข้างต้น หรือดูข้อมูลเพิ่มเติมได้% +ที่ http://www.links.nectec.or.th/virach/home.html. + +\begin{thebibliography}{99} + +\bibitem{sk} + วิรัช ศรเลิศล้ำวาณิช + \newblock ๒๕๔๑. + \newblock \emph{เราจะเขียนภาษาไทยให้สื่อความชัดเจนยิ่งขึ้นได้อย่างไร} + \newblock นิตยสารศักยภาพ. + \newblock สมาคมนักวิชาชีพไทยในญี่ปุ่น + \newblock ปีที่ ๕, ฉบับที่ ๒, + \newblock หน้า ๒๖--๓๔. + +\bibitem{html} + \newblock http://www.utoronto.ca/webdocs/Official/intro.html. + +\bibitem{sgml} + \newblock http://www.oasis-open.org/. + +\bibitem{tlatex} + \newblock http://www.fedu.uec.ac.jp/ZzzThai/. + +\bibitem{orchid} + \newblock http://www.links.nectec.or.th/orchid/. + +\bibitem{xml} + \newblock http://www.personal.u-net.com/\~{ }sgml/xmlintro.htm. + +\bibitem{ristat} + \newblock http://www.links.nectec.or.th/virach/research.html. + +\bibitem{knuth:94} + Knuth,~D.~E. + \newblock 1994. + \newblock \emph{The \TeX book} + \newblock Addison-Wesley. + +\bibitem{lamport:94} + Lamport,~L. + \newblock 1994. + \newblock \emph{\LaTeX\ A Document Preparation System} + \newblock Addison-Wesley. + +\bibitem{sgml:90} + SGML User's Group. + \newblock 1990. + \newblock \emph{A Brief History of the Development of SGML} + \newblock http://www.sgmlsource.com/history/sgmlhist.htm. + +\bibitem{virach:98} + Sornlertlamvanich,~V., Takahashi,~N. and Isahra,~H. + \newblock 1998. + \newblock \emph{Thai Part-Of-Speech Tagged Corpus: ORCHID.} + \newblock Proceedings of Oriental COCOSDA Workshop. + \newblock pp. 131--138. + \newblock http://www.links.nectec.or.th/virach/publication.html. + +\bibitem{virach:97} + Sornlertlamvanich,~V., Charoenporn,~T. and Isahra,~H. + \newblock 1997. + \newblock \emph{ORCHID: Thai Part-Of-Speech Tagged Corpus.} + \newblock National Electronics and Computer Technology Center, Thailand. + \newblock TR-NECTEC-1997-001, + \newblock pp. 5--19. + \newblock http://www.links.nectec.or.th/virach/publication.html. + +\bibitem{virach:96} + Sornlertlamvanich,~V. and Hozumi,~T. + \newblock 1996. + \newblock \emph{The Automatic Extraction of Open Compounds from + Text Corpora.} + \newblock COLING-96, + \newblock pp. 1143--1146. + \newblock http://www.links.nectec.or.th/virach/publication.html. + +\bibitem{enc-ling:88} + Takashi,~K., Rokuro,~K. and Eiichi,~C. + \newblock 1988. + \newblock The Sanseido Encyclopaedia of Linguistics. + +\end{thebibliography} + +\end{document} |