Două nume pentru același articol

Un cititor a găsit în articolele noastre traduse ceva ce nicio verificare automată nu putea vedea: o legătură care promitea un lucru și ateriza pe o pagină al cărei titlu susținea altceva. Am consemnat asta ca regulă și apoi am pornit să facem din ea o gardă.

Garda evidentă este „textul legăturii trebuie să fie titlul”. Garda aceea este greșită, iar aflarea motivului a cerut întreaga măsurătoare.

Regula evidentă nu este stilul casei

Am măsurat fiecare legătură internă dintre articole în nouă limbi: 1153 la număr, fără nicio țintă lipsă. Apoi am dat fiecărui text de legătură o notă față de titlul paginii spre care arată, ca suprapunere de cuvinte, și ne-am uitat la tot ce se afla sub un prag de 0.55.

Erau 418. Patruzeci și nouă erau în engleză, care este limba sursă și prin urmare, prin definiție, nu o alunecare de traducere. Acele patruzeci și nouă arată așa:

> o legătură pe care scrie only ever connects outbound, arătând spre un articol intitulat The case against port forwarding your panel

Aceasta nu este o greșeală. Un text de legătură scurt și descriptiv curge în propoziția din jurul lui și așa trebuie. O gardă pe banda de jos ar porni de patru sute de ori și ar numi zero defecte, iar o gardă care strigă degeaba „vine lupul” ajunge să fie sărită, ceea ce este mai rău decât să nu o aveți.

Așadar banda de jos este stilul casei, iar lucrul pe care îl căutam se află cu totul în altă parte.

Defectul se află în banda de sus și este o înlocuire

Cazul din raport are o suprapunere de 0.78. Este mult deasupra pragului, și de aceea o căutare sub prag nu l-ar fi putut găsi niciodată.

> legătura: ein Ablauf ist ein Graph, und ein Graph muss endlich sein > titlul: Ein Flow ist ein Graph, und er muss endlich sein

Textul legăturii nu este mai scurt decât titlul și nu este o parafrază. Citează titlul și schimbă un cuvânt. Aceasta este forma adevărată a defectului: apare un cuvânt pe care titlul nu îl conține și, în același timp, lipsește un cuvânt din titlu.

A scurta un titlu este în regulă, fiindcă o legătură dinăuntrul unei propoziții adesea nu poate duce tot titlul. A adăuga un cuvânt de lămurire este în regulă. A le face pe amândouă deodată înseamnă că pentru un singur articol circulă două nume, iar cititorul care a văzut legătura și apoi titlul din pagină trebuie să hotărască dacă se află pe pagina cea bună.

Spusă așa, regula este o singură propoziție și supraviețuiește contactului cu text adevărat. Deasupra pragului de suprapunere, un text de legătură poate să scurteze titlul sau să îl întindă, dar nu pe amândouă.

Două lucruri care par un alt nume și nu sunt

Două feluri de variație au trebuit filtrate înainte ca regula să fie utilizabilă, iar amândouă au fost găsite rulând-o și citind zgomotul.

Primul sunt cuvintele gramaticale: articole, conjuncții, prepoziții. Sunt structurale și nu poartă niciun nume. Orice cuvânt de cel mult două caractere este scos din amândouă părțile.

Pragul de două, și nu de trei, este măsurat și nu ales. Cazul italian din același raport este deve essere față de un titlu pe care scrie dev'essere: aceleași două cuvinte, scrise cu o eliziune. Cu o limită de trei caractere, dev cade din partea titlului, nu mai lipsește nimic, iar constatarea dispare. O gardă reglată cu un caracter prea agresiv ar fi ieșit verde pe unul dintre cele două cazuri pentru care fusese construită.

Al doilea este flexiunea. sell și selling, says și saying sunt același cuvânt în forme diferite, iar în opt limbi lucrul acesta este statornic. Două cuvinte care au aceeași rădăcină de patru caractere se socotesc același cuvânt.

Perechea engleză este triajul

A rămas astfel un set de constatări care cereau o judecată, iar judecata trebuia să vină de altundeva decât din gust.

Regula pe care am folosit-o: uitați-vă la aceeași legătură în sursa engleză. Dacă engleza își citează acolo propriul titlu, atunci traducerea a alunecat de la ceva și este un defect. Dacă engleza este ea însăși descriptivă în locul acela, traducerea urmează sursa și este stilul casei.

Este un test bun fiindcă se poate răspunde la el uitându-vă, nu cere să știți limba și pune hotărârea acolo unde se află deja sursa de adevăr. A produs optsprezece excepții dinadinse, fiecare consemnată cu motivul ei, care este întotdeauna o propoziție despre ce face engleza în locul acela și nu o notă pe care scrie „verificat”.

Reparația însăși a însemnat 76 de texte de legătură în 66 de fișiere, în opt limbi: cincisprezece în neerlandeză, treisprezece în italiană, douăsprezece în franceză, câte opt în română și ucraineană, câte șapte în germană și spaniolă, șase în portugheză și niciunul în engleză. Diferența a ieșit exact 66 de linii puse și 66 de linii scoase, ceea ce este cea mai ieftină confirmare care există că nu s-a mai mișcat nimic altceva. Numărul din banda de sus a scăzut de la 94 la 18, iar cele 18 sunt excepțiile.

O listă de excepții are nevoie de un test că este vie

Garda are unsprezece teste: câte unul pentru fiecare limbă, unul care cere ca fiecare excepție să poarte un motiv și unul care cere ca fiecare excepție să fie chiar atinsă.

Al treilea este cel important și vine dintr-o lecție scumpă din altă parte a acestui cod. O intrare dintr-o listă de excepții care are în ea o greșeală de tipar nu se potrivește cu nimic. Totodată arată complet, stă în fișier un an și, în tăcere, nu apără nimic. Aveam într-o altă gardă o listă de treizeci de intrări, dintre care patru erau moarte exact din motivul acesta.

Așa că lista este verificată din cealaltă parte: dacă o linie din ea nu pornește niciodată, testul eșuează, iar linia trebuie să plece. Asta închide bucla, fiindcă înseamnă că o excepție care a fost reparată nu mai poate zăbovi ca podoabă.

Garda a fost dovedită roșie înainte să fie crezută verde, pe starea arborelui dinaintea reparației: opt din unsprezece teste au eșuat, raportând exact cele 76 de constatări care au fost apoi reparate.

Două lucruri pe care runda le-a găsit și nu le-a reparat

Două constatări se aflau în afara ariei rundei și au fost consemnate în loc să fie reparate în tăcere.

Cinci traduceri ale unui articol pierduseră din titlu un cuvânt pe care alte patru limbi îl purtau, așa că același articol avea un subiect diferit în limbi diferite. Aceasta este o problemă de titlu și nu una de legătură, iar ea a fost rezolvată separat.

Articolele ucrainene scriu un termen din industrie în două feluri, șaptesprezece fișiere față de șase. Aceasta este o hotărâre de terminologie pentru tot catalogul și nu un defect în șaptesprezece fișiere, iar luarea ei în trecere, în timp ce reparați altceva, este felul în care un catalog ajunge cu trei scrieri în loc de două.

Ce am consemna

1. 01Regula pe care ați scrie-o pornind de la raport este de obicei greșită. Măsurați tot corpusul înainte să o codificați.
2. 02Un text de legătură scurt și descriptiv ține de stilul casei, iar o gardă pusă pe el numește sute de nedefecte.
3. 03Defectul este o înlocuire, nu o scurtare. Un cuvânt adăugat și un cuvânt lipsă în același timp.
4. 04Uitați-vă deasupra pragului, nu sub el. Cazul adevărat a avut nota 0.78 față de un prag de 0.55.
5. 05Reglați limitele pe cazurile pe care le aveți, și verificați că reglajul nu face să dispară vreunul dintre ele.
6. 06Flexiunea nu este un alt nume. O rădăcină comună este de ajuns.
7. 07Limba sursă este triajul. Dacă și engleza este descriptivă acolo, traducerea nu alunecă.
8. 08Fiecare excepție poartă un motiv, iar motivul spune ce face sursa, nu că s-a uitat cineva.
9. 09Testați că lista voastră de excepții este vie. O intrare moartă nu apără nimic și arată complet.
10. 10Dovediți garda roșie pe starea veche, cu numărul de constatări pe care ar trebui să le producă.

Ca să fie limpede ce este aceasta: 1153 de legături interne dintre articole măsurate în nouă limbi, fără nicio țintă lipsă, 76 reparate în 66 de fișiere, o diferență de exact 66 puse și 66 scoase, banda de sus scăzută de la 94 de constatări la cele 18 excepții consemnate, garda nouă cu 11 teste și dovedită roșie la 8 eșecuri pe arborele vechi, verificarea de conținut 851 din 851 de fișiere generate identice octet cu octet, suita web 4594 verde acolo unde era 4583, verificarea de tipuri curată, analizorul de cod fără erori și un baleiaj de octeți peste cele 66 de fișiere atinse, cu cele două numărători de tipografie lămurite și nu presupuse. Nedovedite: există în continuare un singur cititor pentru fiecare limbă, niciunul dintre ei nu este vorbitor nativ, iar motivele excepțiilor nu au fost citite de o a doua persoană.

Din munca de platformă la Provibr. Recenzia de cititor care a scos asta la iveală se află în trei defecte pe care niciun script nu le vedea, iar ce fac nouă cataloage unui set de comenzi fixe se află în șaisprezece mii de chei, nouă limbi.