rdf: lexicalForm in Portuguese uses spaces

[odanoburu]

but in English they are substituted for underscores

[arademaker]

yep. we need to normalize it. During RDF generation, since we have explicit string delimitators, I believe we should replace underscore by spaces. But for the files...

[vcvpaiva]

why not keep the English, well-established, usage?

[arademaker]

well-established used in the dbfiles. XML files use spaces I believe.

[arademaker]

see #168

[arademaker]

Penso que o melhor é sermos consistentes, trocar todas as ocorrências de underscore por espaço nos valores da propriedade wn30:lexicalForm. Query

select *
{
  ?a wn30:lexicalForm ?lf .
  filter regex(str(?lf),"[_]+","i")
}

Isso pode, no entanto, trazer alguns problemas para valores derivados:

1. labels dos wordsenses
2. uri das words que passariam de "word-x_y" para "word-x+y" (troca do underscore por +)
3. maior dificuldade com a sync entre sugestões da interface web

Então precisamos avaliar mais um pouco.

[arademaker]

De qq modo, para as words em PT, ou pelo menos para todas que foram marcadas com lang = PT, só usamos espaços:

select *
{
  ?a wn30:lexicalForm ?lf .
  filter ( lang(?lf) = "pt" && regex(str(?lf),"[_]+","i") )
}

Esta query não retorna valores.

[arademaker]

lendo melhor, este issue foi aberto questionando o uso de espaços para words em PT. Neste contexto, vou fechar o issue porque decidimos sim usar espaço e não underscore. Mas como na https://github.com/globalwordnet/english-wordnet/blob/master/src/yaml/noun.time.yaml, acho que devemos também trocar as words em EN. O recurso de trocar espaços por underscore foi uma forma de encoding das informações no formato datasse files de PWN. Vou abrir outro issue relacionado.