Here is a sample of Basque vocabulary, with the stemmed forms that will be generated by this algorithm:
| word | stem | word | stem | |||||||||
|
barrutiaren barrutiek barrutien barrutietako barrutietan barrutik barrutiko barrutitan basa basailu basalto basamortu |
⇒ |
barru barru barru barru barru barrut barru barrutit basa basailu basal basam |
museoak museoan museoaren museoen museoetan museoko music musika musikagile musikagilea musikagileak musikagilearen |
⇒ |
museo museo museoaren museo museo museo music musi musika musi musi musi |
The following letters are vowels:
routines (
aditzak
izenak
adjetiboak
mark_regions
RV R2 R1
)
externals ( stem )
integers ( pV p1 p2 )
groupings ( v )
stringescapes {}
/* special characters */
stringdef n~ '{U+00F1}'
define v 'aeiou'
define mark_regions as (
$pV = limit
$p1 = limit
$p2 = limit // defaults
do (
( v (non-v gopast v) or (v gopast non-v) )
or
( non-v (non-v gopast v) or (v next) )
setmark pV
)
do (
gopast v gopast non-v setmark p1
gopast v gopast non-v setmark p2
)
)
backwardmode (
define RV as $pV <= cursor
define R2 as $p2 <= cursor
define R1 as $p1 <= cursor
define aditzak as (
[substring] among(
'le' 'la' 'tzaile' 'aldatu' 'atu' 'tzailea' 'taile' 'tailea' 'pera' 'gale' 'galea'
'gura' 'kura' 'kor' 'korra' 'or' 'orra' 'tun' 'tuna' 'gaitz' 'gaitza'
'kaitz' 'kaitza' 'ezin' 'ezina' 'tezin' 'tezina' 'errez' 'erreza'
'karri' 'karria' 'tzaga' 'tzaka' 'tzake' 'tzeke' 'ez' 'eza' 'tzez'
'keta' 'eta' 'etan' 'pen' 'pena' 'tze' 'atze' 'kuntza' 'kunde' 'kundea'
'kune' 'kunea' 'kuna' 'kera' 'era' 'kizun' 'kizuna' 'dura' 'tura' 'men' 'mena'
'go' 'ago' 'tio' 'taldi' 'taldia' 'aldi' 'aldia' 'gune' 'gunea' 'bide' 'bidea'
'pide' 'pidea' 'gai' 'gaia' 'ki' 'kin' 'rekin' 'kina' 'kari' 'karia' 'ari' 'tari' 'etari'
'gailu' 'gailua' 'kide' 'kidea' 'ide' 'idea' 'du' 'ka' 'kan' 'an' 'ean' 'tu' 'lari' 'tatu'
'rean' 'tarazi' 'arazi' 'tzat' 'bera' 'dako'
( RV delete )
'garri' 'garria' 'tza'
(R2 delete)
'atseden'
(<- 'atseden')
'arabera'
(<- 'arabera')
'baditu'
(<- 'baditu')
)
)
define izenak as (
[substring] among(
'ari' 'aria' 'bizia' 'kari' 'karia' 'lari' 'laria' 'tari' 'taria' 'zain' 'zaina'
'tzain' 'tzaina' 'zale' 'zalea' 'tzale' 'tzalea' 'aizun' 'orde' 'ordea'
'burua' 'ohi' 'ohia' 'kintza' 'gintzo' 'gintzu' 'tzu' 'tzua'
'tzo' 'tzoa' 'kuntza' 'talde' 'taldea' 'eria' 'keria' 'teria' 'di'
'za' 'ada' 'tara' 'etara' 'tra' 'ta' 'tegi' 'tegia' 'keta' 'z' 'zko' 'zkoa'
'ti' 'tia' 'tsu' 'tsua' 'zu' 'zua' 'bera' 'pera' 'zto' 'ztoa' 'asi' 'asia'
'gile' 'gilea' 'estu' 'estua' 'larri' 'larria' 'nahi' 'nahia'
'koi' 'koia' 'oi' 'oia' 'goi' 'min' 'mina' 'dun' 'duna' 'duru' 'durua'
'duri' 'duria' 'os' 'osa' 'oso' 'osoa' 'ar' 'ara' 'tar' 'dar' 'dara'
'tiar' 'tiara' 'liar' 'liara' 'gabe' 'gabea' 'kabe' 'kabea' 'ga' 'ge'
'kada' 'tasun' 'tasuna' 'asun' 'asuna' 'go' 'mendu' 'mendua' 'mentu' 'mentua'
'mendi' 'mendia' 'zio' 'zioa' 'zino' 'zinoa' 'zione' 'zionea' 'ezia'
'degi' 'degia' 'egi' 'egia' 'toki' 'tokia' 'leku' 'lekua' 'gintza' 'alde'
'aldea' 'kalde' 'kaldea' 'gune' 'gunea' 'une' 'unea' 'una' 'pe' 'pea'
'gibel' 'gibela' 'ondo' 'ondoa' 'arte' 'artea' 'aurre' 'aurrea'
'etxe' 'etxea' 'ola' 'ontzi' 'ontzia' 'gela' 'denda' 'taldi' 'taldia'
'aldi' 'aldia' 'te' 'tea' 'zaro' 'zaroa' 'taro' 'taroa' 'oro' 'oroa'
'aro' 'aroa' 'ero' 'eroa' 'eroz' 'eroza' 'ka' 'kan' 'kana' 'tako' 'etako' 'takoa'
'kote' 'kotea' 'tzar' 'tzarra' 'handi' 'handia' 'kondo' 'kondoa' 'skila'
'no' 'noa' '{n~}o' '{n~}oa' 'ska' 'xka' 'zka' 'tila' 'to' 'toa' 'tto' 'ttoa'
'txo' 'txoa' 'txu' 'txua' 'anda' 'anga' 'urren' 'urrena' 'gai' 'gaia'
'gei' 'geia' 'eme' 'emea' 'kume' 'kumea' 'sa' 'ko' 'eko' 'koa' 'ena'
'enea' 'ne' 'nea' 'kor' 'korra' 'ez' 'eza' 'eta' 'etan'
'ki' 'kia' 'kin' 'kina' 'tu' 'tua' 'du' 'dua' 'ek'
'tarik' 'tariko' 'tan' 'ordu' 'ordua' 'oste' 'ostea' 'tzara'
'ra' 'antza' 'behar' 'ro' 'giro' 'ak' 'zp' 'ket'
'kail' 'kaila' 'ail' 'kirri' 'kirria' 'ngo' 'ngoa' '{n~}i' 'sko'
'sta' 'koitz' 'koitza' 'na' 'garren' 'garrena' 'kera'
'gerren' 'gerrena' 'garna' 'kide' 'tz' 'tuko'
( RV delete )
'ora' 'garri' 'garria' 'or' 'buru' 'ren' 'tza'
( R2 delete )
'joka'
(<- 'jok')
'tzen' 'ten' 'en' 'tatu'
(R1 delete)
'trako'
(<- 'tra')
'minutuko'
(<- 'minutu')
'zehar'
(<- 'zehar')
'geldi'
(<- 'geldi')
'igaro'
(<- 'igaro')
'aurka'
(<- 'aurka')
)
)
define adjetiboak as (
[substring] among(
'era' 'ero' 'go' 'tate' 'tade' 'date' 'dade' 'keria'
'ki' 'to' 'ro' 'la' 'gi' 'larik' 'lanik' 'ik' 'ztik' 'rik'
( RV delete )
'zlea'
(<- 'z')
)
)
)
define stem as (
do mark_regions
backwards (
repeat aditzak
repeat izenak
do adjetiboak
)
)
/*
Note 1: additions of 21 Jul 2010
*/