Editing Openai/694231e4-2244-8012-83ef-e82fe0c756eb (section)

==== - Sisend: LLM-väljundtekst TTT, sõnastik GGG (lubatud terminid + eelistatud kuju), keelatud sünonüümid SbanS_{ban}Sban, regex-reeglid RRR, tolerantsiparameetrid (nt lubatud käänete hulk, Levenshtein ≤ k). ====
* 1) Normaliseerimine: Unicode NFC, ühtlane jutumärkide/sidekriipsu kuju, lowercasing kontrolliks (originaal säilitatakse).
* 2) Terminiekstraktsioon: tuvastatakse kandidaatterminid (n-grammid, sõnastikupõhine match, regex-ankrud).
* 3) Sõnastiku vastendus (glossary match): iga kandidaat seotakse GGG kirjetega (täpne match, seejärel fuzzy match tolerantsiga).
* 4) Keelatud sünonüümide filter: kui leitakse SbanS_{ban}Sban vaste, märgitakse rikkumine; (valikuline) tehakse asendus eelistatud terminiga GGG-st.
* 5) Regex-reeglite jõustamine: nt ühikute vorm (kWh, MW), kuupäevad (YYYY-MM-DD), keelatud mustrid (nt “100% kindel” poliitikas), nõutud mustrid (nt “mõõdik:”).
* 6) Automaatne võrdlus + tolerants: võrreldakse “parandatud” vs “originaal” muutuse ulatust; kui muutus ületab tolerantsi, suunatakse inimese ülevaatusele või tehakse teine LLM-pass piirangutega.
* 7) Väljund: (a) lõplik tekst, (b) rikkumiste logi (asukoht, reegel, paranduse tüüp), (c) skoorid.

Mõõdikud (defineeritud):
* Terminikuulekuse määr (TCR): TCR=#(terminiesinemised, mis vastavad G-le)#(ko˜ik tuvastatud terminiesinemised)\text{TCR}=\frac{\#(\text{terminiesinemised, mis vastavad }G\text{-le})}{\#(\text{kõik tuvastatud terminiesinemised})}TCR=#(ko˜ik tuvastatud terminiesinemised)#(terminiesinemised, mis vastavad G-le)
* Keelatud-sünonüümi rikkemäär (FSR): FSR=#(leidunud Sban esinemised)#(kokku tokenid vo˜i laused)\text{FSR}=\frac{\#(\text{leidunud }S_{ban}\text{ esinemised})}{\#(\text{kokku tokenid või laused})}FSR=#(kokku tokenid vo˜i laused)#(leidunud Sban esinemised) (täpsustada, kas normaliseerida tokenite või lausete järgi).