GEUL (General Encoding Unified Language) é uma língua artificial e um formato binário para que pessoas e IA troquem informação sem ambiguidade.
Estes documentos definem a gramática do GEUL v1. A edição atual é um rascunho anterior à publicação e pode mudar. A especificação é aberta sob CC0 1.0.
Visão geral
- Todos os dados são uma sequência de palavras de 16 bits (WORD), escritas em big-endian.
- A unidade de dados é o registro. Um registro começa com um único TAG WORD, e esse TAG WORD indica o tipo e o comprimento do registro.
- Há quatro tipos de registro (Kind).
| Kind | Função | Exemplo |
|---|---|---|
| Reference | Aponta para um alvo | Q42 do Wikidata, #7 dentro deste documento |
| Value | Contém o próprio valor | data, quantidade, texto com idioma |
| Edge | Liga outros registros para enunciar algo | “Q42 é uma pessoa”, “O nome em inglês de Q42 é Douglas Adams” |
| Meta | Fala sobre o documento | edição da especificação, ID do documento, autor, assinatura |
- Os registros ficam reunidos em um documento. Como em HTML, o documento se divide em HEAD (Meta, mais a SOURCE de todo o documento e seu QUALIFIER) e BODY (Reference, Value, Edge).
- O documento é emitido por um Issuer (entidade emissora) e cada versão é fixada por um hash de conteúdo. Uma versão publicada não é alterada.
Princípios de projeto
- É possível pular registros sem livro de códigos. O tipo e o comprimento do registro estão nos 16 bits do TAG WORD. Um decodificador que não conhece o método de interpretação (o livro de códigos) ainda consegue contar e pular registros.
- Registra-se o enunciado, não o fato. O documento anota, por meio de Meta e de Edges de fundamento, quem fez o enunciado, quando e a partir de quê.
- A identificação é feita por Reference. Aponta-se por ID, não por nome. O nome é anexado por um Edge.
- O que foi publicado não muda. As correções saem em uma nova versão. Os IDs dentro do documento apontam para o mesmo alvo entre versões.
- Deixa-se espaço vazio. A maior parte do espaço de bits é reservada ao futuro. Códigos diretos não podem ser recuperados, por isso só se atribuem os de frequência comprovada.
Documentos relacionados
Se for a primeira leitura, leia a tabela de cima para baixo.
| Documento | Conteúdo |
|---|---|
| Estrutura do registro | layout do TAG WORD, Length, Codec, TAG estendida |
| Issuer e publicação | níveis de Issuer, tabela de atribuição de 2 WORD, forma de divulgação, assinatura, chave de verificação |
| Endereço de publicação e lista de versões | notação de ID, endereço de publicação, especificação de formato, lista de Issuers, lista de versões, camadas de confiança |
| Documento de especificação de Codec | livro de códigos escrito com DECLARE, FIELD, ENUM e CODEC |
| Documento geral | DOC, HEAD, BODY, END, ID do documento, hash de conteúdo, versões e revisões |
| Índice de códigos | todas as 227 casas atribuídas, tabelas de Codec por Kind e família |
| Disposição das seções | 16 seções e disposição das casas, intervalos atribuídos e Reserved |
| Marcador de posição | ABSENT, UNKNOWN-VALUE, NO-VALUE, regras de aceitação |
| Reference | identificação de alvos, LOCAL, referência externa, Quantifier, marcador de posição |
| Value | famílias de valores, código direto, texto, quantidade, data |
| Meta | estrutura, definição, proveniência, linhagem, verificação, política, IMPORT |
| Edge | famílias de enunciado, fundamento, execução e TOULMIN, TRIPLE, QUALIFIER, LABEL |
| TOULMIN | família de grafos de julgamento e execução, layouts de NODE, LINK, SOURCE |
| Exemplo: item do Wikidata | leitura de um documento palavra por palavra |
O que se sabe sem livro de códigos
| Informação | Sem livro de códigos | Fundamento |
|---|---|---|
| Kind | Sabe-se | faixa da seção w >> 9 do TAG WORD (Reference 0~2, Value 3·4, Edge 5~13, Meta 14·15) |
| Comprimento total do registro, posição do próximo registro | Sabe-se | Length do TAG WORD |
| Número do Codec | Sabe-se | TAG WORD (no formato Issuer, o Issuer e o número do Codec da TAG estendida) |
| Família e classe | Em parte | Só a família do código direto de Edge é conhecida pelos bits. A família do código direto de Value e do formato Issuer e a classe de Meta não são conhecidas pelos bits. No formato Issuer conhecem-se o Issuer e o número do Codec. A classe de verificação de Meta é reconhecida por C >= 5 (w >= 0x1E50) na seção 15 |
| Edge Id do Edge | Sabe-se | o primeiro componente de um Edge (seções 5~13) é sempre uma Reference LOCAL |
| Marcador de posição (não escrito, desconhecido, inexistente) | Sabe-se | o valor do WORD é 0x0000, 0x0010, 0x0020 (Reference, C < 3, L 0). Marcador de posição |
| Quantifier | Sabe-se | pelo deslocamento C dentro da seção: na seção 0, 5 <= C < 30; na seção 1, C < 30, vale C % 5 |
| Comprimento do TAG por Codec, posição inicial do Payload | Não se sabe | livro de códigos |
| Interpretação do Payload, papel dos componentes do Edge | Não se sabe | livro de códigos |
- Um decodificador sem livro de códigos pode pular registros e contá-los por Kind e Codec, mas não consegue seguir a estrutura do grafo.
- Todo decodificador deve processar as classes estrutura, definição e IMPORT de Meta. Esses Codecs pertencem ao livro de códigos central do GEUL, e o decodificador os conhece por uma tabela de números embutida (Meta).
O livro de códigos é publicado como documento GEUL (Documento de especificação de Codec). Assim, o decodificador só precisa obter e ler o documento de especificação de que necessita.
Estrutura das regiões
Os bits superiores do TAG WORD dividem as regiões.
| Prefix | Região | Proporção | Definição |
|---|---|---|---|
1 | futuro distante | 50% | Reserved (futuro distante). Não se usa |
01 | futuro | 25% | Reserved (futuro próximo). Não se usa |
001 | padrão | 12.5% | gramática oficialmente adotada e em operação |
000 | livre/proposta | 12.5% | gramática atual. Quando adotada, mantém-se o layout e só o Prefix passa para 001 |
Toda a gramática atual está na região 000. Todos os TAG WORDs desta especificação começam com 000.
- O decodificador v1 rejeita TAG WORDs cujo Prefix não seja
000. As demais regiões serão definidas por edições posteriores. - A região
000é um espaço de propostas. No momento, não se aplicam registro nem proteção.