Q: сам/самий

[arysin]

ВЕСУМ:

сам adj:m:v_naz:&pron:def # сам, сами́й
    самий adj:m:v_naz:&pron:def # сами́й

самий adj:m:v_naz:&pron:def # са́мий

Теоретично критерії досить чіткі:

1. наголос, схоже для сам/самий наголос завжди на другому складі
2. якщо можна поміняти на «сам», то лема «сам»

Тобто «на самому велотреці було людно» - тут са́мому не звучить, і можна сказати «на сам велотрек я приїхав» схоже «само́му» і лема «сам». Але якщо дивитися на фразу «на самому початку» то є сумніви, бо:

1. з одного боку краще звучить «на само́му початку» і можна (мабуть) сказати «поставив на сам початок», але
2. з іншого боку у СУМі у статті http://sum.in.ua/s/samyj дають приклад: «До са́мого краю» (край і початок мають схожу семантику); і ще є проблема що можна сказати «прийшов на сам край». Чи тут вжиток «сам» у значенні «са́мий» є застарілим/розмовним??

[arysin]

VS: Це дуже слизьке місце. Найкраще було б оптимізувати в словнику, скажімо, об'єднати це в одну лему з широкою й великою парадигмою — але щоб лема була одна! Ну або одна лема "самий" з великою парадигмою і окремо форми сам v_naz/v_zna. Я довго думав, як би це краще зробити, але обидва варіанти спрощення муляють.
Проблема в тому, що ці вживання дуже-дуже важко розрізняти. Підозрюю, що мовці інколи можуть плутатися. І є також застарілі вживання в давніших текстах.
Іти за наголосом - річ непевна, бо він рухомий і звучить/не звучить — суб'єктивна оцінка.
"Самий" вживається переважно після прийменників, зокрема на позначення часової й просторової межі. Тому "на самому початку" - це лема "самий". І правильно буде "поставив на самий початок". Однак "сам початок вистави засвідчив..." - тут лема "сам", бо йдеться про значення "лише початок, без нічого іншого".
Коротше, було б добре, якось це об'єднати — навіть якщо це буде відхил від академічності. Зрештою наголос ми не враховуємо, а теги для непрямих форм всюди однакові — що для сам, що для самий. Проблема тільки в лемі. Теоретично можна було б покласти (дещо штучно, але зручно), що є одна лема "самий", яка має варіантну словоформу "сам" в v_naz/v_zna. Але тоді в тексті слово "сам" буде зводитися до леми "самий" — і це погано.

[arysin]

VS: я теж не до кінця певний щодо саме цього випадку, але вже утвердився в думці, що таке об'єднання — менше зло, ніж витрата купи часу на розмежування цих омонімів. Адже нам треба спершу вручну вибрати в кожному випадку правильний варіант, а потім натренувати модель, яка сама розрізнятиме. І саме в цьому випадку буде складно і людині, а модель взагалі робитиме купу помилок, бо контексти дууууже подібні, а відтак тягнутиме донизу загальну точність тегування. Якщо об'єднати, то все буде просто й однозначно.
В кінцевому варіанті протегованих текстів в alts мають залишитися, я вважаю, тільки ті випадки, де неможливо однозначно зняти омонімію (хочуть - форма від хотіти чи хтіти?) і де ми волюнтаристськи вибираємо один (частотніший) варіант.
А загалом ці складні моменти справді будуть мало кому потрібні. В англійських корпусах теж роблять спрощення й ідуть на розв'язки, які не є на 100% задовільними, але вони простіші й ніхто не вкладає сотні годин роботи в такі деталі.
його/її — це трохи інше, хоча проблема споріднена.