Parallelliseringsmøte 13.2.2012

Berit Merete, Børre, Sjur, Ciprian, Trond

Saksliste

• status for gullkorpus
• status for parallellføringa
• status for fase 1
• status for ordparallellisering
• arbeid framover

Status for gullkorpus

Status: Siste test fredag 10.2, 424 feil (96,65 %).

Problemområde som står att:

• doc-til-xml er for dårleg
• ei html-filer
• pdf-konvertering er for dårleg
• i nokre dokument er ikkje heile teksten parallell; metadata (i xsl-fila) som identifiserer dokumentfragment som skal ignorererast ved parallellføring vil vera ei hjelp i å forbetra parallellføringa i framtida

Status for parallellføringa

• 1528 tmx-filer i nob2sme
• 139 tmx-filer i sme2nob (i det minste 92 av dem må flyttes til nob2sme)

  • 1620 nob2sme

  • <47 sme2nob

Ord:

• 1,89 mill ord
• 2,32 mill ord

Kommandoar:

ccat -a -l sme -r $GTFREE/prestable/converted/sme/ | wc -w
ccat -a -l nob -r $GTFREE/prestable/converted/nob/ | wc -w

TILTAK

• Grovtest: tail -40 på alle tmx-filer. Dersom det dukkar opp problem:
• problemfiler blir fjerna

tail -50 depts/other_files/*x

see

Status for fase 1

Fase 1: Setningsparallellisere

1. forbetre parallelliseringa (Børre)
2. leggje til nye tekstar (Børre)
3. teste tmx i Autshumato (Sjur)
4. setje strek og ordparallellisere - dato: 10.2.

Alt er gjort.

Status for ordparallellisering - fase 2

Dokumentert, bortsett frå ein kommando.

TILTAK

• setja opp infra som krevst (Ciprian)
• køyra ordparallelliseringa (Ciprian)
• resultata skal vera ferdige 30.03.2012

Fase 2b:

• laga ekte TMX
  • utan ekstra mellomrom osb.
  • med autokorrektur?
• dokumentera bruken av dei, for to system:
  • Autshumato/OmegaT
  • Trados
• laga distribusjonspakker

Kva blir brukt ute i verda? UD:

• eu-relaterte dokument: Trados
• Dei andre: MultiTrans - Multicorpora Kanadisk selskap

http://www.multicorpora.com/en/products/

Siri Broch Johansen:

• bruker ikkje omsetjarprogram
• Samiske omsetjingar blir handtert av Semantix AS, som kontaktar frilansarar. Sjå [http://semantix.no/]

TILTAK

• endra katalognamn og filending: (Børre)
  • filending:
    • .tmx = ekte tmx (for bruk til omsetjarprogram som Trados og Autshumato)
    • kva med gamal: .tmx => .toktmx
  • katalognamn:
    • $GTFREE/prestable/tmx = EKTE tmx
    • $GTFREE/prestable/toktmx = gamal tmx, tokenisert tmx, berre brukbart til ordparallellisering
• kjøpa 1 Trados Freelance-lisens? Nei, vi ventar
• køyra autokorrektur med typos-lista på sme-tekstane (Børre)
• køyra vanleg stavekontroll (Børre, Sjur)
• sjå på resultata (BeritM)
• legge inn nye feil i typos.txt (BeritM)
• køyra manuell etterkorrektur?
• dokumentera Autshumato m TMX (Børre, Sjur)
  • installasjon av Autshumato
  • oppsett
  • installera TMX
  • bruka programmet med TMX
  • helst sjå på:
    • stavekontroll
    • ordbøker
    • terminologi

Arbeid framover

• tmx, sjå fase 2b over
• ordparallellisering, sjå over
• rapport

Neste møte

Fredag 17.2. kl 8:30

Vinterferier:

• sjur - 20.-24.2
• børre - 2,5 dagar 5.-9.3