Korpusbargu

Plánenčoahkkin 3.3.17: Børre, Lene, Trond.

Ođđa bargi barggu birra

Parallelliseren

• Galle cealkapára lea juohke xxx2xxx-katalogas?
• evalueret automáhtalaš parallelliserejuvvon teavsttaid
  • 855 .html-fiilla prestable -sme ls prestable/tmx/fin2sme/fin
  • sme2smn, smn2sme, fin2sme, sme2fin, gal maid eará katalogat
  • smj2nob, …
• Bargu:
  • Mannat tmxaid čađa
  • Jos lea hui bahá boađus de sihkut .html-fiilla
  • Doallat testenbeaivegirjji ja
  • rapporteret feaillaid
  • (oažžut veahki ja) čállit .xsl-fiilii

Heajos parallelliseren. Sivat sáhttet leat:

• fiillat eai leat paralleallat
• nubbi lea pdf ja nuppi lea txt/docx
• ohcat minstariid das mo sáhttá buoridit parallelliserenprográmma

Paraleallateavsttaid lea vejolaš geavahit masa:

1. sátnegirjjit - sátnegirjipárat = korp
2. MT-barggu vuođđamateriála
3. TM (OmegaT)

Paralleallafiillat odne (galle fiilla prestable/tmx:s):

tmx $ for i in *
> do
> echo $i
> find $i -name '*.html'|wc -l
> done

855 fin2sme dict, mt  <===== 1
488 fin2smn dict  <===== 2
484 sme2smn mt
460 sme2sma mt
372 nob2sme dict, mt
326 sme2smj
310 smj2sma
290 fin2sms dict   <===== 3
283 sms2fin dict
280 smn2sms
279 sme2sms
177 sma2nob dict  <====== 4
150 sme2nob dict
135 sme2nno
87  smj2nob
55  sme2eng dict
20  fkv2nob dict
10  smj2sme

Eará áššit

• Teavsttaid čoaggit Interneahtas (eren. Suoma bealde?)
• Korpusa čorget (gávdnat boasttukonverteremiid, boasttugielaid jnv), eren. suoma beale teavsttaid
• Buoridit metadata korpusis, erenoamážit suoma beale
• sme-fin MT (generaliseret váttisvuođaid maid nubbi olmmoš implementere)