Graammatikkontrollmøte 26.6.2019

saker:

VI MÅ VITA AT VI KLARAR Å FANGA OPP ALLE FEIL SOM STAVEKONTROLLEN FANGA TIDLEGARE!

Dvs vi må testa med same materiale, både stavekontroll og gramcheck-stavekontroll, og sjå at vi finn (minst) like mange feil, og at det er dei same feila vi finn.

Etter det kan vi sjå på andre ting.

convert2xml

• funkar ikkje med correct-no-gs - bruk –goldstandard, så blir ting lagt i rett mappe(tre)

ccat

• må gje heile setningar/avsnitt utan å leggja til blankteikn før komma, punktum, osb ** ekstra mellomrom blir lagt til når det kjem ein sluttagg (t.d. for ein feil) rett før teiknet ** dvs at alle skrivefeil+teiknsetting automatisk gjev dobbelt feil pga ekstra mellomrom
• ingen ¶ på slutten av kvart avsnitt, heller ei tom line (styrt med parameter?) - det er fjerna i testbenken, men burde òg kunna fjernast direkte med ccat

gramcheck.py:

• må kunna ta som argument om det er evaluering (=goldstandard) eller utvikling (=correct-no-gs)
• statistikk over identifiserte feil: ** total mengde feil ** kor mange feil for kvar feiltype (typo er det mest interessante no, for å jamføra med stavekontrolltestinga)
• precision/recall
• utvikling eller evaluering (sjå over)
• både lukka og ope korpus

Anna

• vi må ha 20% testmateriale for sma og smj òg