Giellateknomøte, 19. 11. 2014

Saker

• Forbetring av paradigmegenerering
• Nettsidene våre
• Smenob/nobsme
• Oppfølgjingssaker
  • Sametinget / Giellagáldu e-ordbøker
  • CCF i Oslo 24.11.: http://www.mn.uio.no/ifi/om/aktuelt/arrangementer/andre/nlpg.html (Ciprian?)
  • Korp

Forbetring av paradigmegenerering

cgi-bin

Trond har sett på bug for ekstratekst. Sannsynlegvis er det ein fallback-mekanisme: Når den ikkje veit kva den skal gje gjer den alt.

Tagger på flere språk, med mellomrom mellom

Eksempel på presentasjon for paradigmegeneratoren:

vuovdi+N+NomAg+Sg+Nom => subst. handlernomen entall nominativ

Starte med database for tagger med oversettinger til forskjellig bruk og språk

Stader der vi finn taggar i dag:

• i n-sme.fst, s-sme.fst -skripta
  • gt/common/src/tag-no.regex, norsk
  • gt/common/src/tag-sme.regex nordsamisk
  • gt/common/src/tag-sjd.regex russisk (sic)
• i lista over hjelpefunksjonar for Korp
• NDS i configure
• i dokumentasjonen for dei morfologiske analysatorane våre

Innhald:

• Dei grammatiske termane som folk har lært på skolen
• For språka vi lokaliserer til: sme, nob, eng, fin, rus
• Referanse: Lingvist-taggar (dei som er i analysatoren)

TODO: Ciprian ser på dette i år.

Bug,

den viser baser bare for en av flere muligheter når PoS ikke er valg => skrive bz vuovdi (skal gi både A, N, N NomAg, V)

Hva vi kan gjøre nå, før databasen er ferdig:

• Fjerne pluss
  • Første steg: Taggar som no, men mellomrom og ikkje pluss mellom dei.
• Repetisjon av lemma
  • Repetisjon av lemma skal bort. Dette blir styrt i conf.pl, og sannsynlegvis i smi.cgi.

Paradigme utan ordklasse

Bug,

den viser baser bare for en av flere muligheter når PoS ikke er valg => skrive bz vuovdi (skal gi både A, N, N NomAg, V)

Det ligg eit dokument i techdoc som inneheld framlegg til forbetringar av paradigmegeneratoren, vi tar med det i arbeidet vidare

[/infra/web/ParadigmPresentation.html]

Nettsidene våre

Fra møtet 14.10:

• forbedre innholdet i ramma som er (Trond, Ciprian 15.10)
• forbedre oversettelser (Jussi, Ivan, Laura/Detmar), deretter
• forbedring layout pluss tekniske ting i Forrest (Diskusjon med Børre)
• endre layout innafor forrest (også lage ny forside, bilde etc.), ekstern person, januar 2015

Ting som skal gjøres med strukturen for hjemmesida:

• Dele gtuit i to: rein techdoc og gt-ekstern.
• gt-ekstern sett opp som Divvun, med fleirspråklege tabbar på toppen av sida (men disse kan ikke linkes flerspråklig)
• Slå saman gt-techdoc og divvun-techdoc (Sjur: Etter jul)
• Generere språkvalg inn på sidene: Frå side x på samisk til same side x på norsk

Arbeid i nyinfra, neste veke

• Dokumentasjon for feilmeldinger ved kompilering
• Bedre feilmeldinger i make
• Opplæring i nyinfra, også for yaml- og testskriptskriving

Smenob/nobsme

Paradigmegenerering i NDS for smenob

Eit neste steg for paradigmegenereringa i NDS vil vere å la dei andre språka få glede av sme-forbetringane

Lene og Ryan har arbeidd mykje, og det er oppretta ein bugzilla for å fikse de siste detaljene

Generering av fad-gt-mergeliste

Lene: Jeg har sett litt på filene. Mange av ordene er ikke i vanlig smenob, men i src_non-accepted, så jeg vil foreslå å samkjøre med ord derfra også. Det er en fordel å ha med infoen src= for alle oversettinger.

Da får vi N antall oversettelser fra gamle filer og N antall oversetteler fra merge-fila. Vi bør:

• Merke oversettelsene som ikke skal være med (både fra gamle og nye filer)
  • i hver sin mg
  • i samme mg => ikke merka, blir ikke med (dette gjelder også fra de “gamle” filene
• Merke med “trenger manuell redigering”

Viss fad-merge har samanfall i non-accepted blir non-accepted tatt med. Andre non-accepted forblir separat.

TODO:

• Lene lagar eksempel til Cip i csv
• Cip genererer ei kommaseparert liste av dei to katalogane (fad-merge + non-accepted)

Metadata

Metadata for de forskjellige ordbøkene skal oppdateres.

• NDS:
• Webdict: Dokumentasjonen er oppdatert.
• I filene: CC-informasjon skal være i alle filene, slik at de som henter filer til egne dicts osv er klar over CC-betingelsene (også gtweb osv)
  • TODO: CC-informasjon i alle filer. Script: Sjekke om det står CC, viss ikkje, legg til CC (Ciprian, Trond) *Problem: ord vi sjekkar sjekkar vi mot smenob.fst. Vi må ha tre smenob.fst, ein med src, ein med fad-merge og ein med non-accepted
  • Todo: Trond lagar fleire fst-ar.

Oppfølgjingssaker

• Sametinget / Giellagáldu e-ordbøker
• CCF i Oslo 24.11.: http://www.mn.uio.no/ifi/om/aktuelt/arrangementer/andre/nlpg.html (Ciprian?)