Language Technology at UiT

The Divvun and Giellatekno teams build language technology aimed at minority and indigenous languages

View GiellaLT on GitHub divvungiellatekno/giellalt.uit.no

Giellateknomøte

Saker

Status før hausten

Anders

Servarar

Problem med servarane som stadig blir overbelasta. No litt meir stabil. Problemet er hausting som KI-firma står bak.

Korp er den tenesta som først blir tregare. Det kan vere fordi vi ikkje har overvaking på cgi-bin, det er cgi-bin-spørjinga som overbelastar servaren.

Konklusjon: Vi må få meir robuste løysingar.

A har skrive eit verkty for loganalyse. TODO Dokumentasjon på infrasidene til Tromsø-sida

Korp

Anders har analysert sme og fkv

Brede

Arbeidd i lag med Janita på den finsk-samiske ordboka, ho har brukt metadict og Brede har dermed forbetra den. Problem: Ustabil servar.

Brede har også tatt sin tørn med overbelasting av servarar. T.d. Norsk helsenett, som hadde fått i oppdrag av Uninett til å finne svakheiter ved norske universitet (!)

Korpoppdatering

Lokalisering

Det er hol i lokaliseringa. Må finne hvilke strenger som mangler oversetting, og i hvilke filer de mangler.

TODO: Anders lagar eit oversyn og så får relevant språkkunnskap styre vidare arbeid.

Konvertering av moderne korpora

Problem: Det er feil i lexc og i pmscript. Så er corpus-tools og divvun-checker “for streng”, og stoppar konverteringa.

TODO: - fiks lexc, pmscript: Trond, Sjur, Flammie, Lene - fiks corpustools, divvun-checker: Anders, Børre, …

OCR og historiske

Det som har skjedd er at corpus-tools ahr brukt den ocr-versjonen som vart laga då filene vart gjort om til pdf av dei som laga det (hovudsakleg det finske nasjonalbiblioteket og Google).

Vi har to prosedyrer: add_to_corpus og convert2xml.

Brede har ein modell basert på 1000 liner.

Brede diskuterer med Børre korleis vi kan få ny-ocr-lese hist-filene med Brede sin modell, kanskje med

<xsl:variable name="conversion_status" select="'image'"/>.

Så får vi evt. vurdere tagging (?!) og (deretter) som ein strippa tabell korp_mono i Korp.

NDS

Tilgang

Vi har framleis problem med (manglande) tilgang for brukarar utan vpn.

Dette er eit spørsmål til IT-avdelinga sin brannmur. Anders har meldt frå tidlegare og dei har ikkje funne ut av det. Vi treng ein større dialog med dei. Sist var det kanskje ei sak knytt til sertifikat.

TODO

Vise fleire lemma

Anders arbeidde med det i to veker i vår men fekk ikkje til lenkje til paradigmegenereringa frå kvar av dei to lemmaa.

Eit alternativ er “sjå også” (ikkje det same som syngr, men noko tilsvarande inni .)

Her må vi tenkje oss meir om. Trond Ty tar ein titt.

Metaordboka

Nye ordbøker

Ingen lagt til i sommar. Den nærliggande kandidaten er Itkonen. Hasselbrink er det mykje arbeid med. DG er ikkje der, men parsinga blir svært vanskeleg. PS i satni.org, her har Brede forbetra ein del.

Vi ser på manglande ordbøker.

Giellateknosidene

Ingen ting har skjedd i sommar.

Horizon 2030

Trond orienterte.

Føredrag og artiklar i haust

Vi held kvarandre orientert

Vegen vidare

Trond Ty lurar på kva han skal prioritere tida si (20 %) på. Anders føreslår det å vise fleire lemma per artikel i NDS, Trond Tr føreslår å rydde i NDS-koden. Også å ferdigstille lokalisering av korp er mogleg.

Prioritering:

  1. NDS-tilgang
  2. Korp-oppdatering (gammal og ny)
  3. Giellateknosidene

Neste møte

Om ei veke

Sitemap