Møte 13. januar 2017

Hangouts: Kevin, Lene, Trond

Saker:

• Lansering
• Planlegge fram mot lansering
  • Forbedre html-løsninga
  • Linke til jorgal
• Oppdatere plan
• Lingvistikk

Lansering 26-27.1.17

• Ta kontakt med media på forkant (Lene, Trond)
  • Sagat, Nordlys, Ávvir, Finnmark Dagblad, NRK Sápmi
• Få tatt bilder

Planlegge fram mot lansering

Forbedre html-løysing

Lokalisering

[https://gtweb.uit.no/jorgal] må bli lokalisert

(alle iso-kodene må bli språk)

Vi lagar ei lokaliseringsside under techdoc/mt/smenob/Lokalisering.jspwiki

Alle språknamna skal vere på: nob, sme, fin, sma, smn, smj, eng

For folk som vil lokalisera til lule/enare/sørsamisk osb.: http://wiki.apertium.org/wiki/Html-tools#Quick_and_easy

Om-sida skal endres (Lene, Trond):

https://raw.githubusercontent.com/goavki/apertium-html-tools/websiteTranslationGiellatekno/assets/strings/eng.json

"What_Is_Apertium": "<p>Apertium is a <b>free/open-source machine translation platform</b>, initially aimed at related-language pairs but expanded to deal with more divergent language pairs (such as English-Catalan). The platform provides</p> <ol> <li>a language-independent machine translation engine</li> <li>tools to manage the linguistic data necessary to build a machine translation system for a given language pair and</li> <li>linguistic data for a growing number of language pairs.</li> </ol> <p>Apertium welcomes new developers: if you think you can improve the engine or the tools, or develop linguistic data for us, do not hesitate to <a data-toggle='modal' data-target='#contactModal' data-text='Help_Improve' data-keyboard='true' data-dismiss='modal' style='cursor: pointer'>contact us</a>.</p>",

Grensesnitt

Skilnaden mellom kvit og grå (aktiv / ikkje-aktiv) er for liten. Kevin ser på det.

Planen no er:

• Kjeldespråk: Nordsamisk
• Målspråk:
  • Norsk, finsk, enare- , lule-, sørsamisk

Menyen slik: Nordsamisk oversett Norsk, finsk, enare- , lule-, sørsamisk

Menyane

Dagens meny:

• om-menyen
• språknavn oversettes (Lene, Trond)
• Hvor mange lokaliseringsspråk
  • samme som vi oversetter til-fra pluss engelsk (Lene, Trond)
• Last ned
  • tilbyr i dag heile apertium-kjeldekoden
• Dokumentasjon
  • gjev i dag apertium-wikien
• Ta kontakt
  • Gjev i dag info om irc

Vi vil heller ha:

• Om-menyen
  • Om dei som har laga det lingvistiske innhaldet
  • må få ny tekst (Lene, Trond)
• For utviklarar (tidlegare “Dokumentasjon”)
  • teknisk dokumentasjon
  • try this at home (vil vi tilby “last ned”?)
  • Ta kontakt-lenkja tar vi inn under utviklarar
• Fant du en feil?
  • Denne bør ha ei e-postlenkje til giellatekno@uit.no

Logging

• av ukjende ord
• bruksmønster i UI, språkpar
• personvernpolicy

Ny url:

• mt.uit.no (hvis vi ikke får, så translation.uit.no ?) \
• dagens: gtweb.uit.no/jorgal

Omsetjing av nettsider

Er det forbetringspotensiale her?

• bug på lapinkansa.fi (må skrolla langt ned), ev. andre CSS-bugs
• men Apertium-pipelinen treng ei overhaling for å handtera formatering korrekt, dette er ei større oppgåva (ein del C++-arbeid, krev nokon som kjenner pipelinen godt)

Oppgåve for oss:

• Lag ei liste over nettsider som ikkje fungerer
• Deretter vurderer vi

Omsetjing av dokument

Dette virkar ofte ikkje (systematiser dette)

• Lene: virker for .txt men ikke for .docx
• Trond: Systemet seier at .docx og .odt fungerer, men ingen ting blir lasta ned

Googlebarheit for sidene våre

Vi må

1. ha meta-ord på omsetjingssidene
2. lenkje til desse sidene frå:
   1. wikipedia?
   2. andre internsider, med passande lenkjetekst («oversetting samisk norsk»)

Linke til jorgal

Legg inn referanse til jorgal, på

• våre sider (Lene, Trond)
• ulike NSR (Lene)
• Wikipedia (Trond)
• UiT (Lene)
• Finsk sameting etc. (Trond)

Oppdatere planen

[/mt/smenob/NorthSaamiNorwegianMachineTranslation.html]

(Lene) gjør dette på grunnlag av dette møtereferatet

Lingvistikk

se apertium-sme-nob/translations-test.html

Dekningsgrad

Børre samle inn NRK-tekster fra nett (Trond)

Leksikal selection

• legg inn eksempler i pendingtest, hvis du ikke fikser med en gang (eksempel regr test)
  • rabas: åpen/ledig, t.d.
• fulle setninger
• regression vs pending (Lene)

Behandling av acr

• Bestemt/ubestemt er ok, men tillegg av artikkel er eit problem. Vi treng ein tagg i apertium-nob slik at vi skal sleppe ubestemt artikkel, slik at vi kan generere akronyma. eks. NRL (NBR)

Best:
NBR n acr til NRL n acr

Feil:
  <e lm="NRL"><par n="Nn"/><par n="Rr"/><par n="Ll"/><par n="PC__n"/></e>
Korrekt:
<e lm="NRL">       <i>NRL</i><par n="Wikipedia__np"/></e>

<e>NRL<n><acr> → NRL<np>
<e>NRL<n><acr> → NRL<n><acr> <!-- legg til i nob.dix -->
  <e lm="NRL"><i>NRL</i><par n="km__n"/></e>

tf-hsl-m0016:apertium-nob ttr000$ grep NRK apertium-nob.nob.dix
  <e lm="NRK"><par n="Nn"/><par n="Rr"/><par n="Kk"/><par n="PC__n"/></e>
<e lm="NRK">       <i>NRK</i><par n="Wikipedia__np"/></e>
<e lm="NRK Sápmi"> <i>NRK<b/>Sápmi</i><par n="Aasen__np"/></e>

<pardef n="km__n">
  <e>       <re>.?</re><p><l></l>          <r><s n="n"/><s n="acr"/></r></p></e>
</pardef>
<pardef n="km_no-cp__n" c="Note: gives form a dot iff lemma has a dot,
                     don't include a final dot in the individual entries">
  <e>       <re>.?</re><p><l></l>          <r><s n="n"/><s n="acr"/></r></p><par n="'s_case\Ø_no-cp"/></e>
</pardef>

  <e lm="km">            <i>km</i><par n="VM__n"/></e>

Adverb, ordrekkefølge

finne eksempler og sortere i typer

Dáppe ii leat nu ollu diet vierru.
Her ikke det er så mye denne skikken. #t3x?

Die lea hui dehálaš seammaláganvuohta. @>A
Der er det svært ei viktig likhet. # er ikkje dette chunking? større chunk i t1x

Dat ii leat nu ahte go mii dáppe ávvudat juovllaid,
Det er ikke slik at når vi feirer her julen,  (=> julen her) #t3x?

Er det kanskje ein slik skilnad:

• mii ávvudat juovllaid dáppe = vi feirer julen her
• mii dáppe ávvudat juovllaid = vi her feirer julen

Vi bør tagge adverbene forskjellig i sme-syntaksen,

• tids/steds adverbial
• måtesadverbial

Propernoun

• dynamiske propernoun må endres i sme, (Lene skriver bz) Davvi-Oslo

Innsetting av pro

• innsetting av pro (t4x), forbedre Bedre med for få innsettinger enn for mange

Defness

• eks: søke om erstatningen
• t1x: vi kan bruke både lister av semantiske tagger, lister av substantiver og verbet (i liste)

Innsetting av artikler

• Ubestemt artikkel blir lagt til i t4x

25% en pleiemedarbeiderstilling (en helgstilling) (ikkje en etter modifiserer)

Derivasjoner

Kevin legger inn NomAct og NomAg

Overskrifter

Vi må forbedre behandlinga av overskrifter

• partisipp, ikkje Sg1 (Duoguštan vuodjinkoartta = Jeg beslaglegger sertifikatet)
• utan ubestemt artikkel (Kulturbálkkašupmi 2016 - En kulturpris 2016)
• ikke punktum