Grammatikkontrollmøte 26.4.2017

Til stades: Duommá, Kevin, Linda, Sjur

Saker:

• sidan sist
• arbeid framover

Sidan sist

Duommá

• som vanligt i framtiden har han jobbat med testkorpuset
• legge til tagger i leksikonet
• samle falske positiver av kommaregler til Linda
• testar hur reglerna funkar (hovedprøvekanin for grammatikkontroll)
• tweakar lexikons och compound-tags i henhold till for exempel real word errors
• legger till ord i listor før grammarcheckern
• ser hur reglerna kan utvecklas
• etc etc etc

Linda

[http://giellatekno.uit.no/bugzilla/show_bug.cgi?id=2363]:

#ADD:punct-sahcu (&punct-sáhcu) TARGET ("-" PUNCT) IF (NEGATE -1 CC);
    ## Muitalusat -girji

    # particle readings
    # -----------------


REMOVE:unspacecmp (Pcle) (0/0 ("mat" Pcle) LINK 0/2 N)(0 (N Pl Nom));
    ## bihtáidbargamat
    # assuming that mat only goes to verbs
    ## Dálkkádatrievdamat     dagahit stuorra hástalusaid álgoálbmotkultuvrraide , ealáhusheivehemiide ja servodatovdáneapmái .


REMOVE:unspacecmp (Pcle) (0/0 ("mat" Pcle) LINK 0/1 (N Sg Nom) OR (V Ind Prs Sg3 Err/Orth-a-á))(0 (N Pl Nom));
    ## Juohke vahkku lea sierra lekšuvdna ( plána ) mas ovdanbohtet doaimmat ja barggut , lohkamušat ja     logaldallamat.
    ## Fágaloggat ,     bagadallamat     ja profešuvdnamáhppa geavahuvvojit reaidun šaddat dihtomielalažžan iežas oahppamis.
    ## Sámi     vieruiduvvamat
    ## Ságastallamat     rivdet maiddái go oahppi álgá nuoraidskuvlii .
    ## Dát     čiekčamat     eai lágiduvvo eambbo okte juohke njeallji jagis .
REMOVE:unspacecmp (V Foc/gis) (0 (N Sg Loc));
    ## báikkálaš álbmogis
    ## Mii vuovdit gollosiid sidjiide geat eanemusat fállet bidjegis.
    ## 51_% galgá leahkit dan seamma     meinnegis     Stuorradikkis ovdal nu manná , muhto dasa mii goit leat bargame.

Problemord med analyse:

álbmogis
álbmogis    álbmot+N+Sg+Loc
álbmogis    álbmot+N+Sg+Acc+PxSg3
álbmogis    álbmot+N+Sg+Gen+PxSg3
álbmogis    álbmut+V+TV+Ind+Prs+Du1+Foc/gis
álbmogis    álbmut+V+TV+Ind+Prt+Pl3+Foc/gis

Saka er ferdig, vi legg til nye reglar i mwe-dis om det trengst (eller fjerner stiar i lexc).

Kevin

• døme i webdemo redigerbare av andre enn meg
• ckeditor-plugin, med webdemo (ikkje basert på SCAYT)
  • http://gtweb.uit.no/gc/ck/
• tilbakemeldingsmodul (divvun-suggest):
  • xml-format har no defaults m/regex på tagg
  • R:$2:17 betyr no «bytt ut ‘$2’ i tittel med/form til ordet med ID:17
    • ADDRELATION ($2) (&real-something) (0 (blah)) TO (*1 N);
    • “ord1” &real-something R:$2:17
    • “andreordimellom”
    • “ord2” N ID:17
    • errors.xml:
• pipelessness (bruk som bibliotek):
  • heile pipelinen utanom hfst-tokenise kan no køyra utan bruk av pipes/IPC (Windows sitt stave-API tillet ingen interprogramkommunikasjon)
  • https://github.com/unhammer/vislcg3/tree/StreamApplicator

Arbeid framover

Duommá

• som vanligt i framtiden ska han jobbat med testkorpuset
• legge til tagger i leksikonet
• samle falske positiver av kommaregler til Linda
• testa hur reglerna funkar (hovedprøvekanin for grammatikkontroll)
• tweaka lexikons och compound-tags i henhold till for exempel real word errors
• legge till ord i listor før grammarcheckern
• se hur reglerna kan utvecklas
• etc etc etc

Linda

• fortsatt problemer med taggrekkefølge: jierpmálaš+A+Sg+Nom+Superl burde være jierpmálaš+A+Superl+Sg+Nom

  "<jierpmálaš>"
        "jierpmálaš" A Sem/Dummytag Sg Nom <W:0> @<SPRED MAP:17047:r3339 &syn-super-part2 #7->7 ADD:11628:syn-super-part2
  syn-super-part2
        "jierpmálaš" A Sem/Dummytag Sg Nom <W:0> @<SPRED MAP:17047:r3339 Superl &SUGGEST #7->7 COPY:11630:syn-super-part2
  jierpmálaš+A+Sg+Nom+Superl      ?
  

TODO:

• (X) Linda legg inn på Bugzilla
• Kevin pratar med Tino

Kevin

• tilbakemeldingsmodul (divvun-suggest)
  • alternative forslag på same ord
  • forslag på ord-med-subreadings?
• pipeless bibliotek
  • hfst-tokenise inn i pipeless-prototyp
  • lesing av arkivformat
  • kodereinsk

Vi må ha eit møte med hfst-gjengen (Krister og Sam) for å diskutera gjenståande saker med pmatch/tokenise. Kevin kjem med forslag til tider som passar han, og Sjur tek det opp med Krister og Sam. Saker vi vil ta opp:

• kvifor blir pmhfst ca 3 gonger større enn input-fst?
• kvifor er runtime-minnebruk 6-7 gonger større enn fst-fil?
• er maskineriet kring tvetydig tokenisering ok? Kan det bli ein standard del av hfst-pmatch/-tokenise?