UIT The arctic university of Norway > Giellatekno
 

130125p

Møte 25.01.13

Til stades: Ryan, Lene, Trond

Saksliste

  • Artikkel
  • Fstdict og plugin
  • Neste møte

Artikkel

Kan vi bruke korpuset med typos? Dekningen er likevel bra, over 90 %.

Eller skal vi lage et nytt korpus? Lene legger til tekster fra Ávvir osv.

Tabell 2: Også lage prosenter om ordformer (unifisere materialet)

facebook = 20% utan samisk tastatur.

Disposisjon for artikkelen:

  1. Intro
    1. There is...
    2. Kanskje dette: fst needed for comprehension dict: few lemma form in running text, non-obvious lemma + compound sprachbund
    3. muligheter med fst, legge til hva som helst (facebook, nno + nob osv)
    4. Disposisjon av artikkel
  2. Motivasjon for dictionaries
    1. Samisk - morfologi + sprachbund
    2. hjelp til lese samiske tekster -> samer kan skrive samisk
    3. Installeringsvanskar
    4. også nevne fin-sme (for samer i norge) og nob-sme (for samer i finland) - morfologien gjør fin-sme bedre og fordi språkene ligger nært hverandre så blir resultatet bra selv med lite arbeid
    5. Previous approach: listing morphological forms, referring to lemma article. We did this because this is how it is done Referere til Lingsofts Parrot
  3. Building..
    1. bookmarklet til staden for chrome plugin
  4. Evaluation
    1. fst dict Denne 4.1 opp til motivation + legg til note om suprasegmental morfologi korjaamo+ssa / bođii - boahtit
    2. testing on corpus
    3. facebook fst
    4. sma: Trond ordnar materiale, Lene køyrar sme-testane for sma også.
  5. Doing more Generalising the fst dic
    1. finsme: x lemma i finsme-ordbok + fst = y% dekning på z løpande ord (90% av ord i finsk tekst er ikkje grunnform)
    2. nno - nob
    3. Poenget frå multi-artikkelen: Try this at home: Viss språket ditt er på denne lista så køyr (fst + tospråklig ordliste) den tospråklege ordlista di vil med dette til og med bli brukbar...
  6. Conclusion
  7. Acknowledgments
    1. Sjur, Ciprian, Berit-Merete, Márjá

Fstdict og plugin

Filtrere svaret (evt bare for plugin-varianten, eksempelordet er:

boazodoallobearráigehččiid gir:

boazodoallobearráigeahčči (s.) – reindriftsinspektør
bearráigeahččat (v.) – inspisere
bearráigeahčči (s.) – oppsynsmann
boazodoallu (s.) – reindrift
doallu (s.) – driftsenhet, drift
doalut (s.) – arrangement
boazu (s.) – rein, reinsdyr

slik er analysen:
boazodoallobearráigehččiid
boazodoallobearráigehččiid	boazu+Ani+N+SgNomCmp+Cmp#doalut+Event+N+SgNomCmp+Cmp#bearráigeahčči+Hum+N+NomAg+Pl+Gen
boazodoallobearráigehččiid	boazu+Ani+N+SgNomCmp+Cmp#doalut+Event+N+SgNomCmp+Cmp#bearráigeahčči+Hum+N+NomAg+Pl+Acc
boazodoallobearráigehččiid	boazu+Ani+N+SgNomCmp+Cmp#doalut+Event+N+SgNomCmp+Cmp#bearráigeahččat+V+TV+Der/NomAg+N+Pl+Gen
boazodoallobearráigehččiid	boazu+Ani+N+SgNomCmp+Cmp#doalut+Event+N+SgNomCmp+Cmp#bearráigeahččat+V+TV+Der/NomAg+N+Pl+Acc
boazodoallobearráigehččiid	boazu+Ani+N+SgNomCmp+Cmp#doallu+N+SgNomCmp+Cmp#bearráigeahčči+Hum+N+NomAg+Pl+Gen
boazodoallobearráigehččiid	boazu+Ani+N+SgNomCmp+Cmp#doallu+N+SgNomCmp+Cmp#bearráigeahčči+Hum+N+NomAg+Pl+Acc
boazodoallobearráigehččiid	boazu+Ani+N+SgNomCmp+Cmp#doallu+N+SgNomCmp+Cmp#bearráigeahččat+V+TV+Der/NomAg+N+Pl+Gen
boazodoallobearráigehččiid	boazu+Ani+N+SgNomCmp+Cmp#doallu+N+SgNomCmp+Cmp#bearráigeahččat+V+TV+Der/NomAg+N+Pl+Acc
boazodoallobearráigehččiid	boazodoallu+N+SgNomCmp+Cmp#bearráigeahčči+Hum+N+NomAg+Pl+Gen
boazodoallobearráigehččiid	boazodoallu+N+SgNomCmp+Cmp#bearráigeahčči+Hum+N+NomAg+Pl+Acc
boazodoallobearráigehččiid	boazodoallu+N+SgNomCmp+Cmp#bearráigeahččat+V+TV+Der/NomAg+N+Pl+Gen
boazodoallobearráigehččiid	boazodoallu+N+SgNomCmp+Cmp#bearráigeahččat+V+TV+Der/NomAg+N+Pl+Acc
boazodoallobearráigehččiid	boazodoallobearráigeahčči+Hum+N+NomAg+Pl+Gen
boazodoallobearráigehččiid	boazodoallobearráigeahčči+Hum+N+NomAg+Pl+Acc

Tilsvarende for derivasjoner, eksempelord er: boradeimmet

boradit (v.) – spise, ete, ha et måltid borrat (v.) – spise, ete, etse

Slik er analysen: boradeimmet boradeimmet borrat+V+TV+Der/d+V+Ind+Prt+Pl1 boradeimmet boradit+V+TV+Ind+Prt+Pl1

  • Regel 1: Hvis det finnes en analyse uten #, så fjern analysene med #
  • Regel 2: Hvis det finnes en analyse uten Der/, så fjern analysene med Der/
  1. Vanleg ordbok: Berre leksikaliserte, berre korrekt samisk
  2. Studentordbok: Også dynamisk samansetjing, men berre korrekt samisk
  3. Facebookordbok: Berre leksikaliserte, men også iPhone-samisk

Denne lista kan vi ha inn i artikkelen også.

Legge til informasjon om morfologi

Ved å filtrere analysene slik som i forrige sak, så har man god plass i vinduet til å legge til morfologi (plugin-varianten):

boazodoallobearráigehččiid N Pl Acc eller N Pl Gen av boazodoallobearráigeahčči (s.) – reindriftsinspektør

Context i miniparadigmet

I adjektiv-fila er det info om context:

<l context="bivttas" pos="a">fiskat</l>

Denne infoen kan brukes slik i miniparadigmet:
adj. Attr   		alit (bivttas)     <========
adj. Pl Nom  		alihat
adj. Comp Attr		alihit
adj. Comp Sg Nom 	alihit
adj. Superl Sg Nom	aliheamos

Også i numeralfila er det context:

<l context="gápmagat" pos="num">guokte</l>

Den skal vises for plural-fomen i miniparadigmet: guovttit (gápmagat)

Manglende informasjon for numeraler

For numeraler får jeg ingen informasjon eller miniparadigme når jeg velger Mer informasjon.

Feil i presentasjon av morfologi

Selve ordboka (ikke plugin):

gaskabeivviid is a possible form of ...

gaskabeivviid   <== her skal det være lemma, ikke ordform
s.
s. fl. akk.
s. fl. gen.
s. fl. akk.
s. fl. gen.
s. fl. akk.
s. fl. gen.

Her burde det ha stått:

gaskabeivviid is a possible form of ...

gaskabeaivvit
s. fl. akk.
s. fl. gen.
gaskabeaivi
s. fl. akk.
s. fl. gen.
beaivi
s. fl. akk.
s. fl. gen.
baakoegærjah is a possible form of ...

baakoegærjah  <== skulle stå: baakoegærja
N SgNomCmp Cmp#gærja N Pl Nom
N Pl Nom

Fjerne fra analysen som blir presentert til brukerne: aktor, nom.Ag., G3, G7. Denne informasjonen får brukerne i miniparadigmet.

Facebook-ordbok

sme-nob: På facebook er 20 % av teksten skrive utan samisk tastatur. Trond har laga eit spellrelax-filter som sjekkar for áčđŋšŧž når det står acdnstz, og til og med for áčđŋšŧž når det står ACDNSTZ (Pekka Sammallahti, og med han også ein del andre, skriv slik: oaZZut for oažžut). Trond tenkte vi kunne kompilere med den (eg vil utvide fst-repertoaret til ein facebook-sme.fst), så kunne vi ha eit alternativ nederst på lista, "Blogg-ordbok, facebook-ordbok" el.l. ("forstår samisk utan samiske bokstavar").

Kombinert norsk/nynorsk-ordbok

nob-sme: Ordboka vår er for bokmål. Trond tenkte å lage den også for å forstå nynorsk tekst:

  1. leggje til ei fil med ubøyelege nynorsk-ord: ikkje har ikke som lemma, osv.
  2. leggje til nynorskmorfologi for felles opne ord (maskulin får -ar, -ane i tillegg til -er, -ene).

Så kan vi lage ein dict-nob.fst, og bruke den

Lokalisering

Det kommer etterhvert, Ryan har en plan.

Frekvenssortering av mg i entryene

Vi ønsker å få de mest generelle oversettingene øverst i lista som presenteres for brukeren (eks. gå), og derfor vil vi merke disse mg med en attributt, og deretter sortere internt i hver entry. Dette vil forbedre presentasjonen også i fstdict.

tf mangler - må legges til

 <lg>
         <l pos="n">boaššu</l>
         <lc>boaššus</lc>
         <lc>boššui</lc>
      </lg>
      <mg>
         <tg xml:lang="nob">
            <tf pos="phrase_n">den innerste plassen i telt eller gamme</tf>
         </tg>
      </mg>

Lene lager en liste over ordformer som bør sjekkes, se også denne: sjekkliste for den nykompilerte ordboka (VD)

Neste møte

Mandag 28.1 kl 8.00