Bug 2296

Denne saka gjelder alle samiske språk, og er en sak vi bør diskutere, sikkert også utafor bugzilla. Jeg skriver den her slik at vi har dokumentasjon.

Trond og jeg har sett på korpusanalysen, og spesielt på sammensatte substantiv, i hvor stor grad vi kan se ordet 'innafra', dvs si se den morfologiske oppbygginga av sammensetningen. og vi sa noe som typer og produktivitet.

Men analysen av korpuset ga oss en liste på nærmere 97.500 ordformer som er sammensatte substantiv, selv om de ikke får en dynamisk sammensetningsanalyse. De utgjør 4 % av alle sammensetninger. Disse ordene fordeler seg på 1636 forskjellige sammensatte substantiv. Av disse har ca. 40 % forledd som ikke er leksikalisert som eget ord i transduseren, for eksempel fullstendig lånord (dragrace) og derfor ikke samisk sammensetning. Men det er også ord som som har lånt bare forleddet, som adoptiiva i adoptiivaváhnen (‘adoptivforelder’) og ca. 20 % adverb som førsteledd (f.eks. maŋisboahtti (‘etterkommer’). Det er en del færre som har substantiv eller adjektiv som førsteledd som i transduseren ikke kan danne dynamisk sammensetning, og det er noen pronomen, som iešdovdu (‘selvfølelse’). 

Noen typer av disse mener jeg burde ha dynamiske stier, se andre bz-er

Bør man ved tagging vise hvilken type sammensetning det er også for de sammensetningene som ikke bør være dynamiske?

Filer av interesse:
langs/sme/src/morphology/incoming/corpcmp_notcmpanalysis
langs/sme/src/morphology/incoming/lexccmp_notcmpanalysis