Møtereferat - Morfa-artikkel-møte 14.3.2012

Til stades: Heli, Ryan, Trond.

Saksliste:
* Arbeid sidan sist
* Gjennomgang av artikkelen
* Notatar
* Deadline


!!! Arbeid sidan sist

Lene, Trond som i artikkel.

Ryan har generert setningar (MorfaC 5 669 877; vasta 72 349) 

Lene: æ e litt usikker på at disse tallene er riktige, æ skal se nærmere på dem. VastaS har jeg jobbet mye med i perioder, og jeg har syntes at det er for få oppgaver der, jeg kan vanskelig tro at det er over 70.000 

Heli, leksikon.

!!! Gjennomgang av artikkelen

!!Hva må gjøres

* Artikkelen skal ha eit poeng
* Oneliner, poeng
* Koherens
* Rydde opp lause trådar

!!Kapittel for kapittel

!Introduction
ok no

!Background
Forkorte view og werti, skrive om andre som er ulike oss. Heli

!Other systems within the same approach
Trond.

!The system
blabla - intro

!Finite state transducers
Trond

!Lexicon structure
Heli, etter kvart også Lene.

!Morphological exercises: Morfa S
Trond.

!Contextual Morfa: Matrices and agreement
Ryan, etter kvart også Lene.

!Feedback
Lene.

!Comparision to other systems
* Den som har skildra systemet i kap 2 samanliknar no.
* NB! Der systema er (for) ulike / irrelevante samanliknar vi ikkje.

!Evaluation
intro blabla

!Evaluating the generated tasks
Lene + ulike som arbeider med det no.

!Logging usage / popularity / overall
Google analytics = Ryan

!Logging the answers
Kanskje kutte denne?

!Conclusion
Til slutt.




!!Arbeidsdeling, oss

!Alle
* Lese gjennom og sjå på heilheita

!Heli
* Skrive om system som er ulike vårt
* Lexicon structure

!Ryan
* Språk (seinare)
* Google analytics

!Trond
* fst
* MorfaS

!Lene:
* 1) henvise til vår tidligere artikkel
* 2) forkorte lexiconstructure
* 3) forkorte/finpusse 3.4 MorfaC
* 3.5 forbedre feedback - nytt img osv
* 4.1 lage tabell osv med evatlation of generated tasks


!!!Notatar

two onliners (!)
* students of m-rich languages need, and want, to master the m
* fst combined with matrix generation makes this possible

Notatar:

* fst  = The core. (and already available from other work)
* We have the lexicon, we classify according to stem type, semantics, etc.

Fst then does two things
# It generates the whole morphological space (all the forms)
# Controls output and input

Morfa S:
* Output: possibility of differentiate wrt dialect
* Input: The fst makes it possible to be tolerant wrt. a range of factors
* It also opens up for error detection (fst with error modulation)

Output Morfa C: We model sentence frames
Mathematically, also a transducer:

{{{
Maid SUBJ MAINV luomus
Root --> 338 frames
frame vcond0 = Maid x SUBJ() x MAINV() 
}}}


* Engelskoppgåver er syntagmatisk (lær å bruke ein preposisjon i ulike kontekstar)
** = Killerfiller
* Våre oppgåver er paradigmatisk (lær å generere ulike verb i denne konteksten)
** Konteksten vår er sjölvsagt generert, men under vår kontroll.

Morfa S size:

{{{
	nouns			
1187	2	1	1	2374
1187	5	2	1	11870
				
	verbs			
760	7	9	1	47880
				
	adjectives			
304	3	1	3	2736
304	5	2	3	9120
				
	pronouns			
10	5	5	1	250
				
	numerals			
12	1	1	2	24
12	4	2	2	192
				
collective	numerals			
10	1	1	1	10
10	4	2	1	80
				
derivations				
760	1	9	1	6840
304	1	1	1	304
				81680
}}}



!!!Deadline

* Lene startar med tabell.
* Heli startar med leksikon seint i kveld.
* Trond går og syng, ser på sine ting seinare.


__Fredag klokka 1600__:

Klokka er 10.00 i USA og Ryan ser på språk.

__Fredag klokka 2400__: 

Siste frist er ute.