Giellateknomøte 14.10.

!!!Saksliste

* Programmerarstillinga
* programmerer-stillinga
* phd-stillinger
* bidix
* todo-lista
* Dubletter i korpus
* Detmars invitasjon til Tübingen
* Bruk av arbeidstid
* gtweb
* Rommet
* Diskusjonen om artiklar (slutten av diskusjonen)


!!!Saker

!! programmerer-stillinga

Trond har snakka med Eystein, som delegerer intervjuansvaret til Trond. 
Administrasjonen kan ikke hjelpe til med det praktiske med intervjuene. 
Trond engasjerer en til å gjøre dette for oss.

!! phd-stillinger

! programmerer phd.

Vi venter på instituttet. 

! lingvistisk phd

Trond tar opp saka.

!! bidix

!ordbok til bidix
Ciprian sjekka inn i går:

sme<tab>POS<tab>smn<tab>POS

finsmn/trans_dict/all_sme2smn.csv

{{{
albma   A       rievtis A 
albma   A       vuoigâ  A
albma   A       puigâ   A
albma   A       olmâ    A <===
albma   A       penttâ  A
albma   A       uálgis  A
albma   A       uálgispeln      A
albma   A       uálgispeeli     A
albma   A       piiŋušpeeli     A
albma   A       puigâ   A
albma   A       rievtis A
albma   A       vuoigâ  A
albma   A       olmâ    A
albma   A       penttâ  A
albma   A       olmâ    A

astat   V       enittiđ V
astat   V       kiergâniđ       V
astat   V       happiittiđ      V
astat   V       noddiđ  V
astat   V       ostâđ   V
astat   V       juovdâđ V
astat   V       ostâstuđ        V
astat   V       terttiđ V
astat   V       ostâđ   V   <===
astat   V       lijgodiđ        V
}}}

Desse skal over i bidix-format. 

# Ciprian lager et skript for Levenshtein.
# Ciprian viser til filene
# Vi studerer filene, og
# diskuterer (denne veka)

!Homonymi i bidix

{{{
finsmn/trans_dict$ wc -l all_sme2smn.csv  19390 all_sme2smn.csv
finsmn/trans_dict$ cut -f1 all_sme2smn.csv |sort -u | wc -l    6401
finsmn/trans_dict$ cut -f3 all_sme2smn.csv |sort -u | wc -l    9455
}}}

I dag har vi

{{{
 <e><p><l>gárdin<s n="n"/></l><r>kärdi<s n="n"/></r></p></e>
 <e><p><l>gárdin<s n="n"/></l><r>muorâkärdi<s n="n"/></r></p></e>
}}}  

Når det er flere smn for en sme: generere apertium-sme-smn.sme-smn.lrx

Det er ulike modellar for å prioritere mellom ulike omsetjingar, 
status i fst, rekkjefølgje i ordboka, redigeringsavstand til sme, ...
Vi må sjå på dei når vi kjem så langt.

<rules>
 
  <rule weight="1.0">
    <match lemma="gárdin" tags="n.*"><select lemma="muorâkärdi" tags="n.*"/></match>
  </rule>

  <rule weight="1.0">
    <match lemma="fertet" tags="vblex.*"><select lemma="kolgâđ" tags="vblex.*"/></match>
  </rule>

  <rule weight="1.0">
    <match lemma="sápmi" tags="n.sg.*"><select lemma="säämi" tags="n.sg.*"/></match>
  </rule>

  <rule weight="1.0">
    <match lemma="sápmi" tags="n.pl.*"><select lemma="sämmilâš" tags="n.pl.*"/></match>
  </rule>

</rules>



!! Automatarbeid, smn

Mål: Utnytte informasjonen i kolonnene i smn-ordbøkene

# Viss formene i kolonne y er bøyingsform av lemmaet i kolonne x er alt bra.
# Viss ikkje sjekkar vi.

Verb + bøyingsformer er:

{{{
cat smnfin/inc/2015/Saami-suoma_ERRATA_03072015.csv |grep 'đ '|cut -f1
}}}

Script: For ord nr 2, 3 på kvar linje, har dei lemma = ord 1?

Desse to filene har same innhald, og er dei som er i best stand.

{{{
aLanâddâđ  aLanâd     
aLaniđ  allaan     
a'ldadâllâđ  a'ldadâlâm     
aldaniđ       
a'ldediđ  aldeed     
alediđ       
a'lgâttiđ  aalgât     
almaaštâllâđ  almaaštâlâm  }}}

# smnfin/inc/2015/Saami-suoma_ERRATA_03072015.csv 
# smnfin/src/Saami-suoma_ERRATA_03072015_smnfin.xml 

{{{
cat finsmn/src/all_finsmn.xml |grep 'wf='

  <t pos="" wf="páárust">párustiđ</t>
  <t pos="" l_par="murista" wf="roVom">rohhoođ</t>
  <t pos="" t_tld="~ haridiđ haariid" wf="haarijd">harijdiđ</t>
  <t pos="" l_par="olla tuimana" wf="korâstâlâm">korâstâllâđ</t>
  <t pos="" l_par="niuhottaa" wf="kyeccist">kye'cistiđ</t>
  <t pos="" l_par="ihmistä t. esim. ihoa" wf="iär'dud">iär'dudiđ</t>
  <t pos="" l_par="härnätä jtkta" wf="háárdám">härdiđ</t>
  <t pos="" l_par="härnätä jtkta toistuvasti" wf="haardâš">ha'rdâččiđ</t>
  <t pos="" l_par="olla ärtyisä" wf="kyeccist">kye'cistiđ</t>
}}}

I beste fall er dei to identisk, som her:

{{{
smnfin:
addiittâllâđ  addiittâlâm addiittâl     
finsmn:
            <t pos="" l_par="toisiaan" wf="addiittâlâm addiittâl">addiittâllâđ</t>
}}}


Døme på verb med fleire enn ei wf:

{{{
"moostâm masta">mostâđ</t>
"ibárdâs paijeel">moonnâđ</t>
"iä'náduum iä'náduVá">iä'náduđ</t>
}}}


Døme på verb med berre ei wf:

{{{
"ramâččâdâm">ramâččâttâđ</t>
"kobdánâd">kobdánâddâđ</t>
"kobdoot">ko'bdottiđ</t>
"uulât">ulâttiđ</t>
"olám">olleeđ</t>
"keelijd">kelijdiđ</t>

cat finsmn/src/all_finsmn.xml |grep 'wf='|grep 'đ</t>'|sed 's/wf=/™/'|cut -d"™" -f2|grep ' '
}}}


Men i finsmn er einskildformer vs. fleirordsuttrykk disambiguert.

Lene og Trond ser på dette, med utgangspunkt i finsmn.

! todo-lista

Trond og Ciprian ser på det.


!! Dubletter i korpus

Ciprian har prosessert data. Vi har dublettpar av to typer:

 (1) filer men nesten samme naven

{{{
2015-10-13/sme/news/minaigi/2000/75-103/nmk-buljoglad.txt.xml
2015-10-13/sme/news/minaigi/2000/75-103/_nmk-buljoglad.txt.xml

2015-10-13/sme/news/minaigi/2000/75-103/od-1999.txt.xml
2015-10-13/sme/news/minaigi/2000/75-103/_od-1999.txt.xml

2015-10-13/sme/news/minaigi/2000/75-103/od-ingaguttorm.txt.xml
2015-10-13/sme/news/minaigi/2000/75-103/_od-ingaguttorm.txt.xml
...
}}}

 (2) filer med uliker navn (se BZ bug #2092)
 

# Same fil med ulike namn
# Same fil med like namn med ulike konvensjonar
# Nesten same fil med ulike namn
# Nesten same fil med like namn med ulike konvensjonar

Tomi hadde eit skript for å sjekke dublettar i korpus.

Vi tar initiativ til eit møte med Divvun om dette.

Det er også andre dublettar:

[Bug om dubletter i smn|http://giellatekno.uit.no/bugzilla/show_bug.cgi?id=2081]


!! Detmars invitasjon til Tübingen

November-desember?

Skrive til Detmar og:

framlegg om brukarloggar

Brukarloggar, ulike innfallsvinklar

Førebu oss på ei breitt perspektiv:

* dei ulike nettenestene
* ulike sider ved dei
* kva er det vi ikkje loggar, men som vi burde ha logga?

Fortelje om oss sjølv-foredrag (samiske språk, samisk språkteknologi)


!! Bruk av arbeidstid

Når det gjelder engasjementer og samarbeid med andre

* klar delegering av opplæring/oppfølging
* krav om bruk av dokumentasjon og egne notater
* vurdere arbeidsfelt mot
** forkunnskaper og tilstedeværelse
** tidsbruk til opplæring og oppfølging
* begrense tidsbruk i forhold til samarbeidspartnere, tidsbruk skal knyttes 
  opp mot felles publikasjoner

! Prioriterte område

* MT
* leksikografi
* modellering av morfologi <= vekta automater
* ICALL 


!! Rommet

Sjur har kontakt med Kyrre, som diskuterer eit konkret tilbod med oss denne veka. 
Deretter diskuterer vi rom + framtidsperspektiv.


!! gtweb

... vart oppdatert denne veka. Det avslørte at 
[don't panic-sida|/infra/DontPanic.html]
ikkje var eksplisitt nok. Vi har etter det oppdatert dokumentasjonen, og 
den er betre.

__Tiltak:__ Lene går gjennom dokumentasjonen og kommenterer.


!! Diskusjonen om artiklar (slutten av diskusjonen)

* smesma-artikkel NEJALT - intern deadline 27.10 - 
* Umeå: sirkumpolar (sjå førre møte)
* Umeå: Trond: Morfa
* Tromsø1 Sami symposium (2-3.2.16) - 11.11.2015 abstrakt http://site.uit.no/samesymposia/
* smesmn MT: Hvor vanskelig er maskinoversetting fra nordsamisk til inarisamisk?
* Tromsø2 (4.2.16) - 15.11. Formal approaches to Saami linguistics (inarisamisk morfofonologi?)
* Uleåborg (vente for å få med bidix og MT)
* SDÁ som kanal?