Lingvistmøte smj & sme om tagging og begrensning av derivasjoner Til stede: Inga, Sjur, Linda, Lene, Thomas, Trond !!! Tagger !! Gram/xxx Hvilke Gram-tagger trenger vi, og harmonisering mellom samiske språk {{{ I smj: +Gram/Comp !!≈ * @CODE@ = Inherent comp, lexicalized derivation +Gram/Superl !!≈ * @CODE@ = Inherent superl, lexicalized derivation +Gram/Dimin !!≈ * @CODE@ = Inherent diminutive, lexicalized derivation +Gram/NomAg !!≈ * @CODE@ = Inherent Actor Noun From Verb - Nomen Agentis, lexicalized derivation +Gram/r !!≈ * @CODE@ = Inherent -r derivation. guollit-guollár +Gram/NomAct !!≈ * @CODE@ = Inherent Actio Noun From Verb - Nomen Actionis, lexicalized derivation +Gram/NomInstr !!≈ * @CODE@ = Inherent Intsrumental noun From Verb, Nomen instrumentalis,lexicalized derivation +Gram/TAbbr !!≈ ; @CODE@ : Transitive abbreviation (it needs an argument) +Gram/NoAbbr !!≈ ; @CODE@ : Intransitive abbreviations that are homonymous +Gram/TNumAbbr !!≈ ; @CODE@ : Transitive abbreviation if the following +Gram/NumNoAbbr !!≈ ; @CODE@ : Transitive abbreviations for which numerals +Gram/TIAbbr !!≈ ; @CODE@ : Both transitive and intransitive abbreviation +Gram/IAbbr !!≈ ; @CODE@ : Intransitive abbreviation (it takes no argument) +Gram/3syll !!≈ ; @CODE@ : trisyllabic verbs +Gram/SentInit !!≈ ; @CODE@ : copula verb le- }}} Bør også disse få Gram: * +Gram/IV * +Gram/TV i staden for +TV og +IV som no, jf grønlandsk. {{+Gram/xxx}} blir brukt òg for leksikaliserte deriverte ord som ein parallell til dynamisk derivasjon. Alle Gram-taggar er __alltid__ valfrie ved generering, men ikke alle skal være valgfri for dict- og MT-generering, f.eks. +Gram/NomAg smj: politihkkár+N+Gram/r+Sg+Nom, tydelig for brukere at dette er en avledning av det ikke mye brukte "politihkkit" og ikke tilpasning av "politiker" Harmonisere slik at også nordsamisk får +Gram/NomAg, nå er det: * vuovdi vuovdi+N+NomAg+Sg+Nom IV og TV kan endres til +Gram/IV og +Gram/TV (vente med denne?) TILTAK: * Harmonisere alle samiske språk +NomAg > +Gram/NomAg osv. (dynamiske Der og leksikaliserte Gram skal være like). Dette forutsetter at +Gram/NomAg kan være obligatorisk for dict- og MT-generering Sammenlikning av NomAg-taggen i flere språk {{{ uit-mac-443:giellalt ttr000$ grep NomAg lang-*/src/fst/root.lexc lang-kpv/src/fst/root.lexc:+Der/NomAg !!≈ * __@CODE@__ lang-mdf/src/fst/root.lexc: +NomAg lang-mdf/src/fst/root.lexc: +Der/NomAg lang-myv/src/fst/root.lexc: +NomAg !!≈ * @CODE@ Actor Noun From Verb - Nomen Agentis lang-myv/src/fst/root.lexc:+Der/NomAg lang-sje/src/fst/root.lexc:+NomAg !!= * @CODE@ Agent noun lang-sje/src/fst/root.lexc:+Der/NomAg !!= * @CODE@ Derived agent noun lang-sma/src/fst/root.lexc: +Der/NomAg !!≈ | | | __@CODE@__ | VN | Nomen Agentis lang-sma/src/fst/root.lexc: %^NOMAGieDISIMP !!≈ | @CODE@ | diphthong simplification for NomAg ie stems lang-sme/src/fst/root.lexc: +NomAg !!≈ * __@CODE@__ Actor Noun From Verb - Nomen Agentis, +N+NomAg lang-sme/src/fst/root.lexc: +Err/Confused-NomAgIll !!≈ * __@CODE@__ grammarcheking rela word error confusion pairs lang-sme/src/fst/root.lexc:!+Der/eaddji ! XN = +Der/NomAg lang-sme/src/fst/root.lexc: +Der/NomAg lang-smj/src/fst/root.lexc: +NomAg !!≈ * @CODE@ Actor Noun From Verb - Nomen Agentis lang-smj/src/fst/root.lexc: +Gram/NomAg !!≈ * @CODE@ = Inherent Actor Noun From Verb - Nomen Agentis, lexicalized derivation lang-smj/src/fst/root.lexc:+Der/r !!≈ * @CODE@ VN - NomAg contracted verbs - guollit-guollár lang-smj/src/fst/root.lexc: +Der/NomAg !!≈ * @CODE@ VN -diddje lang-smn/src/fst/root.lexc: +NomAg lang-smn/src/fst/root.lexc: +Der/NomAg lang-sms/src/fst/root.lexc:+NomAg !!= * @CODE@ CHECK ME lang-sms/src/fst/root.lexc:+Der/NomAg !!= * @CODE@ agent V»N lang-vro/src/fst/root.lexc: +Der/JA !!= __@CODE@__ NomAg }}} !! Cmp/Sh - (Bug 2695) I MT er det problematisk å lage dynamiske sammensetninger, pga. +Cmp/Sh taggen. Sammenlikning av sme og smj: {{{ boradanbeavdi boradit+V+TV+Der/NomAct+N+Cmp/SgNom+Cmp#beavdi+N+Sg+Nom boradanbeavdi boradit+V+TV+Der/NomAct+N+Cmp/SgNom+Cmp#beavdi+N+Sg+Nom borranbeavdi borran+N+Cmp/SgNom+Cmp#beavdi+N+Sg+Nom echo boradangirji |apertium -d. sme-smj bårådibmegirjje }}} Her ville bårådimgirjje vært bedre. {{{ boradangirji boradit+V+TV+Der/NomAct+N+Cmp/SgNom+Cmp#girji+N+Sg+Nom bårådibmegirjje bårådit+V+TV+Der/NomAct+N+Cmp/SgNom+Cmp#girjje+N+Sg+Nom bårådimgirjje bårådit+V+TV+Der/NomAct+N+Cmp/Sh+Cmp#girjje+N+Sg+Nom }}} For å kunne generere bårådimgirjje må Cmp/SgNom endres til Cmp/Sh, noe som er mulig i MT, men problemet er at dette skal gjelde bare ulikestavelsesverb, NomAct-substantiver avledet fra ulikestavelsesverb og firestavelsessubstantiver, og da krever det en større ommøblering av bidixfila, hvor man må lage egne stier for disse verbene og substantivene. På nordsamisk er ikke boradeapmigirji mulig, derfor er Cmp/Sh default og ikke uttrykt i tagger. Også på lulesamisk er Cmp/Sh default, men den lange formen er også mulig. Hvis det ikke hadde vært samme tagger, så kunne man brukt +Use/NG, dvt. kunne man ha +Cmp/Sh som en tilleggstagg i analysen, men som ikke er obligatorisk i genereringa. En annen mulighet er å endre sme, slik at taggene er som i smj, men i MT vil det da være problemer hvis innputt er et tostavelsesverb og output er et trestavelsesverb, eller motsatt, noe som ofte er tilfellet. Gjøre Cmp-taggene ikke-obligatoriske, kombinert med +Use/NG: da kan vi ikke skille mellom genitiv og nominativ, f.eks. eatnigiella vs. eadnegiella Løsning: * Vi lar default typen bare ha +Cmp/SgNom+Cmp, og legger til en ekstra tagg for stien som ikke er vanlig, feks. +Cmp/Long+Cmp/SgNom+Cmp !! +A+Attr+Der/vuota vs. +A+Der/vuota Eksempel fra sme: {{{ ráhkisvuohta ráhkisvuohta ráhkis+A+Der/vuota+N+Sg+Nom ráhkisvuohta ráhkisvuohta+N+Sg+Nom ráhkesvuohta ráhkesvuohta ráhkesvuohta+N+Sg+Nom 0,000000 ráhkesvuohta ráhkis+A+Attr+Der/vuota+N+Sg+Nom }}} Dette er den eneste derivasjonen vi har lagt til ekstra informasjon til venstre for +Der/. For MT er problemet samme som med Cmp/Sh-taggenn (se forrige sak) Løsninger: * Vi lar default være +A+Der/vuota+N, og legger til en ekstra tagg for stien som ikke er vanlig, f.eks. blir A+Sg+Nom+Der/vuota+N eller A+Attr+Der/vuota+N !!! Avgrensing av derivasjoner Sjå [dette dokumentet|200423_AvgrenseAvleiing.html] (frå 23.4. 2020) Smj: Har fjerna Der/Comp og Der/Superl fra leksikonene DIBME og AHTES. Der/Dimin er endret fra Der1 til Der2. (Har også lagt til ny Der/NomInstr) Se ellers liste i [dette dokumentet|../../lang/smi/AvgrenseAvleiing.html]. {{{ bálkkáhit bálkkáhit bálkáhit+Err/Orth+V+TV+Inf 0,000000 bálkkáhit bálkáhit+Err/Orth+V+TV+Ind+Prs+Pl1 0,000000 bálkkáhit bálkáhit+Err/Orth+V+TV+Ind+Prs+Pl3 0,000000 bálkkáhit bálkáhit+Err/Orth+V+TV+Ind+Prt+Sg2 0,000000 bálkkáhit bálká+N+Der/Car+A+Der/Comp+A+Attr 0,000000 bálkkáhit bálká+N+Der/Car+A+Der/Comp+A+Sg+Nom 0,000000 OBS, denne skulle vært borte bálkkáhit bálkkáheapme+A+Der/Comp+A+Attr 0,000000 bálkkáhit bálkkáheapme+A+Der/Comp+A+Sg+Nom 0,000000 náhkehit náhkehit nahkehit+Err/Orth-a-á+V+TV+Inf 0,000000 náhkehit nahkehit+Err/Orth-a-á+V+TV+Ind+Prs+Pl1 0,000000 náhkehit nahkehit+Err/Orth-a-á+V+TV+Ind+Prs+Pl3 0,000000 náhkehit nahkehit+Err/Orth-a-á+V+TV+Ind+Prt+Sg2 0,000000 náhkehit náhkki+N+Der/Car+A+Der/Comp+A+Attr 0,000000 OBS, denne skulle vært borte náhkehit náhkki+N+Der/Car+A+Der/Comp+A+Sg+Nom 0,000000 }}} Dekker over skrivefeil, se liste i [dette dokumentet|../../lang/smi/AvgrenseAvleiing.html]. Eksempel på ekte infinitiv som blir analysert som Comp (Lene har forbetra dis, desse blir Inf i neste korpus) {{{ 46 17142 "deattuhit" V 59 14872 "vuoruhit" V 68 13399 "evttohit" V 103 8121 "veahkehit" V 127 6240 "jođihit" V 130 6111 "doaimmahit" V 133 5973 "oahpahit" V 151 5377 "fuolahit" V 869 363 "eavttuhit" V 890 348 "geasehit" V }}} TILTAK: * Fjerne de resterende +Der/Car som får komparering (__Lene__) * Lage eget leksikon for -heapme som brukes med komparering (__Lene__) * Endre Der/Dimin endres fra Der1 til Der2 også i sme og sma og smn (__Thomas, Trond__ sistnevnte for smn) * Observere og deretter forbetre 12345-grammatikken ** se på grepkorpus: /home/corpus/grep_corpus/2021-01_hfst/ på gtweb og i Korp ** Vi bør holde et Korp kurs for alle: hvordan søke etter slike ting i Korp * __Nytt møte om en måned for oppfølging__