!!!FAD- og korpusmøte 20.11.2012

Til stades: Berit Merete, Børre, Marja, Ciprian, Sjur, Trond

!!! Saker:

* Status
* Arbeid framover
* Autshomato
* Neste møte



!!! Status

!! Gullgravinga

Ciprian har laga ei køyring (over 0.1) som M & BM har
sett på, med lemma & POS+. 

Status: Eit par dagars arbeid att.

Problem: Komposita.


$67 0 -5.798 0.0 0.2087912 språk+regle<n><f> giella+njuolggadus<n>
$167 0 -4.885 0.0 0.5604396 språk+regle<n><m> giella+njuolggadus<n>

11 0 -7.605 0.0 0.1212121 sovemedisin<n><m> oađđit+dálkkas<n>
$9 0 -7.805 0.0 1.0 sosial+satsing<n><m> sosiála+áŋgiruššat<v><iv><der4><der_n><n><pl><nom>
$3 0 -8.904 0.0 0.2222222 sommerhalvår<n><nt> geassi+jahkebealli<n>



$3 0 -8.904 0.0 0.2222222 sommerhalvår<n><nt> geassi+jahkebealli<n>
11 0 -7.605 0.0 0.1212121 sovemedisin<n><m> oađđit+dálkkas<n>
$9 0 -7.805 0.0 1.0 sosial+satsing<n><m> sosiála+áŋgiruššat<v><iv><der4><der_n><n><pl><nom>

OBS! vuohta er forsvunnet +Der/vuohta

7 0 -8.057 0.0 0.25 handel+avtale<n><m> efta+gávpi+šiehtadus<n>

{{{
$66 0 -5.813 0.0 0.25 spesialist+helse+tjeneste<n><m> erenoamáš+dearvvas+bálvalus<n>
=> spesialist+helse+tjeneste<n><m> erenoamáš+dearvvas+Der/vuohta+bálvalus<n>
erenoamášdearvvasvuohtabálvalus
}}}

{{{
dhcp806-ans:~ ttr000$ echo erenoamášdearvvasvuohtabálvalus | usme
0%>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>100%
erenoamášdearvvasvuohtabálvalus	erenoamáš+A+SgGenCmp+Cmp#dearvvas+A+Attr+Der/vuohta+N+SgNomCmp+Cmp#bálvalus+N+Sg+Nom
...

dhcp806-ans:~ ttr000$ echo erenoamášdearvvasvuohtabálvalus | usme | lookup2cg
0%>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>100%
"<erenoamášdearvvasvuohtabálvalus>"
	 "erenoamáš#dearvvasvuohta#bálvalus" N Sg Nom
}}}

Vi får lemma, men mistar delane. Jf:

{{{
dhcp806-ans:~ ttr000$ echo sátneheasta | usme
0%>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>100%
sátneheasta	sátni+N+SgNomCmp+Cmp#heasta+Ani+N+Sg+Nom

dhcp806-ans:~ ttr000$ echo sátneheasta | usme | lookup2cg
"<sátneheasta>"
	 "sátne#heasta" Ani N Sg Nom
}}}

Desse orda er merka.

{{{
63 0 -5.822 0.0 0.1111111 rik<adj> sátnerikkis<a>  = gt
34 0 -6.476 0.0 0.2 lære+verk<n><nt> sátni+oassi<n>  = ap

hum-tf4-ans161:second_run ttr000$ cat *candidates_ap* | grep sátnerikkis
hum-tf4-ans161:second_run ttr000$ cat *candidates_ap* | grep 'sátni+rikkis'

354 0 -4.096 0.0 0.025 samiskspråklig<adj> priváhtarievttálaš<a> gt
22 0 -6.911 0.0 0.5625 privatrettslig<adj> priváhtarievttálaš<a>
}}}


l ~/big/st/nob/nowac/nowac-1.1.lemmas_repaired.freq  # 
l ~/big/st/nob/nowac/nowac-1.1.lemmas.freq  
l ~/big/st/nob/00_readme.txt

* http://www.tekstlab.uio.no/nowac/
* http://www.hf.uio.no/iln/om/organisasjon/tekstlab/
* http://www.hf.uio.no/iln/om/organisasjon/tekstlab/prosjekter/nowac/index.html
* http://www.hf.uio.no/iln/om/organisasjon/tekstlab/tjenester/nowac-frequency.html


__GJERA:__
* Diskutere kolonnene med Francis (__Trond__)
* Bli ferdig med *.filtered (tidleg i neste veke) (__Marja, Berit__)
* Bruke NoWaC som språkmodell og køyre gt-parallellisering (__Cip__)
* Rydde opp i komposita (__På vent__)
* Skilje mellom fagord og andre ord
** Nye ordpar vil vi ha
** Lakuner i nobsme vil vi gjerne ha sjølv om det ikkje er fagord
** Ordpar vi allereie har filtrerer vi vekk
** nob-ord som har andre sme i FAD enn i nobsme er gode kandidatar til fagord
* Møte for å evaluere dei to vegane i neste veke


!! Korpuskonvertering
Later- og skip-tagger (på vent)
korpusarbeidet skal pågå kontinuerlig


! Korpus-buggar

* 1482	maj	P5	Pre- and	Børre Gaup	prepocess: problemer med kolon og linjeskift
** Denne vil vi fikse.
* 1061	min	P4	Corpus	Børre Gaup	Language identification ignores xml:lang value
** Dette ser ut til å vere overkommeleg.
* 1491	enh	P5	Corpus	Børre Gaup	Introduce new attributes to improve sentence alignability
** Denne bør opp som sak på FAD-møtet.
* 1391	enh	P5	Corpus	Børre Gaup	Files declared in xsl meta file but missing in the converted corpus
* 1481	nor	P5	Corpus	Berit Nystad Esko...	Underspecified translation direction (__Berit__)
* 1484	enh	P5	Corpus	Børre Gaup	unequal number of object vs. meta files in the whole corpus
* 1531	nor	P5	Corpus	Børre Gaup	Filnavn bør ikke inneholde spesielle samiske eller norske bokstaver
* 1074	nor	P5	Corpus	Ciprian Gerstenbe...	Possible infinite template recursion because of input data
* 1494	maj	P5	Pre- and	Trond Trosterud	Ø blir til både ø og ö i analysen
** Dette er ein bug som kan bli plagsom den dagen den blir plagsom.


__TILTAK__
* Ansvarlege: gå gjennom lista til neste møte.


!!! Arbeid framover
Sjå ovafor.

!!! Autshomato
Utsetje til neste møte.

!!! Neste møte
__Onsdag 19.12. 09.30__