!!!FAD- og korpusmøte 4.1.2013

Til stades: Berit Merete, Marja, Ciprian, Trond

!!! Saker:

* Status
* Euralex
* nobsme
* Arbeid framover med FAD
* Neste møte

!!! Status for FAD

Vi hadde: ap-pipeline med manuell sjekk.
Har vi no: gt-pipeline? Ja.

{{fad_nobsme_candidates_gt-pl.20121213}}

Viktig poeng: Same input for gt og ap. Resultatet kan danne
grunnlaget for ein vitskapleg artikkel (kva metode er best).

!!! Euralex

Vi laga dette formatet til Euralex, parallel, i katalog
{{big/gt/sme/parallel_nob2sme}}. Det er på formatet:

* nobsent<tab>smesent

Ciprian har laga ein ny versjon av parallellkorpuset for Euralex.

Alle er fornøgd, og har no ein betre parallellversjon.


!!! nobsme

Marja har arbeidd med eksempelsetningar. Problem:
nob-setninga inneheld ikkje nob-ordet.

Marja og BM jobber med unifisering av nobsme, eksempelsetninger utelates i første omgang


!!! Arbeid framover med FAD

(jf. også siste møtereferat):

# gt-parallellisering (enkle punkt til måndag, vanskelege punkt til neste mandag)
## Filtrere bort modalverb frå gt-output (__Cip__)
## Filtrere bort plusslause parallellar som allereie er på plass via ap-output
  fra gt-output. = 14058 - 1983 = 12075. (__Cip__)
## Prosessere pluss-parallellar for å minimere lingvistisk reparasjon (__Cip__)
## Manuell gjennomgang av output for reinsa gt-pipeline. (__BM, M__)
# integrering av simplex ap-parallellisering i nobsme (med FAD-flagg) (12075) (__BM, M__)


I data Cip ordna før jul er nob-lemma simplex, men sme-lemma kan innehalde +.

Vi må ha ei rein liste som er simple-simple.
Den lista utgjer dei orda som skal fjernast frå gt-output.

main/words/dicts/nobsme/terms/admin/src

fad_nobsme.20121130_merged_comp.xml fad_nobsme.20121130_merged_simp.xml

{{{
src>grep '<t' fad_nobsme.20121130_merged_simp.xml | grep '+' | wc -l
    1983
src>grep '<t' fad_nobsme.20121130_merged_simp.xml | wc -l
   14058
}}}

!!! Neste møte

* I filmfestivalveka.