!!!FAD- og korpusmøte 14.1.2013

Til stades: Berit Merete, Marja, Ciprian, Trond

!!! Saker:

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


!!! Status

Trond har vore i Helsingfors. 

* Attende til gt:
** Filtrere bort frå gt-output alt som er parallellisert med apertium, slik
   at det manuelle gt-arbeidet blir berre på nye ord
** Resultat: {{l_gt}} i {{src/fad_nobsme.20121130_nob-c_sme-c.xml}}


!! gt

Todo-lista frå sist er ikkje gjort. Sjå nedanfor, under __gt__:

Denne kommandoen fjernar semantiske taggar (per 7.1.2013) frå output av lookup2cg.

{{cat fiilla | perl -pe 's/(Ani|Body|Build|Clth|Edu|Event|Fem|Food|Group|Hum|Mal|Measr|Obj|Org|Plant|Plc|Route|Sur|Time|Txt|Veh|Wpn|Wthr|Allegro|v1|v2|v3|v4) //g' > | uniq > fiilla_semhaga}}

Den reelle lista av semantiske taggar står her: 
{{main/gt/sme/src/sme-lex.txt}}

!!! Arbeid framover med FAD


Resultat av reversed engineering av ap-output 
(filer lagra i words/dicts/nobsme/:)

{{{
Entries:
src>grep '<e' fad_nobsme.20121130_nob-c_sme-c.xml | wc -l
    
Lemma nob ap:    
src>grep '<l ' fad_nobsme.20121130_nob-c_sme-c.xml | wc -l
    8358

Postprosessert lemma nob obt
src>grep '<l_gt' fad_nobsme.20121130_nob-c_sme-c.xml | wc -l
   10519
   
Postprosessert lemma nob obt med berre ein analyse
src>grep '<l_gt' fad_nobsme.20121130_nob-c_sme-c.xml | grep -v 'c="' | wc -l
    6867

Postprosessert lemma nob obt med berre minst 2 analyser
src>grep '<l_gt' fad_nobsme.20121130_nob-c_sme-c.xml | grep 'c="1"' | wc -l
    1300

etc...
src>grep '<l_gt' fad_nobsme.20121130_nob-c_sme-c.xml | grep 'c="2"' | wc -l
    1300

Tilsvarande for samisk:
Lemma sme ap:
src>grep '<t ' fad_nobsme.20121130_nob-c_sme-c.xml | wc -l
    8358
Postprosessert lemma sme ap analysert med sme.fst 
src>grep '<t_' fad_nobsme.20121130_nob-c_sme-c.xml | wc -l
    9981

Postprosessert lemma sme ap analysert med sme.fst med eitt lemma:
src>grep '<t_' fad_nobsme.20121130_nob-c_sme-c.xml | grep -v 'c=' | wc -l
    6691
    
Postprosessert lemma sme ap analysert med sme.fst med meir enn eitt lemma:
src>grep '<t_' fad_nobsme.20121130_nob-c_sme-c.xml | grep 'c="1"' | wc -l
    1319
etc:    
src>grep '<t_' fad_nobsme.20121130_nob-c_sme-c.xml | grep 'c="2"' | wc -l
    1319
}}}



Trond sjekka mot unob og MS Word:

# Ta {{_nob-c_sme-c}}
# Dra ut den norske {{ l_ }}
# analysere i unob og dra ut ?
# Lime inn i MS Word og gå manuelt gjennom


{{{
cat src/fad_nobsme.20121130_nob-c_sme-c.xml |grep '<l_'|tr '<' '>' \|
cut -d">" -f3 \|unob|grep '?'|cut -f1|rev|sort|uniq|rev|see
}}}

__Arbeid framover__

# ap:
## __Prosessere pluss-parallellar__ for å minimere lingvistisk reparasjon (__Cip__)
### Løyse opp c=1, c=2 (__Cip__, til onsdag)
### Sjekke mot ''unob'' og ''eit retteprogram'' (som vist ovafor) (__Trond__, til torsdag)
## gå gjennom alle ap-sammensatte ord som IKKE fikk noe tilsvarende gt-lemma, feks betaling+sikkerhet
# gt: 
## Filtrere bort modalverb frå gt-output (__Cip__)
## Filtrere bort parallellar som allereie er på plass via ap-output
   fra gt-output. (__Cip__)
# Neste steg:
## Manuell gjennomgang av output for reinsa gt-pipeline. (__BM, M__)



!!! nobsme

## integrering av simplex ap-parallellisering i nobsme (med FAD-flagg) (12075) (__BM, M__)

{{{
<tg><re>

<tg re="blabla">
}}}


!!! Neste møte

* Eigen nobsme-leksikografisk diskusjon tysdag 15.1. __12.00__ (Trond, BM, Márjá).
* Neste møte: __Måndag 21.1.2013 før lunsj__
* Deretter møte ca. onsdag, også med Børre og Sjur.