!!!Møte om lule- og sørsamisk korpusinnsamling 

17.12. 2014. Børre, Kevin, Sandra, Trond.

* Bakgrunn: [Prosjektskildring|../Prosjektskildring.html]
* Tidlegare notat: [Planutkast|../Planutkast.html]


!!!sme→smj

* $GTHOME/words/dicts/smesmj/
* $GTHOME/words/dicts/smesmj/src/ = kjeldefiler til ordboka
* $GTHOME/words/dicts/smesmj/script = for å kompilere fst av ordboka


!!Ordboka smesmj

Dette er ei ordbok:

{{{
echo čállit | lookup -q $GTHOME/words/dicts/smesmj/bin/smesmj.fst 
čállit        tjállet
}}}


!!Lulesamifisering

Dette er ein lulesamifiserar:

Kommandosett for å kompilere lulesamifiserar: 

{{{
cd $GTHOME/gt/smj/src/
xfst -e "source sme2smj-lexeme.xfst" -e "save stack sme2smj.fst" -stop
}}}

Bruk:

{{{
lookup -q sme2smj.fst
čállit

cat nordsamisk-tekst.txt | preprocess | lookup -q sme2smj.fst

echo "Mun lean okta sápmelaš." | preprocess | lookup -q sme2smj.fst
}}}



!!!Uutnytta kjelder til korpus

* [http://sametinget.no] har firespråklege sider
** I dag hentar vi ingen ting frå Sametinget. 
** Utfordring: Unngå duplikat. Svar: Sjekke dato på siste høsting og hente berre nyare
* Pressemeldingar frå [http://regjeringen.no] ligg i dag i freecorpus/mixed

 
Filer i freecorpus/smj:

* other_files
** hp_2009_samisk_sprak_lulesam.pdf.xsl
** reindrift_konvensjon_norge_sverige_lulesamisk_070710.pdf.xsl
** reindrift_omraadeprotokoll_til_konvensjon_mellom_norge_sverige_lulesamisk.pdf.xsl
** reindrift_vedtekter_for_norsk_svensk_reinbeitenemnden_og_norsk_svensk_overprovingsnemnden_lulesamisk.pdf.xsl
** sami_samekonv_lulesamisk.pdf.xsl
* regjeringen.no: Pressemeldingar
* Kintel AS har faste avtalar med Sametinget og KMD.
* Tysfjord kommune

__TODO__

* __Børre og Kevin__ diskuterer desse skripta ++
Đ* Mixed-diskusjonen held fram
* __Sandra__ tar ein samtale med LT og med Árran om admin-tekstar


!!!Tekniske aspekt

Ordboksformat osb.

words/dicts/LaLb/

* dtd/ - dette har vi ikkje no
* bin/ tom (vente på kompilerte filer)
* src/ - kjeldefilene
* script/ - nettopp det (her kanskje noko a la smesmj.sh
* inc/ - mykje rart
* LaLb.sh  (shellscript som gjer xml om til lexc og deretter til fst)
** (visse har make-smedict eller Makefile i tillegg ...)

Digresjon: dtd:
Vi har: words/dicts/script/gt_dictionary.dtd

Vi vil lage dtd for LaLb.xml for alle ordbøker, og legg i LaLb/dtd
deretter mekke og standardisere modulo ordbok


!!!Arbeidsplan

* norske kandidatord: 
** dei som har høgare frekvens i fad-korpus enn i norsk
*** fadkorpus = freecorpus/prestable/tmx (samiske tema) 
*** Ta ut den norske delen, OBT-analyser og finn frekvens
*** [http://gtweb.uit.no/korp/?mode=parallel#parallel_corpora=nob]
** nobsme silt mot ei admin-frekvensordliste
* sjekk mot nobsmj, fjern dei som allereie ligg der
* ta resten, omsett til sme
* lulesamifiser til smj // smesmj-ordbok
* sjekk
** sjekk lulesamifisert form mot smj-korpus
** manuell sjekk av lulesamifisert form

!!!Neste møte

Torsdag 8.1. kl. 9.