Møte om lulesamisk term/ord-bok

09.01. 2015. Børre, Kevin, Sandra, Sjur, Trond.

Saksliste

* Status
* Lulesamifisering
* Korpus
* Manuelt arbeid

[Referat frå 17.12.|/dicts/fad2/referat/141217.html]

!!!Status

Kevin har lagt til korpus og endra på CorpusTools, m.a. språkattkjenning.
Nytt på korpusfronten er framfor alt frå Sverige.

Alt i alt i freecorpus:

* 350 000 ord smj (48 % av dok para)
* 195 000 ord sma (78 % av dok para)

mål: fadordbok vs fadterminologisamling

!!!Lulesamifisering

!!Pipeline

nobsme = src="fad" 

* nob-freq i fad-korpuset og i allmennkorpus
* f-f > a-f ==> kandidat for terminologi (eller berre gje opp t-aspektet)
** manuell sjekking av kandidatlista: term eller ikkje? (evt. tull eller ikkje)
** maskinell sjekking mot nob-sme
** Kintel-sjekk
* kandidat blir lulesamifisert
* lulesamifiserte l-kandidaten blir delt i tre: 
** kintelbelagt -> del i dagleg vs term vs tull
** korpusbelagt -> manuell sjekk
** totalt ubelagt -> omsetjing/nylaging -> Giellagáldu




!!Kvaliteten på lulesamifisering

Programmet: Kjeldefila er sme2smj-lexeme.xfst

{{{
cd $GTHOME/gt/smj/src/
xfst -e "source sme2smj-lexeme.xfst" -e "save stack sme2smj.fst" -stop
Bruk: 
lookup -q sme2smj.fst
čállit

echo čállit | lookup -q sme2smj.fst
ccat -r -l sme  ~/freecorpus/converted/sme/facta/skuvlahistorja1/|preprocess|lookup gt/smj/src/sme2smj.fst |cut -f2|tr '\n' ' '|l

Den svært delvis kontrollerte:
kvaliteten på smesmj/src/*.xml
echo čállit | lookup -q $GTHOME/words/dicts/smesmj/bin/smesmj.fst 

 cat words/dicts/nobsme/src/V_nobsme.xml|grep '<t '|grep '"fad"'|tr '<' '>'|cut -d">" -f3|lookup gt/smj/src/sme2smj.fst |see
}}}

sme2smj.fst treng ein gjennomgang: Sandra, Thomas, Trond.


Status på kvalitet:

* 13112 fad-ord på sme, alle PoS
* av 361 ordbokslulesamifiserte, hadde 71 korpustreff
* av 13112 fst-lulesamifiserte, hadde 124 korpustreff


!!!Korpus

Absolutt halde fram.

!!!Manuelt arbeid

Sandra snakkar med folk.


!!!Neste møte

Onsdag 14.1. eller torsdag 22.1.