!!!Tastaturpakker

||Pakkenamn|| Minoritetsspråk inkludert                  || Maj.språk
| samisk   | sma, smj, sme, sms, smn, sje                | nor, swe, fin
| k-uralsk | myv, mdf, mrj, mhr, udm, kpv, sjd, koi, yrk | rus
| ø-finsk  | vro, liv, olo, izh, vot, vep                | est, fin, lav
| algonquin| crk-Latn, crk-Cans, ciw, bla, hdn           | eng, fra

!!!Bokstavfrekvens

Kommando for å henta fram bokstavfrekvens:
{{{
cat $GTBIG/langs/LANG/corp/*.txt | sed 's/\(.\)/\1 /g;' | tr ' ' '\n' \
| grep -v '[0-9.,:;A-ZÁŠČ§()]' | sort | uniq -c | sort -nr \
| sed 's/^ *//g;' | see
}}}

!!!Algoritme for å lage gode ordlister

!!Listebasert

Bestem eit omfang (10000 ord?)

# Frekvensliste av ordformer: 
## Ta dei vanlegaste ordformene i løpande tekst av relevant korpus
## Ta dei vanlegaste ordformene i løpande tekst av stort korpus 
## .. og fyll til saman 1/3
# Sentralt ordforråd + generere kjerneparadigmer
# Vanlegaste 500 av verba og generere indikativformene
# Sikre at pronomen, adverb, interjeksjonar er med

Test:

Følg denne oppskrifta for norsk og sjå kva som fell ut av eksisterande

!!fst-basert

Telefonar har 16Gb eller meir.
Våre fst-ar vil truleg vere maksimalt 20MB i vhfst-formatet. Dette vil vere ok.

!!Metode

# Vekte lista (ovafor) på topp etter frekvensinformasjon
# Vekte bøyingsformer 
# Blokkere for uvekta fst-framlegg på under 4 bokstavar