190604_semtags

Tilstede: Linda, Sjur, Lene, Trond, Børre

Dokumentasjon av semtagger

Må lages, både med filosofien bak, regel for laging av nye tagger og med en kort forklaring og eksempel for hver enkelt tagg

Semtaggene skal oppdateres:

• root.lexc for hvert enkelt språk (dette som source) => giella-shared

• CG for disambiguation.cg3, functions.cg3, dependency.gc3, tools/grammarcheckers/grammarchecker.cg3, tools/grammarcheckers/grc-disambiguator.cg3, tools/tokenisers/mwe-dis.cg3, src/syntax/valency.cg3

sme/src/syntax/semsets.cg3

i to forskjellige format: LIST SEM-TAGS = Sem/Hum Sem/Hum_Org .... ;

LIST Sem/Hum = Sem/Hum Sem/Hum_Org .... ; LIST Sem/Org = Sem/Hum_Org Sem/Org ... ; LIST Sem/Tool = Sem/Tool Sem/Tool-catch Sem/Tool-write Sem/Body_Obj_Tool-catch ..... ; LIST Sem/Tool-catch = Sem/Body_Obj_Tool-catch ; LIST Sem/Build = Sem/Build Sem/Build_Org Sem/Build-room ; #ikke Sem/Buildpart

Syntaks: Ein tagg er definert som:

1. bokstavstreng mellom [/_] og taggslutt
2. bokstavstreng mellom [/_] og -
3. bokstavstreng mellom [/_] og _ (inkludert - i same tagg)

cat sme/src/morphology/root.lexc sma/src/morphology/root.lexc smj/src/morphology/root.lexc smn/src/morphology/root.lexc |grep 'Sem/' |tr '\t' ' ' |cut -d '+' -f2 |cut -d ' ' -f1 |sort -u > allsemtags

Apertium

Apertium-style

sem_act
sem_act_clth
sem_act_tool-it

tools/mt/apertium/tagsets/gt2apertium.cg3relabel (semsets bør være i egen fil):

MAP (Sem/Act) (sem_act) ;
MAP (Sem/Act_Clth) (sem_act_clth) ;
MAP (Sem/Act_Domain) (sem_act_domain) ;
MAP (Sem/Act_Event) (sem_act_event) ;

OBS, egen behandling for disse taggene:

MAP (Sem/Mal) (ant m) ;
MAP (Sem/Fem) (ant f) ;
MAP (Sem/Sur) (cog) ;

apertium-l1-l2.l1-l2.t1x og apertium-l1-l2.l2-l1.t1x (semsets bør være i egen fil)

    <attr-item tags="sem_hum_mat_tool"/>
    <attr-item tags="sem_hum_obj"/>

cat allsemtags | tr '/' '_' |tr '[A-Z]' '[a-z]' > semtags_apertiumstyle
cat semtags_apertiumstyle | sed 's/^/(/' |sed 's/$/) ;/'> aperallsemtags 
cat allsemtags | sed 's/^/MAP (/' |sed 's/$/)/' > first
paste -d ' ' first aperallsemtags  > relabel_apertiumstyle.txt
cat semtags_apertiumstyle |sed 's/^/      <attr-item tags="/' |sed 's/$/"\/>/' > apertiumtx1.txt

Andre ting

• vi treng eit verkty for å sjekka taggkonsistens (alfabetisk rekkjefylgje på multitaggar)
• vil det vera mogleg å gå vekk frå multitaggane i framtida, og heller konvertera automatisk til multitaggar for apertium?

Plan

• Sjur, Børre ser på skriptet
• når semtag-definisjonan fjernes fra CG filan gjøres det sammen med de som jobber med CG filan: Linda, Lene
• lage definisjoner og veiledning for semtaggan med eksempler/moteksempler