191029 Partiklar

Møte om klitika 29.10.2019

Til stades: Lene, Linda, Sara (i starten), Thomas, Trond, Sjur

Tema: Analyse av partiklar og klitika

Ord med tvetydig eller problematisk fokuspartikkelanalyse:

  • dálkadat (feilskriving)
  • dálkkádat (korrekt)
  • čohkkáhan 
"<dálka>"
        "dálka" N Sem/Dummytag Sg Nom <W:0.0> @HNOUN MAP:22636:hnounNom
;       "dálkat" V IV PrsPrc <W:0.0> REMOVE:3963:PrsPrc
"<dat>"
        "dat" Pcle <W:0.0> @PCLE MAP:21642:r16

Ny analyse, berre hfst-tokenise: 

echo "Son čohkkáhan dáppe." | hfst-tokenise -g tokeniser-gramcheck-gt-desc.pmhfst 
"<Son>"
	"son" Pcle <W:0.0>
	"son" Pron Pers Sg3 Nom <W:0.0>
: 
"<čohkkáhan>"
	"čohkkáhit" V TV Actio Gen <W:0.0>
	"čohkkáhit" V TV Actio Nom <W:0.0>
	"čohkkáhit" V TV Ind Prt ConNeg <W:0.0>
	"čohkkáhit" V TV PrfPrc <W:0.0>
	"čohkkát" Ex/V IV Der/h V Actio Gen <W:0.0>
	"čohkkát" Ex/V IV Der/h V Actio Nom <W:0.0>
	"čohkkát" Ex/V IV Der/h V Ind Prs Sg1 <W:0.0>
	"čohkkát" Ex/V IV Der/h V Ind Prt ConNeg <W:0.0>
	"čohkkát" Ex/V IV Der/h V PrfPrc <W:0.0>
	"#" Foc/han <W:0.0> "<han>"
		"čohkkát" V IV Imprt Sg2 <W:0.0> "<čohkká>"
	"#" Foc/han <W:0.0> "<han>"
		"čohkkát" V IV Ind Prs ConNeg <W:0.0> "<čohkká>"
	"#" Foc/han <W:0.0> "<han>"
		"čohkkát" V IV Ind Prs Sg3 <W:0.0> "<čohkká>"
	"#" Foc/han <W:0.0> "<han>"
		"čohkkát" V IV VGen <W:0.0> "<čohkká>"
: 
"<dáppe>"
	"dáppe" Adv Sem/Plc <W:0.0>
"<.>"
	"." CLB <W:0.0>
:\n

Ny analyse etter cg-mwesplit, klitisert: 

$ echo "Son čohkkáhan dáppe." | hfst-tokenise -g tokeniser-gramcheck-gt-desc.pmhfst | vislcg3 -t -g mwe-dis.cg3 | cg-mwesplit 
"<Son>"
	"son" Pcle <W:0.0>
	"son" Pron Pers Sg3 Nom <W:0.0>
: 
"<čohkká>"
	"čohkkát" V IV Ind Prs Sg3 <W:0.0> SELECT:2146
"<han>"
	"#" Foc/han <W:0.0>
;	"čohkkáhit" V TV Actio Gen <W:0.0> SELECT:2146
;	"čohkkáhit" V TV Actio Nom <W:0.0> SELECT:2146
;	"čohkkáhit" V TV Ind Prt ConNeg <W:0.0> SELECT:2146
;	"čohkkáhit" V TV PrfPrc <W:0.0> SELECT:2146
;	"čohkkát" Ex/V IV Der/h V Actio Gen <W:0.0> SELECT:2146
;	"čohkkát" Ex/V IV Der/h V Actio Nom <W:0.0> SELECT:2146
;	"čohkkát" Ex/V IV Der/h V Ind Prs Sg1 <W:0.0> SELECT:2146
;	"čohkkát" Ex/V IV Der/h V Ind Prt ConNeg <W:0.0> SELECT:2146
;	"čohkkát" Ex/V IV Der/h V PrfPrc <W:0.0> SELECT:2146
;	"#" Foc/han <W:0.0> "<han>"
;		"čohkkát" V IV Imprt Sg2 <W:0.0> "<čohkká>" SELECT:2146
;	"#" Foc/han <W:0.0> "<han>"
;		"čohkkát" V IV Ind Prs ConNeg <W:0.0> "<čohkká>" SELECT:2146
;	"#" Foc/han <W:0.0> "<han>"
;		"čohkkát" V IV VGen <W:0.0> "<čohkká>" SELECT:2146
: 
"<dáppe>"
	"dáppe" Adv Sem/Plc <W:0.0>
"<.>"
	"." CLB <W:0.0>
:\n

Ny analyse etter cg-mwesplit, ikkje klitisert: 

$ echo "Son čohkká han dáppe." | hfst-tokenise -g tokeniser-gramcheck-gt-desc.pmhfst | vislcg3 -t -g mwe-dis.cg3 | cg-mwesplit 
"<Son>"
	"son" Pcle <W:0.0>
	"son" Pron Pers Sg3 Nom <W:0.0>
: 
"<čohkká>"
	"čohkkát" V IV Ind Prs Sg3 <W:0.0> SELECT:2146
"< han>"
	" " Foc/han <W:0.0>
;	" " Foc/han <W:0.0> "< han>"
;		"čohkkát" V IV Imprt Sg2 <W:0.0> "<čohkká>" SELECT:2146
;	" " Foc/han <W:0.0> "< han>"
;		"čohkkát" V IV Ind Prs ConNeg <W:0.0> "<čohkká>" SELECT:2146
;	" " Foc/han <W:0.0> "< han>"
;		"čohkkát" V IV VGen <W:0.0> "<čohkká>" SELECT:2146
: 
"<dáppe>"
	"dáppe" Adv Sem/Plc <W:0.0>
"<.>"
	"." CLB <W:0.0>
:\n

Gamal analyse: 

$ echo "Son čohkká han dáppe." | preprocess | hfst-lookup -q ../../src/analyser-disamb-gt-desc.hfst| cut -f1-2 | lookup2cg 
"<Son>"
	"son" Pcle
	"son" Pron Pers Sg3 Nom
"<čohkká>"
	"čohkkát" V IV Ind Prs Sg3
	"čohkkát" V IV VGen
	"čohkkát" V IV Ind Prs ConNeg
	"čohkkát" V IV Imprt Sg2
	"čohkkát" V IV Imprt ConNeg
"<han>"
	"han" Pcle
"<dáppe>"
	"dáppe" Adv Sem/Plc
"<.>"
	"." CLB

Spørsmål:

  • Kva skal vera lemma? "han" osb.
  • Kva skal vera taggen?

Svar:

  • Viss vi ser "leahan" som er samansetjing (som biila i láibebiila) blir "han" lemma

Jf. analysen av desse to — láibebiila og čohkkáhan: 

usme:
láibebiila	láibi+N+Cmp/SgNom+Cmp#biila+N+Sg+Nom

echo "láibebiila" | hfst-tokenise -g tokeniser-gramcheck-gt-desc.pmhfst 
"<láibebiila>"
	"biila" N Sem/Veh Sg Nom <W:10.0>
		"láibi" N Sem/Food Cmp/SgNom Cmp <W:10.0>

usme:
čohkkáhan	čohkkát+V+IV+Ind+Prs+Sg3+Foc/han 

hfst-tokenise:
	"han" Pcle <W:0.0> "<han>"
		"čohkkát" V IV Imprt Sg2 <W:0.0> "<čohkká>"

For usme-analysen kunne vi i staden ha: 

čohkkát+V+IV+Ind+Prs+Sg3#han+Pcle+Foc

Her ser vi korleis biila og han blir lemma i hfst-tokenise, og indirekte korleis det kunne ha vorte det for čohkkahan.

Partiklar vs. adverb

Nickel/Sammallahti s. 205: «Modalpartikler»

  • enklitiske partikler
  • partikler som selvstendige ord
  • (setningsadverb)

Partikler:

  • Dei som blir skrive i lag med verten på finsk side:
    • Pcle <pol> etter ordet det står til: -ge (pos/neg, = kin/kAAn)
    • Pcle <foc> på andreplass i setninga: alle andre enklitiske
    • Pcle <qst> go
  • Dei som ikkje blir skrive i lag med verten på finsk side (og ikkje må stå på andreplass (?))
---------------------------------------
Pcle: 
2. posisjon eller fokus/polaritet: Pcle
leago  +Pcle+Qst <cl> evt: +Pcle+Qst+Clt 
lea go +Pcle+Qst

leage  +Pcle+Pol <cl>
lea ge +Pcle+Pol 
leago  +Pcle+Qst <cl>
lea go +Pcle+Qst 
leaba  +Pcle+Foc <cl>
lea ba +Pcle+Foc
-------------------------------------
Ikkje 2. posisjon eller fokus: Adverb
aitto Pcle <== Adv Cls Sem/xxx?
odne Adv

manne+Adv+Subqst

dáppe+Adv+Sem/Plc
dalle+Adv+Sem/Time
čččč+Adv+Sem/Plc_Time  ?
-------------------------------------

husmedis
mihkkege
mihkkege	mihkke+Pron+Indef+Sg+Nom+Foc/Neg-ge	0,000000
mihkkege	mihkke+Pron+Indef+Sg+Nom+Foc/Pos-ge	0,000000


Pron Pers
N NomAg

LIA-materialet

Legge inn LIA-etntrŧyer i fil/filer? 

grep LIA src/morphology/stems/* |wc -l
    2175

Begrunnelse: Dette gir mulighet for å kompilere en egen HFST for LIA-analyse, og vi risikerer ikke at ordene gir for mange analyser i andre sammenhenger

Korleis referere til underlesingar i vislcg3

REMOVE:longest-match SUB:1 ("<.*>"r)(NEGATE 0 Err/Lex);

SELECT V + Sg3 (0 Foc/han LINK -1 Pers + Sg3 + Nom) ;

Dette er måten å referere til underlesingar på: 

	# SUBREADINGS:
	# ------------
	bil            0, -3
	   kake        1, -2 
	       oste    2, -1
#	oste#kake#bil
#	0 = bil
#	0/0 = bil
#	0/1 = kake
#	0/2 = oste
#	0/-1 = oste
#	0/-2 = kake
#	0/-3 = bil
#   Til venstre for "/": posisjon i setninga
#   Til högre for "/": posisjon i stakken, rekna ovafrå (positiv) eller nedanfrå (negativ