Transducer infrastructure

deskriptive taggar: +Cmp/*
- desse kjem i affixes/nouns.lexc, compounds.lexc legg til Cmp#
normative taggar: +CmpN/*
- Her er CmpN/SgN default som aleinetag, lagt til i stems/nouns.lexc
normative posisjonstaggar: +CmpNP/*
- desse avgrensar berre normativ posisjon (prefiks, fyrst, berre i slutten, ikkje i det heile, osb)

Hvilke tagger skal vi bruke når det er førsteleddet er forkortet eller ikke-assimilert lån?

Eksempler med ny tagg +Cmp/Unass

asylårdnik +Cmp/Unass asyl+ådnik (asyl er ikke produktiv)
asijllaårdnik +Cmp/SgNom asijlla+årdnik +CmpNP/Pref (Prefiks) Normativ Posisjon

balkong og kultur er produktive:

balkoaŋŋa+årdnik +Cmp/SgNom
balkong+årdnik +Cmp/Unass
balkoaŋŋa+N+Sem/Dummytag+Cmp/Unass: balkong%> R ;
balkoaŋ+årdnik +Cmp/Sh
+CmpNP/Pref+Cmp/SgNom: r%> R ; !short cmp, "kulturskåvllå" , fra affix-fila, KULTUVRRA:

balkoaŋŋa+N+Sem/Dummytag: balkong%> R ; (Her mangler Cmp-tagg, bør det være +Cmp/Unass eller +Cmp/Sh ?)

Problemet er harmonisering

Vi må ha et system som gjør det mulig å gå fra språk til språk

For analyse: tagger forteller om typen Cmp
For generering i MT: sammensetninga som ikke er foretrukket, skal ha en annen tagg, eller en ekstra tagg

Det er behov for å skille mellom sammensetninger (dvs. vi kan ikke gjøre dem valgfrie)

eatnigiella +Cmp/SgGen (morsmål)
eadneluopmu +Cmp/SgNom (morpermisjon)
etniidbeaivi +Cmp/PlGen (morsdag)

Mulig løsning

Den foretrukne vil aldri være +Cmp/Unass
Hvis den foretrukne er den lange formen, kan vi legge +Cmp/Sh til den korte
Hvis den foretrukne er den korte formen, kan vi legge +Cmp/Long til den korte Men da vil ikke analysen fortelle alltid gi god informasjon

Det er mulig å legge til regel i tools/mt/apertium/tagger/modify.regex fra smj:

+Cmp/Sh > +Cmp/SgNom

balkoaŋŋaårdnik
balkoaŋŋaårdnik    balkoaŋŋa+N+G3+Cmp/SgNom+Cmp#årdnik+v1+N+Sg+Nom    0,000000
balkoaŋŋaårdnik    balkoaŋŋa+N+G3+Cmp/SgNom+Cmp#årdnik+v1+N+Sg+Nom    0,000000

balkongårdnik
balkongårdnik    balkoaŋŋa+N+Cmp#årdnik+v1+N+Sg+Nom    0,000000
balkongårdnik    balkoaŋŋa+N+Cmp#årdnik+v1+N+Sg+Nom    0,000000

kultuvrraårdnik +Cmp/SgNom+Cmp/Long
kulturårdnik   +Cmp/SgNom

Oversikt fra smj root:

+CmpNP/All       !!≈ * __@CODE@__ - ... in all positions, __default__, this tag does not have to be written
+CmpNP/First     !!≈ * __@CODE@__ - ... only be first part in a compound or alone
+CmpNP/Pref      !!≈ * __@CODE@__ - ... only __first__ part in a compound, NEVER alone
+CmpNP/Last      !!≈ * __@CODE@__ - ... only be last part in a compound or alone
+CmpNP/Suff      !!≈ * __@CODE@__ - ... only __last__ part in a compound, NEVER alone
+CmpNP/None      !!≈ * __@CODE@__ - ... does not take part in compounds
+CmpNP/Only      !!≈ * __@CODE@__ - ... only be part of a compound, i.e. can never

+CmpN/SgN      !!≈ * __@CODE@__ Singular Nominative !! Unmarked = Default
+CmpN/SgG      !!≈ * __@CODE@__ Singular Genitive
+CmpN/PlG      !!≈ * __@CODE@__ Plural Genitive
+CmpN/PlN      !!≈ * __@CODE@__ Plural Nominative, propers!
+CmpN/SgNomLeft  !!≈ * __@CODE@__ Singular Nominative
+CmpN/SgGenLeft  !!≈ * __@CODE@__ Singular Genitive
+CmpN/PlGenLeft  !!≈ * __@CODE@__ Plural Genitive

 +Cmp          !!≈ * __@CODE@__ - Dynamic compound. This tag should always be part

 +Cmp/Attr     !!≈ * __@CODE@__ - Attributive
 +Cmp/SgNom    !!≈ * __@CODE@__ - Singular Nominative
 +Cmp/SgGen    !!≈ * __@CODE@__ - Singular Genitive
 +Cmp/PlGen    !!≈ * __@CODE@__ - Plural Genitiv
 +Cmp/SplitR   !!≈ * __@CODE@__ - This is a split compound with the other part to
               !!                 => Arbeids- = +Cmp/SplitR
 +Cmp/SplitL   !!≈ * __@CODE@__ - This is a split compound with the other part to the left
 +Cmp/Sh       !!≈ * __@CODE@__ - testing +Cmp/Sh
 +Cmp/Hyph     !!≈ * __@CODE@__ - on dynamic compounds that have a hyphen
 +Cmp/NoHyph   !!≈ * __@CODE@__ - On compounds that COULD have had a hyphen (and usually have), but doesn't
 +Cmp/SoftHyph !!≈ * __@CODE@__ - Tags compounds containing SOFT HYPHENS (U+00AD)
 +Cmp/Cit      !!≈ * __@CODE@__ - Tags citation compounds, which can in principle