141217

17.12. 2014. Børre, Kevin, Sandra, Trond.

• Bakgrunn: Prosjektskildring
• Tidlegare notat: Planutkast

• $GTHOME/words/dicts/smesmj/
• $GTHOME/words/dicts/smesmj/src/ = kjeldefiler til ordboka
• $GTHOME/words/dicts/smesmj/script = for å kompilere fst av ordboka

Ordboka smesmj

Dette er ei ordbok:

echo čállit | lookup -q $GTHOME/words/dicts/smesmj/bin/smesmj.fst 
čállit        tjállet

Lulesamifisering

Dette er ein lulesamifiserar:

Kommandosett for å kompilere lulesamifiserar:

cd $GTHOME/gt/smj/src/
xfst -e "source sme2smj-lexeme.xfst" -e "save stack sme2smj.fst" -stop

Bruk:

lookup -q sme2smj.fst
čállit

cat nordsamisk-tekst.txt | preprocess | lookup -q sme2smj.fst

echo "Mun lean okta sápmelaš." | preprocess | lookup -q sme2smj.fst

• http://sametinget.no har firespråklege sider
  • I dag hentar vi ingen ting frå Sametinget.
  • Utfordring: Unngå duplikat. Svar: Sjekke dato på siste høsting og hente berre nyare
• Pressemeldingar frå http://regjeringen.no ligg i dag i freecorpus/mixed

Filer i freecorpus/smj:

• other_files
  • hp_2009_samisk_sprak_lulesam.pdf.xsl
  • reindrift_konvensjon_norge_sverige_lulesamisk_070710.pdf.xsl
  • reindrift_omraadeprotokoll_til_konvensjon_mellom_norge_sverige_lulesamisk.pdf.xsl
  • reindrift_vedtekter_for_norsk_svensk_reinbeitenemnden_og_norsk_svensk_overprovingsnemnden_lulesamisk.pdf.xsl
  • sami_samekonv_lulesamisk.pdf.xsl
• regjeringen.no: Pressemeldingar
• Kintel AS har faste avtalar med Sametinget og KMD.
• Tysfjord kommune

TODO

• Børre og Kevin diskuterer desse skripta ++ Đ* Mixed-diskusjonen held fram
• Sandra tar ein samtale med LT og med Árran om admin-tekstar

Ordboksformat osb.

words/dicts/LaLb/

• dtd/ - dette har vi ikkje no
• bin/ tom (vente på kompilerte filer)
• src/ - kjeldefilene
• script/ - nettopp det (her kanskje noko a la smesmj.sh
• inc/ - mykje rart
• LaLb.sh (shellscript som gjer xml om til lexc og deretter til fst)
  • (visse har make-smedict eller Makefile i tillegg ...)

Digresjon: dtd: Vi har: words/dicts/script/gt_dictionary.dtd

Vi vil lage dtd for LaLb.xml for alle ordbøker, og legg i LaLb/dtd deretter mekke og standardisere modulo ordbok

• norske kandidatord:
  • dei som har høgare frekvens i fad-korpus enn i norsk
    • fadkorpus = freecorpus/prestable/tmx (samiske tema)
    • Ta ut den norske delen, OBT-analyser og finn frekvens
    • http://gtweb.uit.no/korp/?mode=parallel#parallel_corpora=nob
  • nobsme silt mot ei admin-frekvensordliste
• sjekk mot nobsmj, fjern dei som allereie ligg der
• ta resten, omsett til sme
• lulesamifiser til smj // smesmj-ordbok
• sjekk
  • sjekk lulesamifisert form mot smj-korpus
  • manuell sjekk av lulesamifisert form

Torsdag 8.1. kl. 9.