2017-08-23
Grammatikkontrollmøte 23.8.2017
Til stades: Kevin, Sjur
Saker:
- status
- arbeid framover
Status
- zip-lesing nesten ferdig (manglar ein modul, alt anna funkar)
- API for libchecker (namn todo) må dokumenterast, må laga døme på linking
- xml-format bare-bones, men fungerer
- vi treng metadata i xml-fila
- korleis representera brukarval?
- generelle metadata
- korleis representera brukarval?
- vi treng metadata i xml-fila
Diskusjon om metadata:
Generell informasjon:
- språk (både kode og på naturleg språk (eige språk og andre)
- versjon av grammatikkontrollen
- kven som står bak med kontaktinformasjon (e-post, nettside)
- opphavsrettsnotar
- liste over brukte teknologiar, m. versjon (cg, hfst, div. bibliotek)
- tanken er at alt dette kan bli vist dersom vertsprogram ber om slik info
Brukarval – det som er innanfor kvar pipeline (ikkje verdt å laga ny pipeline
- brukaren må kunna slå av og på ulike feiltypar som skal bli fanga opp, t.d.:
- stor bokstav i byrjinga av ei setning
- -a vs -e i infinitiv på nynorsk
- stor bokstav i byrjinga av ei setning
I visse tilfelle er det best å ha ulike pipelines, med namn og språkkode
- brukaren må ta eit aktivt val: tusenskiljetekn (mellomrom eller punktum)
- brukaren må kunna slå av feiltypar som ikkje er relevante og gjev støy (falske
Etter diskusjonar kom vi fram til ein modell som Kevin har dokumentert i
Andre tema:
- handteringa av store bokstavar:
- vi ber om at ICU (el) blir lagt til i hfst-tokenise, slik at det er nok at
- vi ber om at ICU (el) blir lagt til i hfst-tokenise, slik at det er nok at
- https: //github.com/hfst/hfst/issues/361
- https: //github.com/hfst/hfst/issues/362
- gramcheck-biblioteket nesten ferdig, jf zip-info lenger opp (github-master må
Arbeid framover
- gjera ferdig zip-lesinga og gramcheck-lib
- kommandolineverkty for gramcheck-lib
- bør m.a. kunna korrigera tekst i batsj-modus, slik at ein kan evaluera
- bør kunna ta ei liste med attr-verdi-par som argument for å spesifisera
- bør ha ein modus der ein får ei liste med alle moglege brukarval, og
- bør m.a. kunna korrigera tekst i batsj-modus, slik at ein kan evaluera
- byta ut modes-fila med xml-fila som er ein del av zip-fila, og generer
- laga ein gramcheck-generator for å generera forslag
- endra hfst-tokenise til ikkje å konvertera taggar til CG-format
- ... men gjer det i staden i fst-en med eit filter
- endra tagg-parsinga til ikkje å vera avhengig av + som ein del av taggen
- ... men gjer det i staden i fst-en med eit filter
- skriva/dokumentera gramcheck-API
- lenka mot unicode-bibliotek og slå opp alle ord som har store bokstavar som
- som ein enkel preprosessering av input (+ soft-hyphen)
- ved runtime, så ingen eksplosjon i fst-en
- om dette fungerer, fjern A→a på førstebokstav av fst-en (dvs berre leksikalsk
- som ein enkel preprosessering av input (+ soft-hyphen)
- laga gjettarar for alle opne ordklasser, inkl morfologi
- sjekk om det går ut over fst-storleik
- sjekk om det går ut over analysefart
- sjekk om det går ut over fst-storleik