CG Arjeplog2011

Problemanalyse Alfabet og datamaskin Språkteknologi
Alfabet og språkteknologi
Ciprian-Virgil Gerstenberger
Universitetet i Tromsø
Norge
Skriftspråk och språkteknologi

15.05.2011 Arjeplog, Sverige
Innhold
Problemanalyse
Alfabet og datamaskin
Språkteknologi
Innhold
Problemanalyse
Språkteknologi
Innhold
Problemanalyse
Språkteknologi
En betydning → flere betegnelser
Ciprian-Virgil Gerstenberger eller

Ciprian Virgil Gerstenberger ?
demokrati eller folkestyre?
triangel eller trekant?
bestemme eller avgjøre?
sentrum eller centrum?
⇒ synonymi eller redundans?

⇒ navnlikhet eller overflødighet?
Flere betydninger ← en betegnelse
Ciprian:
1. Ciprian Gerstenberger
2. Ciprian Porumbescu
triangel:
1. trekant (geometri)
2. musikkinstrument
⇒ polysemi/homonymi eller ambiguitet?

⇒ flertydighet eller tvetydighet?
To sider, en relasjon
Avbildning fra A til B
A ⇒ B1, B2, B3
Avbildning fra B til A
A1, A2, A3 ⇐ B
Ideelt
A ⇒ B og A ⇐ B
A⇔B
Lyd ↔ tegn
Rumensk
⇒ â (România), î (înainte)
Engelsk
y
⇒ /j/ (you), /i/ (heavy)

Bruce’s eksempel fra Lulesamisk
Extra-lange konsonanter som er ofte ikke markert
1. maná ⇒ du drar
2. manná ⇒ hun/han drar
3. manná ⇒ hun/han begynner å drar
Michaels eksempel om kildinsamiske alfabetvarianter

Menneske vs. datamaskin
• mennesker klarer seg i begge situasjoner

• for datamaskiner må alt være klart og tydeligt
• det som er vanskelig for mennesker er enda vanskeligere å
tydeliggjøre for datamaskiner
(Bruce: ‘Skriverregler skal være lærbare!’)
⇒ kunnskap, regler for å tydeliggjøre

Utvikling
• ASCII (American Standard Code for Information

Interchange)
Utvikling
• UTF-8: hvert tegn kodet som tall (utvetydig)
Spørsmål
• Kan man få tegn i tillegg for pitesamisk?

• Ja, men vil man det virklig?
identitet ⇔ brukbarheit
Problemer
• Operativsystem (Windows, Mac, Linux, Symbian, Android,

iPhone)
• Aplikasjoner = programmer: Nettleser (Internet Explorer,
Firefox, Safari), Skriveprogram (Word, Emacs, OpenOffice)
• Grafiske programmer har forsjellige elementer: tekstfelt,
labels, etc.
• Skriftkoding og -egenskaper (fonttype, fontstørrelse,
fontfarge, etc.)
Spesialtegn i kildinsamisk
Kildinsamisk i nettleseren Safari på Mac

Kildinsamisk i nettleseren Google Chrome på Mac

Spesialtegn (diacritics)
• Unngå spesialtegn!
• Tenk også på mobiltelefoner: tekstmelding, epost,
ordbøker
⇒ Alternativet: tegnkjede, tegnsekvens!

Tegnkjede
Lulesamisk: xxxngxxx, yyyngyyy
⇒ Prisen: tvetydighet!
Tysk: Hoehe, Oede, Poet
⇒ Höhe, Öde, Pöt

Tastatur
• utvikling av tastatur med spesialtegn er mulig

• ikke uten problemer på ulike operativsystemer med ulike
programmer
⇒ Alternativet: bruk av tastatur fra majoritetsspråkskrift!

Sørsamisk alfabet
• bokstaver vs. tegn vs. tegnkjeder

• blanding av norsk og svensk
• bytte tastaturen hele tida (selv med snarvei er det tungt)
• brukere gjør det ofte ikke
Løsning på datamaskin
⇒ Godta alle varianter, vis det riktige!

Løsning på datamaskin
⇒ Godta alle varianter, vis det riktige!

Spørsmål
• Er representasjoner av tegn virklig utvetydig på

datamaskinen?
• For datamaskin ja, men ikke for mennesker!
Bruk av feil tegn to ganger på den samme NRK-sida

Vårt arbeid med den kildin-russiske ordboka

Data for språkteknologi
• å lage gode programmer krever gode data

• feil på lavt nivå fortsetter på høyere nivåer
• feilsøking og retting krever mye tid og energi
Samisk språkteknologi: Giellatekno
• Nordsamisk, Sørsamisk, lulesamisk, kildinsamisk,

skoltesamisk, kvensk, meankeli, etc.
• utvikle ressurser og applikasjoner for alle samiske språk
⇒ språkdata i elektronisk format

Språkteknologi
alt som man gjør med og for språk på datamaskin
• språkdokumentasjon
• rettskrivningsverktøy
• elektroniske ordbøker
• språkanalyse
• læreprogrammer
• maskinoversetting
⇒ datamaskin som svært nyttig hjelpemiddel

Språkdokumentasjon
• Kildinsamisk
• Pitesamisk
Rettskrivningsverktøy: Divvun
Ordbøker
Ordbøker
Ordbøker
Språkanalyse
• Ordformanalyse (morfologi)
• Ordrekkefølgeanalyse (setningsanalyse, syntaks)

Læreprogrammer: Oahpa!
Maskinoversetting
Konklusjoner
• ingen bra avbildning fra lyd til tegn (perfekt ortografi)

• probleme må analyseres og avgjøres (navnlikhet vs.
overflødighet og flertydighet vs. tvetydighet)
• kompromisser
• datamaskiner er nyttig hjepler men krever mye nye
kunnskaper
• for å lage gode språkapplikasjoner trengs rene data

CG Arjeplog2011

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

CG Arjeplog2011

Uploaded by

Copyright:

Available Formats

Problemanalyse Alfabet og datamaskin Språkteknologi

Skriftspråk och språkteknologi

En betydning → flere betegnelser

Ciprian-Virgil Gerstenberger eller

⇒ synonymi eller redundans?

Flere betydninger ← en betegnelse

⇒ polysemi/homonymi eller ambiguitet?

Avbildning fra A til B

⇒ /j/ (you), /i/ (heavy)

Bruce’s eksempel fra Lulesamisk

Extra-lange konsonanter som er ofte ikke markert

Michaels eksempel om kildinsamiske alfabetvarianter

Menneske vs. datamaskin

• mennesker klarer seg i begge situasjoner

⇒ kunnskap, regler for å tydeliggjøre

• ASCII (American Standard Code for Information

• Kan man få tegn i tillegg for pitesamisk?

• Operativsystem (Windows, Mac, Linux, Symbian, Android,

Kildinsamisk i nettleseren Safari på Mac

Kildinsamisk i nettleseren Google Chrome på Mac

⇒ Alternativet: tegnkjede, tegnsekvens!

Lulesamisk: xxxngxxx, yyyngyyy

Tysk: Hoehe, Oede, Poet

⇒ Höhe, Öde, Pöt

• utvikling av tastatur med spesialtegn er mulig

⇒ Alternativet: bruk av tastatur fra majoritetsspråkskrift!

• bokstaver vs. tegn vs. tegnkjeder

⇒ Godta alle varianter, vis det riktige!

⇒ Godta alle varianter, vis det riktige!

• Er representasjoner av tegn virklig utvetydig på

Bruk av feil tegn to ganger på den samme NRK-sida

Vårt arbeid med den kildin-russiske ordboka

Data for språkteknologi

• å lage gode programmer krever gode data

Samisk språkteknologi: Giellatekno

• Nordsamisk, Sørsamisk, lulesamisk, kildinsamisk,

⇒ språkdata i elektronisk format

alt som man gjør med og for språk på datamaskin

⇒ datamaskin som svært nyttig hjelpemiddel

• Ordrekkefølgeanalyse (setningsanalyse, syntaks)

• ingen bra avbildning fra lyd til tegn (perfekt ortografi)

You might also like