⇦⇨⌂

2 oktober 2019

Taken:

1. Voornamen: man of vrouw?
   • invoeren: Nederlandse Voornamen Top 10.000 als XML-bestand
   • XPATH: tellingen grote corpora, zie onder
     • resultaat: /net/aistaff/kleiweg/namen → telling.out
     • corpora:
       • /net/corpora/LassyLarge
       • /net/shared/vannoord/LassyLargeRestricted/TWNC
       • /net/corpora/paqu/wablief
     • constructies:
       • Chris en zijn/haar…
       • Chris pakt zijn/haar…
2. alud
   • cookbook
   • functies mogen geen panic doen als het resultaat in een test gebruikt wordt of optioneel is
     • mogelijke probleemgevallen gemarkeerd met //NP in depheads-in.go en enhanced-in.go
     • Gosse kijkt ernaar
   • geen eindeloze loops in fixMisplacedHeadsInCoordination()
     • check in misplacedheads-in.go, zie score2 en score3
     • Gosse kijkt ernaar
3. Alpino op github
   • zie beneden
   • Git Large File Storage
     • zie ook: Adding git-lfs to a pre-existing repo
4. Nieuw beleid van Twitter
   • New developer requirements to protect our platform
   • nieuwe aanvraag ingediend voor app, kijken of het nu in orde komt
   • verzamelen van tweets lijkt nog steeds te werken
   • verzamelen van trends werkt niet meer weer
5. Website Alfa-informatica
   • tekst over geschiedenis van Alfa-informatica
   • foto’s

---

En verder, misschien…

1. Urd
   • plannen voor urd2
2. alud
   • validatie als optie → waarschuwingen

---

Alpino op Github

$ find /net/repositories/git-svn/Alpino -size +20M | xargs ls -lh | fgrep -v /.git/
-rw-rw-r-- 1 p141988 aistaff  29M jun 30  2016 /net/repositories/git-svn/Alpino/Generation/fluency/bigrams.tpl
-rw-rw-r-- 1 p141988 aistaff 487M jun 30  2016 /net/repositories/git-svn/Alpino/Generation/fluency/trigrams.tpl
-rw-r--r-- 1 p141988 aistaff 156M aug 30  2017 /net/repositories/git-svn/Alpino/Grammar/corpus_frequency_features.fsa
-rw-r--r-- 1 p141988 aistaff  63M sep 11 14:17 /net/repositories/git-svn/Alpino/Tokenization/libtok.c
-rw-r--r-- 1 p141988 aistaff  38M sep 11 14:17 /net/repositories/git-svn/Alpino/Tokenization/libtok_no_breaks.c

Voornamen: man of vrouw?

Macro’s voor het herkennen van namen:

naam1 = """(
  (@ntype="eigen" and @pos="name") or
  (@cat="mwu" and node[@spectype="deeleigen"] and not(../node[@rel="det"]))
)"""

naam2 = """(
  (@neclass="PER" and not(@rel="mwp")) or
  (@cat="mwu" and node[@neclass="PER"])
)"""

naam2 lijkt beter dan naam1 maar is niet bij elk corpus toepasbaar.

Zoeken naar zoiets als Chris en zijn/haar…:

//node[@cat="conj"]/node[
    %naam2% and
    number(@begin) < ../node/node[
        @pt="vnw" and @rel="det" and  @lemma=("zijn","haar")
    ]/number(@begin)
]

Zoeken naar zoiets als Chris pakt zijn/haar…:

GJ_i = """ number(@index) """

GJ_name_per = """
        ( %GJ_single_name_per%
          or
          %GJ_multi_name_per%
        ) """

GJ_single_name_per = """
        ( ( @ntype = 'eigen'
            or
            @postag='SPEC(deeleigen)'
          )
          and
          not(@neclass and not(@neclass="PER"))
        ) """

GJ_multi_name_per = """
        ( @cat='mwu'
          and
          node[@rel='mwp'
               and
               %GJ_single_name_per%
          ]
        ) """

GJ_name_subject = """
        ( ( @rel="su" and %GJ_name_per% )
            or
          ( @rel="hd" and %GJ_name_per% and ../@rel="su")

        ) """

GJ_direct_haar_object = """
        ( ../node[@rel="obj1" and node[@rel="det"  and @lemma="haar"]]
        )
        """

GJ_coindex_haar_object = """
        ( %GJ_i% = //node[@rel="su"
                          and %GJ_direct_haar_object%
                          ]/%GJ_i%
        ) """

GJ_direct_zijn_object = """
        ( ../node[@rel="obj1" and node[@rel="det"  and @lemma="zijn"]]
        )
        """

GJ_coindex_zijn_object = """
        ( %GJ_i% = //node[@rel="su"
                          and %GJ_direct_zijn_object%
                          ]/%GJ_i%
        ) """

GJ_haar_object = """
        ( %GJ_direct_haar_object%
          or
          %GJ_coindex_haar_object%
        ) """

GJ_zijn_object = """
        ( %GJ_direct_zijn_object%
          or
          %GJ_coindex_zijn_object%
        ) """

GJ_fem_subject = """
        //node[ %GJ_name_subject%
                and
                %GJ_haar_object%
        ] """

GJ_masc_subject = """
        //node[ %GJ_name_subject%
                and
                %GJ_zijn_object%
        ] """


%GJ_fem_subject%
%GJ_masc_subject%