⇦⇨⌂

20 december 2023

Actueel…

1. Apache op urd2
   • rechten voor y.
2. Overleaf
   • aparte drive voor data
3. geen %q in SQL gebruiken in SQLite (MySQL is oké)
   • crowdsoursing
   • noordergraf
   • haytabo/opt/alpinotools
   • corpora/LassyDevelopMod
   • corpora/novelsample_correctedMod
4. Alpino
   • Python2 → Python3, zie beneden
5. DbXML: functionaliteit van dbxml_*, alpinocorpus_* en dtsearch
   • een “gestroomlijnde” set tools, zie beneden
6. Noordergraf
   • AllegroGraph 7 → 8

Later…

1. urd2
   • binnenkort upgrade naar Ubuntu 22.04
2. migratie naar colossus
   • zie ook hier
   • PaQu (inclusief MySQL)

---

Alpino: Python2 → Python3

1 = geconverteerd
2 = getest

DbXML

Tool 1: Omzetting van corpus

Een uitbreiding van het huidige programma mkcorpus.

Invoer — een corpus bestaand uit één of meer bestanden:

• directory
• xml
• dact
• compact corpus
• zip

Namen als argumenten, of gelezen vanaf stdin

Uitvoer — een corpus of verzameling naar één bestand of één directory:

• directory
• dact (allees voor xml-bestanden)
• compact corpus
• zip
• standaard uitvoer

Optioneel selectie:

• XPath-expressie
  • gebruik van pipes en macro’s
• naam van xml-bestand

Optioneel omzetting:

• xslt stylesheet
  • variabelen
• xquery script
  • variabelen
• template, met placeholders voor:
  • corpusnaam
  • bestandsnaam
  • sentence-ID
  • sentence
  • gematchte tekst
  • complete zin met vette gematchte tekst
  • ID van gematchte node

Tool 2: Bewerking van bestaan corpus

• verwijderen xml-bestand(en) uit corpus
• vervangen of toevoegen van xml-bestand(en) in corpus

Corpora:

• dact
• compact corpus → lijkt alleen te kunnen door heel nieuw corpus te maken

Overigen: Wat doen we hiermee?

• Met het programma alpinocorpus-get kun je een gematchte node markeren, bijvoorbeeld met <node active="1" ... >.
• Met het programma alpinocorpus-xpath kun je in plaats van zinnen een reeks van waardes van een ander attribuut laten zien, bijvoorbeeld lemma of pos. Je zou dit kunnen uitbreiden met combinaties, zoals pos:word.
• Met alpinocorpus-xquery kun XQuery-programma loslaten op corpora.
• Het is mij niet duidelijk wat het programma alpinocorpus-stats doet.
• Met dact_attrib voeg je data in, zoals: <data name="ag:node:bool:TEST">true</data> . We gebruikten dit voor AlpinoGraph.
• alud
• dbxml2to6 en dbxml6to2: er zijn simpelere (snellere?) versies to2 en to6 beschikbaar in Alpino in Docker.