Nytt verktøy for uthenting av frekvensst atistikk for omsettingane våre

Eg har laga eit nytt skript som kan hjelpa oss å velja konsekvent bøying 
av ord i omsettingane våre. Norsk har ein del valfridom, og av og til 
kan ein vera i tvil om kva form ein skal velja (eller kva former ein kan 
velja *mellom*). Om det ikkje står noko relevant i dei språklege 
retningslinjene våre eller i fellesordlista, baserer ein seg gjerne på 
kva former andre har brukt før. Og her kjem altså dette nye skriptet til 
nytte.

Komplett dokumentasjon følgjer, men her er TLDR-versjonen:

*** Start TLDR ***

Eg omset ei setning med uttrykket «have contributed», og skal til å 
skriva «har bidratt». Men så kjem eg i tvil om dette er den *vanlegaste* 
bøyingsvarianten (la oss her sjå vekk frå at andre ord, som «medverka» 
eller «hjelpt», kanskje kan vera betre). Eg køyrer følgjande kommando:

     frek bidratt

Og får opp oversikt over kva bøyingsformer eg *kunne* valt og ei 
frekvensoversikt som viser kor ofte dei faktisk *er* brukte i 
omsettingane våre:

   ID      Grunnord  Bøying    Ordklasse         Kode
   123355  bidra     bidrege   verb perf-part    341
   123355  bidra     bidratt   verb perf-part    373
   123355  bidra     bidradd   verb perf-part    374
   […]

   Ord      Frekvens
   bidrege  6
   bidratt  1

Eg ser at den vanlegaste skrivemåten er «bidrege» (6 førekomstar), ikkje 
«bidratt» (1 førekomst) eller «bidradd» (0 førekomstar). Så eg bør velja 
«bidrege» (og retta opp den eine «bidratt»-oppføringa).

Skriptet kan òg brukast til å visa frekvensstatistikk for *ulike* ord:

     frek skjerm monitor

Som gjev:

   ID     Grunnord  Bøying   Ordklasse                  Kode
   61801  monitor   monitor  subst mask appell eint ub  700
   82494  skjerm    skjerm   subst mask appell eint ub  700
   82501  skjerme   skjerm   verb imp                   001

   Ord      Frekvens
   skjerm   130
   monitor    3

Så «skjerm» er veldig mykje vanlegare enn «monitor» i omsettingane våre.

Men som me ser frå oversikta over moglege former øvst, må ein òg vera 
obs på at «skjerm» kan vera imperativ av verbet «å skjerma». Her er 
ikkje det noko problem, men i andre tilfelle er det viktig å *kjenna 
til* slike alternative grunnord for å unngå å mistolka frekvensoversikta.

*** Slutt TLDR ***


Skriptet ligg (saman med nokre andre nyttige skript) i skriptmappa til 
KDE-nynorskomsettinga, som ein hentar ned slik:

     svn co svn://anonsvn.kde.org/home/kde/trunk/l10n-support/nn/skript

Sjå i undermappa «frekvensoversikt». Her er dokumentasjonen som står i 
LESMEG.txt-fila:

Enkel frekvensordliste
══════════════════════

Lat oss starta med å laga ei frekvensordliste for
nynorskomsettinga:

   ./lag-frekvens-ordliste.sh ../../summit/messages > frekvens-nn.dat

Dette går gjennom alle omsettingsfilene i mappa
«../../summit/messages», hentar ut alle orda på
minst tre bokstavar og lagrar ei frekvensordliste
som fila «frekvens-nn.dat».



Uthenting av frekvensstatistikk
═══════════════════════════════

Du kan sjølvsagt lagra ordlista med kva namn du vil,
men ordlister på formatet «frekvens-xx.dat» (der «xx» er
ein språkkode, dvs. «nn» eller «nb») vert brukte av
følgjande skript, som hentar ut frekvensstatistikk for
det gjeldande ordet og for andre bøyingar av same ord.
Dette viser me lettast med eit eksempel.


Enkelt eksempel
───────────────

Prøv denne kommandoen (som krev at ein har installert
programmet R og ei handfull tilhøyrande pakkar):

   ./hent-frekvens-statistikk.R nn ~/utvikling/ordbanken bidratt

Dette slår opp ordet «bidratt» i nynorskversjonen av Norsk ordbank
(dvs. i fila «fullform_nn.txt» i mappa ~/utvikling/ordbanken –
sjå https://huftis.org/artiklar/ordbanken/ for meir informasjon
om korleis du får tak i denne), finn ut kva (grunn)ord dette
er ei bøying av og kva type bøying det er (her: perfektum
partisipp eller tilhøyrande adjektivform), finn andre tilsvarande
bøyingar for dette ordet / desse orda (eks. «bidrege» og «bidradd»),
viser informasjon om desse orda og viser til slutt kor ofte
desse alternative bøyingane er brukte i omsettingane våre.
Her er eit utdrag frå resultatet:

   ID      Grunnord  Bøying    Ordklasse         Kode
   123355  bidra     bidrege   verb perf-part    341
   123355  bidra     bidratt   verb perf-part    373
   123355  bidra     bidradd   verb perf-part    374
   […]

   Ord      Frekvens
   bidrege  6
   bidratt  1

Me ser at den vanlegaste skrivemåten er «bidrege»
(6 førekomstar), ikkje «bidratt» (1 førstkomst) eller
«bidradd» (0 førekomstar). Så me bør velja denne forma.

Me bør sjølvsagt òg retta opp den eine inkonsekvente
omsettinga som finst frå før («bidratt»). Og når me først er
i gang med å retta opp, bør me òg sjekka andre former av ordet.
Ordbanken kan for eksempel fortelja oss (kommando:
«ordbank bidra», jf. https://huftis.org/artiklar/ordbanken/)
at dersom me brukar partisippforma «bidrege», må det vera
«bidreg» i presens òg (ikkje «bidrar», som me må ha viss
me brukar formene «bidratt» eller «bidradd»).


Fleire oppslagsord
──────────────────

Det er òg mogleg å oppgje fleire oppslagsord. Dette
er nyttig når ein har valet mellom fleire alternative
omsettingar eller når ordvariantane er førte opp som
separate oppslagsord i Norsk ordbank. Slik kan ein
for eksempel sjekka kva som er mest vanleg av orda
«fremside», «framside» og «forside» på bokmål:

   ./hent-frekvens-statistikk.R nb ~/utvikling/ordbanken fremside 
framside forside

Merk at for komplett oversikt over kva ord som er brukte
i omsettingane bør ein nok òg leggja til bøygde former,
som for eksempel «fremsiden» og «fremsida».

(Og er ein usikker på kva *omsetting* ein skal bruka
for eit engelsk ord, sjå heller skripta i mappa
«termbase».)


Kortkommando for enklare bruk
─────────────────────────────

Kommandoane ovanfor er lange og tunge, og til dagleg bruk
er det greiare med kortare kommandonamn, der me slepp
å hugsa mappeadresser og slikt. Då kan me laga ein
bash-funksjon som gjer jobben for oss. Legg følgjande inn
i fila ~/.bashrc (eller tilsvarande):

     # Mappe der skripta for omsetting av KDE til norsk ligg
     export kde_l10n=~/utvikling/kde/trunk/l10n-support/nn/skript/

     # Slå opp i frekvensordlista for omsettingane
     function frek {
       cd $kde_l10n/frekvensoversikt
       ./hent-frekvens-statistikk.R nn ~/utvikling/ordbanken $@ | \
         grep -E --color=yes "\W$1\W|" | less -FX
       cd - > /dev/null # Gå tilbake til mappa me var i
     }
     export -f frek

(Tilpass mappeadressene etter kor du har lagt ting.)

No kan ein bruka kommandoen «frek» (uansett kva mappe ein
står i), slik:

   frek bidratt

Som ein ekstra bonus vert alle førekomstar av oppslagsordet
markert med farge (gjeld berre *første* oppslagsord dersom
ein har fleire). Og viss resultatet går over meir enn éi
skjermhøgd, vert det vist via programmet «less», slik at
ein lett kan bla gjennom det. (Bruk piltastane, «Mellomrom»
og «Rettetast» eller «Page Up» og «Page Down», og «Q» for
å avslutta.)

-- 
Karl Ove Hufthammer


_______________________________________________
E-postlista i18n-no
[email protected]
https://lister.ping.uio.no/mailman/lister.ping.uio.no/listinfo/i18n-no