When grammar can't be trusted - Valency and semantic categories in North Sámi syntactic analysis and error detection

Abstract

In this dissertation, I investigate valencies and syntactically relevant semantic categories in North Sámi. In addition, I develop three machine-readable grammars for the North Sámi grammar checker GoDivvun that have access to valencies and semantics. Like a human, a machine-readable grammar analyzes a sentence by putting together information from different linguistic levels and based on this, selects or discards certain interpretations. Grammatical errors and the extensive homonoymy of well-formed input complicate a reliable sentence analysis based on morphology and syntax alone. I therefore add valency tags to 500 North Sámi verbs and annotate semantic prototype categories to 71% of the noun lexicon. This adds a semantic layer to the sentence analysis that is used to identify governor- argument structures in the process of error detection. I evaluate the detection of a test set of local and global errors resulting in a precision above 98% for local errors and a precision above 77% for global errors. While semantic prototype tagging is the backbone of local error detection, valency annotation is the back- bone of global error detection. My approach shows that a deep syntactic and semantic sentence analysis is beneficial for local error detection and necessary for reliable global error detection.

Dán doavttirgrádačállosis mun dutkkan valeanssaid ja semánttalaš kategoriijaid syntávssalaš váikkuhusaid. Lean ovttas huksen Divvun-joavkkuin davvisámi grammatihkkadivvunprográmma, man gohčodan GoDivvun. Dasa lean ráhkadan golbma mášenlogahahtti grammatihka, main valeanssat ja semantihkka leat olámuttus. Mášenlogahahtti grammatihkka doaibmá dego olmmoš: dat bidjá oktii dieđuid iešguđet giellaoahpalaš dásis ja dan vuođul analysere cealkaga ja vállje muhtun dulkomiid ovdal earáid. Homonymiija ja giellaoahpalaš meattáhusat dahket luohttevaš cealkkaanalysa váttisin, jus dušše atná morfologiija ja syntávssa vuođđun. Čoavddusin lean lasihan valeansagilkoriid 500 davvisámi verbii ja semánttalaš prototyhpaid substantiivvaide. Dáinna lágiin lasihuvvo cealkkaanalysii semánttalaš geardi, mii geavahuvvo argumeantaráhkadusaid gávdnamis, ja mii lea dehálaš grammatihkkadivvunprográmma oassi. Mun árvvoštalan sihke lokála ja globála grammatihkalaš meattáhusaid gávdnama. Lokála meattáhusa deaivilvuohta lea badjel 98% ja globála meattáhusa deaivilvuohta fas lea badjel 77%. Semánttalaš prototyhpat leat vuođđun lokála meattáhusdeaivamis ja valeanssat fas leat vuođđun globála meattáhusdeaivamis. Mu lahkonanvuohki čájeha ahte čiek­ŋalis syntávssalaš ja semánttalaš analysa lea ávkin lokála meattáhusdeaivamii ja dárbbašlaš globála meattáhusdeaivamii.

I avhandlinga mi undersøker eg valensar og syntaktisk relevante semantiske kategoriar i nordsamisk. I tillegg utviklar eg tre maskinlesbare grammatikkar for den samiske grammatikkontrollen GoDivvun, som har tilgang til valensar og semantiske kategoriar. På same måten som eit menneske analyserer maskinlesbare grammatikkar ei setning ved å sette saman informasjon frå forskjellige lingvistiske nivå og basert på dette vel eller aviser den spesifikke lesingar. Grammatiske feil og homonymi blant ordformer gjør det vanskeleg å stole på setningsanalyse basert berre på morfologi og syntaks. Derfor legg eg valenstaggar til 500 nordsamiske verb og annoterer 71% av substantivleksikonet med semantiske prototypkategoriar. Dette semantiske nivået i setningsanalysen blir brukt for å identifisere argumentstrukturar i feilfinningsprosessen. Evalueringa av feilfinningsreglane for eit testsett av lokale og globale feil viser at presisjonen for lokale feil er over 98% og presisjonen for globale feil er over 77%. Mens tagginga av semantiske prototypar er ein føresetnad for å oppdage lokale feil, er valensannotasjonen ein føresetnad for å oppdage globale feil. Tilnærmingsmåten min viser at djup syntaktisk og semantisk setningsanalyse er nyttig for lokal feilfinning og nødvendig for global feilfinning.