[ Skip to the content ]

Institute of Formal and Applied Linguistics Wiki


[ Back to the navigation ]

Differences

This shows you the differences between two versions of the page.

Link to this comparison view

Both sides previous revision Previous revision
Next revision
Previous revision
user:dusek:formemy_gen [2011/09/29 15:28]
dusek
user:dusek:formemy_gen [2011/12/14 18:48] (current)
dusek
Line 1: Line 1:
-==== Automatická detekce funktorů ====+====== Automatická detekce funktorů ======
  
-=== Klasifikátor ===+===== Klasifikátor =====
   * LibLINEAR, logistic regression (upravit ?)   * LibLINEAR, logistic regression (upravit ?)
   * kombinace klasifikátorů -- klasifikátorem ?   * kombinace klasifikátorů -- klasifikátorem ?
   * zpětná kontrola, že nemá formém nic, co ho nepotřebuje ?   * zpětná kontrola, že nemá formém nic, co ho nepotřebuje ?
  
-=== Varianty pokusů, featury ===+===== Varianty pokusů, featury =====
   * vynechané koordinační funktory (beztak nepotřebují formém)   * vynechané koordinační funktory (beztak nepotřebují formém)
-  * základní (''base''):+== základní == 
 +  * technické: sent_id, word_id, parent, nodetype, is_generated (+ formeme) 
 +  * uzel sámt_lemma, functor, sempos (+trunc) 
 +  * aux.rf: aux_forms, aux_m_lemma (trunc) 
 +  * uzel + parent: Order, Distance 
 +  * synt. okolí: functor, t_lemma, sempos (trunc) 
 +    * parent, children, lsibling, rsibling, lsiblings, rsiblings,  
 +  * topol. okolí: t_lemma, sempos (trunc) 
 +    * left 3, 2, 2+1, 1, right 1, 1+2, 2, 3 
 +== varianty == 
   * s ef. rodiči místo topologických (''eff'')   * s ef. rodiči místo topologických (''eff'')
   * s ef. rodiči a funktory rodiče a levých sourozenců jako featurami (''eff_tree'')   * s ef. rodiči a funktory rodiče a levých sourozenců jako featurami (''eff_tree'')
   * dělené podle t-lemmatu (''tlemma'')   * dělené podle t-lemmatu (''tlemma'')
-  * //nové featury (??)// 
-  * nominal (max. 50 featur v selection) + binary 
  
-=== Výsledky ===+===== Výsledky =====
  
 ^ pokus ^ datum ^ bez feature selection ^ s feature selection ^ ^ pokus ^ datum ^ bez feature selection ^ s feature selection ^
Line 23: Line 31:
 | fog-eff_tree | 2011-09-29 03:22 | 85.928 | 86.485 | | fog-eff_tree | 2011-09-29 03:22 | 85.928 | 86.485 |
 | fog-tlemma | 2011-09-29 14:32 | 83.795 | 84.985 | | fog-tlemma | 2011-09-29 14:32 | 83.795 | 84.985 |
 +| fog2-base | 2011-09-29 15:10 | 83.465 | 84.020 |
 +| fog2-eff | 2011-09-29 16:00 | 84.433 | 84.982 |
 +| fog2-eff_tree | 2011-09-29 15:28 | 84.955 | 85.504 |
 +| fog2-tlemma | 2011-09-30 02:52 | 82.588 | 83.886 |
 +| fog2-dia* | 2011-12-06 17:16 | 86.046 | 86.783 |
 +| fog2-dia | 2011-12-08 23:00 | 84.821 | 85.515 |
  
 +* zlaté funktory
  
 +== komentář ==
 +  * druhá varianta vychází hůř, ale o méně než 1 %
 +  * nejvíc příkladů je pro: RSTR, PAT, ACT, PRED, APP, LOC, TWHEN, PREC, ???, RHEM, MANN, EXT, (EFF, ADDR, DIR3, DIR1, ID, MAT)
 +  * 2. verze (base)
 +    * RSTR: n:1, n:X vs. n:attr (přes 200), n:X vs. n:1 (není moc chyba), n:1 vs. adj:attr -- defaultováním na 1. pád by se dalo řešit hodně
 +    * PAT: n:1 vs. n:4 (přes 500), n:2 vs. n:4, n:4 vs. n:1 (přes 100) -- zas tak hrozné není; n:na+4 vs. n:4, n:3 vs. n:4 (oba přes 100, horší)
 +    * ACT: n:4 vs. n:1, n:X vs. n:1, n:2 vs. n:1 -- vše v pohodě
  
 +== podle funktorů ==
 +  * ACMP -- musí být dělení bez / s !!!
 +  * ACT -- n:4 vs. n:1, n:X vs. n:1 -- OK
 +  * AIM -- na předložkách moc nezáleží -- OK (zkontrolovat lemma!)
 +  * BEN + proti ??, jinak n:3 vs. n:pro+4 -- OK
 +  * CAUS + n:za+4 ??, řídká data (možná bude třeba nějak vylepšit)
 +  * CNCS -- chce určitě i_když !!! (jinak to nemá cenu), jinak je to úplně jedno -- OK
 +  * COMPL -- formémy v.2 to ničí, protože ve v.1 je tam adj:compl (a kazí to n:4 vs. n:1)
 +  * COND -- nepřehazuje n: a v:, proto celkem OK, složené spojky nutné -- OK
 +  * CPHR -- kazí to adj:compl u v.2, jinak -- OK
 +  * CPR -- řídké -- OK
 +  * CRIT -- vede "podle", víceméně OK
 +  * DENOM -- u v.2 trochu víc bordelu s pády -- OK
 +  * DIFF -- v.2 opravou číslovek boduje -- OK
 +  * DIR1 -- v.2 převodem adj -> n boduje -- OK
 +  * DIR2 -- problém, je tam moc různých předložek, řídké !!!
 +  * DIR3 -- asi by pomohlo lemma, n:na+4 x n:do+2 je docela potíž !!!
 +  * EFF -- problém s poznáním v:fin vs. v:že+fin
 +  * EXT -- v podstatě OK
 +  * ID -- problémy s pády, jinak OK
 +  * LOC -- v.2 se trochu zlepšilo, jinak problém s n:u+2, n:v+6 -- možná složité, jinak asi by pomohlo lemma
 +  * MANN -- problém n:v+6 vs. n:7, jinak OK
 +  * MAT -- v podstatě OK
 +  * MEANS -- blbá data (asi), všechno je n:7, což je ošklivé !!!
 +  * PAR -- jediný problém n:X vs n:1, jinak OK
 +  * ORIG -- problém: n:od+2 vs. n:z+2, asi řídká data
 +  * PAR -- v.2 má problémy s pády n:X vs. n:1, jinak OK
 +  * PAT -- hlavně n:1 vs. n:4, jinak OK (možná by pomohly syntaktické featury?)
 +    * asi diateze (v pasivu bude n:1 spíš), taky možná predikativita (nebo něco podobného, prostě marker pro slovesa, která v PAT berou 1.pád)
 +  * PRED -- asi OK, i když občas nerozpozná v:inf
 +  * REG -- nepozná n:vzhledem_k+3, n:bez_ohledu_na+4, všude cpe n:v+6 :-(
 +  * RESL -- trochu bordel mezi v:aby+fin a v:že+fin, jinak OK
 +  * RSTR -- v.2 dává moc často n:attr
 +  * SUBS -- řídká data, asi OK, u v.2 zhoršuje úspěšnost častější přiřazení pádů
 +  * TFHL -- většinou dostane jen n:na+4 a víc se neptá; jinak OK
 +  * THL -- bordel mezi n:4 a n:za+4, jinak v.2 má častěji n:4 podle opravených číslovek -- OK
 +  * TPAR -- vlastně OK, protože ty předložky jsou záměnné
 +  * TSIN -- víceméně OK
 +  * TTILL -- taky OK
 +  * TWHEN -- možná by taky chtělo detailnější subfunktory (?)
  
- +===== Návrhy ===== 
- +  * Používat valenční slovník pro aktanty 
- +    * jako featury? možná ano, pak si toho snad všimne 
- +    * jak ale zohlednit více možných významů daného slovesa ? 
- +  * //nové featury (??)// 
- +    * použít nějak childrentypes (dělit podle sempos-u)? 
 +    * clause heads 
 +  * nominal (max. 50 featur v selection) + binary 
 +  * vyházet z trénovacích dat příklady s formémy n:X !!
  

[ Back to the navigation ] [ Back to the content ]