Differences
This shows you the differences between two versions of the page.
Both sides previous revision Previous revision Next revision | Previous revision | ||
user:zeman:treebanks [2014/05/24 22:33] zeman |
user:zeman:treebanks [2014/07/17 17:43] (current) zeman Croatian. |
||
---|---|---|---|
Line 1: | Line 1: | ||
- | ====== HamleDT 2.0 TO DO ====== | ||
- | |||
- | 22.4.2014: DZ: Prošel jsem všech 30 jazyků a dal jsem jejich pražskou normalizaci alespoň částečně do pořádku. Částečně znamená, že jsem vynuloval testy na AfunNotNR, FinalPunctuation a vše kolem nekonzistentních koordinací. Samozřejmě by to chtělo dál pracovat na Auxech, interpunkci a zbytečných neprojektivitách, | ||
- | |||
- | **Verze 2.0 by měla být hotová a zakonzervovaná nejpozději v pátek 23.5.2014!** V pondělí 26. začíná LREC na Islandu, kde bude Ruda tuto verzi prezentovat. | ||
- | |||
- | * < | ||
- | * Přegenerovat HamleDT 2.0 free: | ||
- | * Původní, pražská i stanfordská anotace | ||
- | * Formáty Treex i CoNLL, pro stanfordskou anotaci navíc stanfordský formát | ||
- | * Vyrobit patche pro non-Free treebanky, tj. CoNLL soubory s vyplněnými zadními sloupci plus jednoduchý skript, který to slepí s původními daty a cestou zkontroluje, | ||
- | * Po všech testech zmrazit verzi 2.0 (archiv na disku) a vydat ji v Lindatu (buď všechny jazyky, přičemž pro non-free tam budou pouze patche, nebo free a non-free zvlášť). Prolinkovat web Lindatu s webem HamleDTa | ||
- | * Aktualizovat [[http:// | ||
- | * < | ||
- | * Podrobně popsat, "How to Get It" | ||
- | * < | ||
- | * < | ||
- | * < | ||
- | * Návod k použití patchů | ||
- | * < | ||
- | * < | ||
- | * < | ||
- | * < | ||
- | * < | ||
- | * < | ||
- | * Ve spolupráci s Honzou Ptáčkem vyrobit i grafickou upoutávku na titulní stranu | ||
- | * Inzerovat na facebookové stránce ÚFALu | ||
- | * Nezapomenout inzerovat HamleDT 2.0 v corpora@uib.no! | ||
- | * Přidat odkazy na HamleDT na všechna relevantní místa (zejména ke všem jazykům) do ACL Wiki | ||
- | |||
- | Odloženo na dobu po vydání HamleDTa 2.0: | ||
- | |||
- | * Po LRECu 2014 doplnit referenci na nový článek a na webu z něj udělat ten hlavní "how to cite". | ||
- | * K odkazům na články dodat také odkazy na PDF a BibTeX. | ||
- | * Hodila by se i podrobnější dokumentace obsahu treebanků a harmonizačního procesu. Pokud to nestihneme, tak alespoň tabulka afunů s vysvětlivky (v podstatě už ji máme v islandském článku) | ||
- | * Dan musí dodělat v Bibliu značkování publikací, aby bylo možné na stránky HamleDTa vygenerovat seznam všech publikací, které se HamleDTa týkají | ||
- | * Vymyslet lepší hierarchii složek na disku? | ||
- | * Rozšířit systém testů, aby pokrýval i stanfordskou mutaci HamleDTa. | ||
- | * Dotáhnout parsing HamleDTa 2.0 a popsat jeho výsledky na webu. | ||
- | * Vymyslet způsob, jak by se obsah webu zrcadlil v SVN, kde máme treexový kód pro HamleDTa | ||
- | * Do jazyků s cizími písmy doplnit transliteraci. | ||
- | * Pro některou z příštích verzí zvažujeme přidat automatický a zarovnaný překlad od Googlu, tak bychom transliteraci mohli odložit na stejný okamžik. | ||
- | * Přidat HamleDT do (aktualizovat v) PML-TQ. Dořešit přístup pro nepřihlášené vs. přihlášené uživatele. Odkázat na to ze stránek HamleDTa. | ||
- | * Zavést verzování dat, dotáhnout pravidelné automatické regresní testování (cron-diff, Dan má zatím první nástřel) | ||
- | * Vytvořit webovou službu (např. scénář v rámci Treex:: | ||
- | * Nahradit arabská data novými (Zdeněk je slíbil do začátku května) | ||
- | * Aktualizace 19. května: Zdeněk to nestihne. Znamená to, že v 99 % vět je alespoň jeden uzel, který nemá vyplněné lemma nebo značku nebo obojí. Nemám spočítané přímo procento všech uzlů, ale bude taky velmi vysoké. Rozhodně to není tak, že by v každé větě byl jen jeden uzel vadný. | ||
- | * Bohužel teď nemáme moc možností, co s tím. Stará data z CoNLL 2007 byla mizerná, protože tam chyběly hodnoty is_member. K nim se vracet nechci. S novými daty nedokážu ve zbývajícím čase nic pořádného udělat, to bude urgentní TODO po vydání HamleDTa 2.0. Vynechat arabštinu taky nechci, je to jeden z těch volných jazyků a v článku jsme ho slíbili. Takže to prostě vydáme v tom stavu, ve kterém to je, nedá se nic dělat. | ||
- | * Konečné rozhodnutí pro HamleDT 2.0: vrátil jsem se k PADT r349, z ní jsem do HamleDTa zařadil jen ty věty, ve kterých všechny uzly měly vyplněný afun. Pro další verze HamleDTa musíme nejdříve dotáhnout do přijatelného stavu samotné PADT. | ||
- | |||
====== Treebanks for Various Languages ====== | ====== Treebanks for Various Languages ====== | ||
- | http:// | + | http:// |
* [[user: | * [[user: | ||
Line 59: | Line 9: | ||
* [[user: | * [[user: | ||
* [[user: | * [[user: | ||
+ | * [[user: | ||
* [[user: | * [[user: | ||
* [[user: | * [[user: |