====== Automatická detekce funktorů ======

===== Klasifikátor =====
  * LibLINEAR, logistic regression (upravit ?)
  * kombinace klasifikátorů -- klasifikátorem ?
  * zpětná kontrola, že nemá formém nic, co ho nepotřebuje ?

===== Varianty pokusů, featury =====
  * vynechané koordinační funktory (beztak nepotřebují formém)
== základní ==
  * technické: sent_id, word_id, parent, nodetype, is_generated (+ formeme)
  * uzel sám: t_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 a funktory rodiče a levých sourozenců jako featurami (''eff_tree'')
  * dělené podle t-lemmatu (''tlemma'')

===== Výsledky =====

^ pokus ^ datum ^ bez feature selection ^ s feature selection ^
| fog, nominal ||||
| fog-base | 2011-09-29 03:48 | 84.487 | 85.077 |
| fog-eff | 2011-09-29 03:28 | 85.563 | 86.102 |
| fog-eff_tree | 2011-09-29 03:22 | 85.928 | 86.485 |
| 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 !!