==== Motivace ====

== Neformalne ==

Je to skoro rok a pul, co se vzalo nekolik t-souboru z PDT 2.0 a provedla se na nich studie anotace rozsirene koreference (vzhledem k PDT 2.0), ktera se vyuzila pro sledovani aktivovanosti objektu diskurzu. Pak se vzaly zase jine soubory z PDT 2.0 a provedla se na nich studie anotace bridging anafory. Mezi tim se anotovala data z PDT 2.0 z pohledu ACV. Protoze algoritmus pro sledovani aktivovanosti potrebuje informaci o T a F, tak se nachystaly pro dalsi anotaci rozsirene koreference soubory, ktere jiz prosly anotaci ACV. Na tyto soubory zatim nedoslo.

Po Lucce prevzala anotaci koreference Anja. Po nekolika e-mailech jsme s Anjou dokonvergovaly k tomu, ze je jasne, ktere soubory a jak byly zpracovane, a ze je lze otevrit v TrEdu (tj. mj. ze sedi t-schemata). Aby k podobnemu patrani uz v budoucnu nedoslo, tak vznikla dokumentace - viz dale. 

== Formalne ==

Dat do poradku vse kolem dat, na kterych se zacala anotovat rozsirena koreference (vzhledem k PDT 2.0) a zacalo se smerovat k bridging anafore. Data, na kterych bylo bud jiz neco provedeno, nebo byla pouze nachystana, jsou rozdelena do tri skupin (rikam jim varky;-)). Pro kazdou varku jsou uvedeny udaje, ktere varku jednoznacne charakterizuji. Vsechny soubory, o kterych se pise, mam zatim lokalne u sebe (i kdyz je vlastne asi maji nekteri zainteresovani taky nekde).

 Protoze anotace koreference jde ruku v ruce s anotaci ACV, tak v dokumentaci myslim i na spolecne uloziste vysledku obou typu anotaci.

==== Data ====

   - VARKA
      - **Popis dat**
         * 40 souboru z PDT 2.0, ktere byly barevne anotovany na papire
         * seznam souboru {{user:hladka:varka_1_soubory.txt|}}
         * schema pro t-soubory: ''tdata-schema-bh.xml''
      - **Anotace ceho**
         * rozsirena koreference
      - **Anotator**
         * Lucka
      - **Dokumentace**
         * Hajicova, Hladka, Kucova: An annotated corpus as a test bed for discourse structure analysis. In Proceedings of the Workshop on Constraints in Discourse. National University of Ireland, Maynooth, Ireland, pp. 82-89, 2006. ({{user:hladka:salienceirsko06.pdf|}})
   - VARKA
      - **Popis dat** 
         * 9 souboru nahodne vybranych z PDT 2.0
         * seznam souboru {{user:hladka:varka_2_soubory.txt|}}
         * schema pro t-soubory: ''tdata-schema-bridging.xml''
       - **Anotace ceho**
         * bridging anafora
      - **Anotator**
         * Lucka, predano Anje
      - **Dokumentace**
         * ...
   - VARKA
      - **Popis dat**
         * vyber 15 souboru z PDT 2.0, u kterych jiz bylo rucne anotovane ACV (viz Sarka)
         * seznam souboru {{user:hladka:varka_3_soubory.txt|}}
      - **Anotace ceho**
         * zatim nezpracovano
      - **Anotator**
         * nachystano puvodne pro Lucku, predano Anje
      - **Dokumentace**
         * ...
   - Bonus
      - **Popis dat**
         * "Dvorak", uryvek z Veseleho snu o Dvorakovi J. Skvoreckeho (41 vet, {{user:hladka:DvorakSentencesENCZ.pdf|}})
         * 'raw' text prosel temito procedurami
            * run-it-all ## AUTOMATICKA procedura z PDT 2.0 (tokenizace, tagger, parser, konverze do t-souboru)
            * na t-datech zapracovala Jana Vejvodova (oprava, doplneni nodetype)
      - **Anotace ceho**
         * tfc
         * rozsirena koreference
      - **Anotator**
         * Bara Smrckova
         * Lucka
      - **Dokumentace**
         * ...   

==== Nastroje ====

   * Ma nekdo nastroj, jak dostat ACV anotaci k uzlum v tektogramatickych stromech?

==== Adresar ====

Bylo by dobre soustredit data, ktera se anotuji z pohledu ACV a koreference, na jednom miste. Pisi zcela zamerne pouze o datech, protoze ty jsou v tomto okamziku primarni. Nasledne se muzeme pobavit o jemnejsim deleni adresare i vzhledem k naplni projektu, ktery podavala Sarka na GACR.

Nyni tedy navrhuji

   - v adresari ''/net/projects/'' zalozit adresar se jmenem (treba) ''ACV_Coref'' (nemela jsi, Sarko, vymysleny hezci akronym pro ten GACR projekt?) a jeho podadresar ''Data/''; nadale budu tedy brat jako domovsky adresar ''/net/projects/ACV_Coref/Data'' a cesty budu uvadet relativne k tomuto adresari. Zalozeni projektoveho adresare musi jit pres Milana. Pro zacatek navrhuji, aby prava pristupu do tohoto adresare meli jen zainteresovani - viz nize.
      - ''mkdir Coref/'' - protoze soubory, na kterych uz se pracovalo, bude potreba zrevidovat, tak by tento adresar obsahoval podadresare odpovidajici jednotlivym varkam (viz vyse), proto (adresare ''varka*'' mam jiz nachystane.)
         * ''mkdir Coref/varka_1_A_Dvorak/''
         * ''mkdir Coref/varka_2/''
         * ''mkdir Coref/varka_3/''
      - ''mkdir ACV/'' - k obsahu nemam co rict - prosim doplnte!
   - s [[http://en.wikipedia.org/wiki/Subversion_%28software%29|SVN]] (prip. CVS) nemam vubec zadnou zkusenost, ale jednoznacne jsem pro to, abychom s tim pracovali.
   - nevim, jestli ma cenu stale za sebou tahat ''[wma]-soubory'', protoze predpokladam, ze se s nimi na urovni ACV a koreferencnich anotaci nic deje. Proto by mozna stacilo vest linky do prislusneho podadresare projektoveho adresare PDT (''/net/projects/pdt/pdt20/data/full/tamw''). Stalo by za to se poptat, jak to resi v jinych projektech. 

==== Komu urceno ====
Eva Hajicova
Bara Hladka
Anja Nedoluzko
Petr Nemec
Pavel Schlesinger
Mirek Tynovsky
Sarka Zikanova
...