Play the Language: Play Named-Entities

• Sevcikova a kol. Technicka zprava

• experimenty Oldricha Kruzy popsane v Sevcikova a kol. Technicka zprava
• experimenty Jany Kravalove, viz clanek.

• Co se po hracich chce? Hledala bych nejaky funny prvek.
• Co zamykat?
• Jak predkladat dokument? Navic i dokument, ve kterem je uz vyznacena koreference?
• Shoda? BH: Ja bych zatim zvolila strategii shodnou s PlayCoref, tj. nezakladat hru na shode; informovat hrace poctech NE oznacenych souperem.
• Navrhnout kategorie NE. Cerpat z Sevcikova et al.

• Hráčům by se předkládaly prosté texty bez koreference po větách (naopak, hráčům PlayCoref by se měly zobrazovat pojmenované entity). Nic bych nezamykal, nic bych nezvýrazňoval.
• Hráč by označil pojmenovanou entitu podobně jako se vybírá část textu do bloku, tj. myší (vybírání by poskakovalo po celých slovech). Po označení pojmenované entity by se objevil seznam s možnými typy, ze kterých by hráč vybral ten správný. Až by označil všechny pojmenované entity ve větě, zmáčkl by tlačítko “hotovo”. (Možnost ke zvážení: případně by předtím nějakým zaškrtávátkem explicitně naznačil, že ve větě není pojmenovaná entita.)
• Umím si představit variantu hry na shodu i bez shody; preferoval bych tu shodu
• Hra by trvala určenou dobu nebo by byl dán balík vět, který mají udělat. Pro jednotnou podobu s PlayCoref možná raději určený čas.
• Kategorie viz níže.
• Počítání skóre viz níže.

• Czech named entity corpus 1.0

JM: Vyšel bych z MUC-6 a navrhuji tyto kategorie (bez hierarchie):

• Organizace
• Osoba
• Místo
• Čas
• Číslo (množství)

Je ovšem potřeba projít článek JK a ZŽ a pokusit se namapovat jejich rozdělení na toto - především aby bylo úplné - aby každá jejich NE někam spadla.

JM: Podobně jako u PlayCoref by skóre mělo být počítáno (např. lineární kombinací) z následujících tří položek:

• shoda s automatickou procedurou - aby nám neoznačovali samé prázdné věty nebo vždy první slovo apod.
• shoda s protihráčem (pokud hra nebude založená na shodě - pak by shoda byla samozřejmá)
• rychlost/počet zpracovaných vět

• Vnitrni format.

• Tagger.
• Procedura detekce a klasifikace NE.