[ Skip to the content ]

Institute of Formal and Applied Linguistics Wiki

[ Back to the navigation ]

You are here: start » padt

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 Both sides next revision
padt:start [2013/05/27 23:19]
zeman Odkaz na Trac. 		padt:start [2013/05/30 12:34]
zeman Zalámání vět.
Line 44: Line 44:
 data/Prague/XIN/ data/Prague/XIN/
  
-The project's contributors are ''smrz'', ''bielicky'', and ''zabokrtsky'', the rest of ''ufal'' have just the read rights.+The project's contributors are ''smrz'', ''bielicky'', ''zabokrtsky'' and ''zeman'', the rest of ''ufal'' have just the read rights.
  
 There is also the 'tools' directory which contains some useful scripts. There is also the 'tools' directory which contains some useful scripts.
  
 The code base for the PADT project, i.e. for annotation, display, and processing of the data, is the TrEd's ''padt'' extension, and its ''elixir'' extension that is a dependency for ''padt''. The code base for the PADT project, i.e. for annotation, display, and processing of the data, is the TrEd's ''padt'' extension, and its ''elixir'' extension that is a dependency for ''padt''.
 +
 ===== Agenda ===== ===== Agenda =====
  
   * Write a block to read the PADT 2.0 data in Treex. An XML schema is needed.   * Write a block to read the PADT 2.0 data in Treex. An XML schema is needed.
 +  * Jak je to teď se zalámáním vět? Bude se nějak využívat prvek Unit? Současné stromy zatím pořád odpovídají odstavcům, s průměrným počtem 38 tokenů na strom. Treebank obsahuje 874 souborů (dokumentů), 7664 stromů (odstavců) a 289910 tokenů (nekořenových uzlů). Token je menší jednotka než slovo, přičemž je možné dohledat, které tokeny tvořily dohromady jedno slovo (týká se druhé tokenizace v rámci morfologické analýzy; odlepení interpunkce od slov je něco jiného).
  
 Focus on paragraphs/sentences that miss PADT-Morpho annotation, esp. non-annotated headlines: Focus on paragraphs/sentences that miss PADT-Morpho annotation, esp. non-annotated headlines:

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