Differences

This shows you the differences between two versions of the page.

--- polo-automaticke-kontroly-dat [2011/06/24 08:06]
mirovsky vytvořeno
+++ polo-automaticke-kontroly-dat [2011/12/13 11:13]
ufal
@@ Line 1: / Line 1: @@
-==== (Polo-)automatické kontroly anotovaných dat ====
+===== (Polo-)automatické kontroly anotovaných dat =====
-chystané:
+==== chystané: ====
- - vytvořit tabulku distribuce typů - zkontrolovat, zda je všude typ a zda někde není starý typ; ta místa projít ručně
+ - (HOTOVO) vytvořit tabulku distribuce typů - zkontrolovat, zda je všude typ (informal-type) a zda někde není starý typ; ta místa projít ručně
- - zkontrolovat, zda je všude nastaven atribut src
+ - (HOTOVO) zkontrolovat, zda je všude nastaven atribut src a target-node.rf
+ - (HOTOVO) zkontrolovat, že šipky vedou v řetězci; případně převěsit (skript pro bridging už existuje, podobný už i pro text-coref; akorát ještě vyřešit, když do jednoho uzlu vedou dvě gramatické koref. - ty se nepřevěšují a narušují správnou funkci skriptu)
+- zkontrolovat, ze sipky nevedou od uzlu s t-lemmatem #Gen a #Unsp a na uzly s funktorem INTF (pozor, obcas jsou poznamky od JP a RO o chybnem lemmatu)
+- (HOTOVO) u dlouhych koreferencnich retezcu propojenych bridgingem nechat jednu bridging sipku, ktera je propojuje. Ostatni smazat
-hotové:
+==== chystané obsahové: ====
+.	//podobný X, stejný X, takový X// … (domyslet) – prohledat a sjednotit ANAF a segm
+.	vytáhnout koreferenční řetězce, kde se prolínají SPEC a GEN, podívat se na ně a zjistit, jestli má cenu tam něco měnit
+.	//u nás//  ve smyslu "v Praze" nebo "v ČR" ne/zařadit do anotace
+.	projít rekonstruované NP, vyjádřené slovy a dodělat občas chybějící koreferenci a bridging
+. vyhledat a sjednotit pripady neshody, kde je nejaky  vztah a segm
+prohledat uzly s funktorem ID - nemely by na ne vest sipky
+==== chystané obsahové, připravené filelisty: ====
+Projit vsechny uzly s daným t-lemmatem a upravit koreferenci:
+- "takto" a "tak" a overit, popr. vyrovnat u nich anotovanou koreferenci/bridging. (Vsech "tak" nebo "takto" uzlu je 974. U 156 z nich zacina textova koreferencni  sipka, u 10 zacina bridging sipka.)
+- "tento + (adj) + podstatne jmeno" /tj. pripad, kdy na substantivu visi "tento", nikoliv kde funguje jako podstatne jmeno samo/ ("tento" visi pod podstatnym jmenem 2586 krat. U jednoho z nich zacina textova koreferencni sipka, u zadneho bridging sipka.)
+- "tady" a "tu" (Vsech "tady", "tu", "tam" a "zde" uzlu je 675. U 441 zacina textova koreferencni sipka, u 6 z nich zacina bridging sipka.)
+- "ten" ("ten" visi pod podstatnym jmenem 652 krat. U 65 z nich zacina textova koreferencni sipka, u 15 zacina bridging sipka.)??? proč tak málo koreferencí?
+- "tentýž", "stejný" ("tentýž" nebo "stejný" visí pod podstatnym jmenem 251 krat. U zadneho nezacina textova koreferencni sipka, u 2 zacina bridging sipka.)
+- "takový", "takovýto", "onaký" ("takový", "takovýto" nebo "onaký" visi pod podstatnym jmenem 370 krat. U 1 z nich zacina textova koreferencni sipka, u 2 zacina bridging sipka.)
+- "jiný" ("jiný" visi pod podstatnym jmenem 559 krat. U zadneho nezacina textova koreferencni sipka, u 10 zacina bridging sipka.)
+==== shoda: ====
+- prepocitat jako shodu pripady, kde bridgingem se odkazuje na stejny koreferencni retezec, ale na ruzne uzly
+- spocitat shodu zvlast u pokracujicich koreferencnich retezcu, tj. kde nase koreference doplnuje uz existujici retezec s pronominalni koreferenci
+===== HOTOVÉ =====
+==== Distribuce typů + kontrola prázdného typu ====
+V PML-TQ pomocí dotazu (obdobně pro coref_text):
+''t-node
+[ member bridging $n := [  ] ];
+  >> for $n.informal-type give $1,count()''
+**Výsledek pro bridging (14.11.2011):**
+^ typ ^ četnost ^
+| SET_SUB | 13010 |
+| SUB_SUB | 6009 |
+| WHOLE_PART | 4502 |
+| CONTRAST | 2305 |
+| REST | 2246 |
+| PART_WHOLE | 2054 |
+| P_FUNCT | 1832 |
+| ANAF | 840 |
+| FUNCT_P | 429 |
+| **(prázdný)** | 28 |
+**Výsledek pro coref_text (14.11.2011):**
+^ typ ^ četnost ^
+| SPEC | 70936 |
+| GEN | 16264 |
+| **(prázdný)** | 5 |
+Identifikátory anaforů, odkud vedou šipky s prázdným typem, se najdou takto (obdobně coref_text):
+''t-node $anaf :=
+[ member bridging $n :=
+     [ !informal-type ~ ".+" ] ];
+  >> give $anaf.id''
+==== Distribuce src + kontrola prázdného src a target-node.rf ====
+V PML-TQ pomocí dotazu (obdobně pro coref_text):
+''t-node
+[ member bridging $n := [  ] ];
+  >> for $n.src give $1,count()''
+**Výsledek pro bridging (14.11.2011):**
+^ src ^ četnost ^
+| JP | 18346 |
+| RO | 12782 |
+| JK | 606 |
+| AN | 310 |
+| RO+JP | 863 |
+| JP+RO | 341 |
+| **(prázdný)** | 7 |
+**Výsledek pro coref_text (14.11.2011):**
+^ src ^ četnost ^
+| PDT_2.0 | 20523 |
+| JP | 31791 |
+| RO | 27694 |
+| JK | 1581 |
+| AN | 683 |
+| RO+JP | 3492 |
+| JP+RO | 1406 |
+| **(prázdný)** | 35 |
+Identifikátory anaforů, odkud vedou šipky s prázdným src, se najdou takto (obdobně coref_text):
+''t-node $anaf :=
+[ member bridging $n :=
+     [ !src ~ ".+" ] ];
+  >> give $anaf.id''
+Identifikátory anaforů, odkud vedou šipky s prázdným target-node.rf, se najdou takto (obdobně coref_text):
+(14.11.2011 jich bylo 0 a 0.)
+''t-node $anaf :=
+[ member bridging
+     [ 0x target-node.rf t-node [  ] ] ];
+  >> give $anaf.id''

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

Institute of Formal and Applied Linguistics Wiki

Differences