Differences
This shows you the differences between two versions of the page.
| Next revision | Previous revision | ||
|
user:dusek:formemy_gen [2011/09/29 14:50] dusek vytvořeno |
user:dusek:formemy_gen [2011/12/14 18:48] (current) dusek |
||
|---|---|---|---|
| Line 1: | Line 1: | ||
| - | ==== Automatická detekce funktorů ==== | + | ====== Automatická detekce funktorů |
| - | === Klasifikátor === | + | ===== Klasifikátor |
| * LibLINEAR, logistic regression (upravit ?) | * LibLINEAR, logistic regression (upravit ?) | ||
| * kombinace klasifikátorů -- klasifikátorem ? | * kombinace klasifikátorů -- klasifikátorem ? | ||
| + | * zpětná kontrola, že nemá formém nic, co ho nepotřebuje ? | ||
| - | === Varianty pokusů, featury === | + | ===== Varianty pokusů, featury |
| * vynechané koordinační funktory (beztak nepotřebují formém) | * vynechané koordinační funktory (beztak nepotřebují formém) | ||
| - | * základní ('' | + | == základní |
| + | * technické: sent_id, word_id, parent, nodetype, is_generated | ||
| + | * 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 ('' | * s ef. rodiči místo topologických ('' | ||
| * s ef. rodiči a funktory rodiče a levých sourozenců jako featurami ('' | * s ef. rodiči a funktory rodiče a levých sourozenců jako featurami ('' | ||
| * dělené podle t-lemmatu ('' | * dělené podle t-lemmatu ('' | ||
| - | * //nové featury (??)// | ||
| - | * nominal (max. 50 featur v selection) + binary | ||
| - | === Výsledky === | + | ===== Výsledky |
| ^ pokus ^ datum ^ bez feature selection ^ s feature selection ^ | ^ pokus ^ datum ^ bez feature selection ^ s feature selection ^ | ||
| Line 22: | Line 31: | ||
| | fog-eff_tree | 2011-09-29 03:22 | 85.928 | 86.485 | | | fog-eff_tree | 2011-09-29 03:22 | 85.928 | 86.485 | | ||
| | fog-tlemma | 2011-09-29 14:32 | 83.795 | 84.985 | | | 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 " | ||
| + | * 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, | ||
| + | * 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: | ||
| + | * 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 !! | ||