Differences
This shows you the differences between two versions of the page.
| Both sides previous revision Previous revision Next revision | Previous revision | ||
|
user:dusek:funktory [2011/09/29 16:19] dusek |
user:dusek:funktory [2012/07/25 17:06] (current) dusek |
||
|---|---|---|---|
| Line 1: | Line 1: | ||
| - | ==== Automatická detekce funktorů ==== | + | ====== Automatická detekce funktorů |
| - | === Klasifikátor === | + | ===== Klasifikátor |
| * LibLINEAR, logistic regression | * LibLINEAR, logistic regression | ||
| * kombinace klasifikátorů -- klasifikátorem ? | * kombinace klasifikátorů -- klasifikátorem ? | ||
| + | ===== Varianty pokusů, featury ===== | ||
| - | === Varianty pokusů, featury | + | ==== základní sada ==== |
| - | * vynechané koordinační funktory (měly by se dělat zvlášť) | + | |
| - | == základní sada == | + | |
| * technické: sent_id, word_id, parent, nodetype, is_generated (+functor) | * technické: sent_id, word_id, parent, nodetype, is_generated (+functor) | ||
| - | * uzel sám: form, t_lemma, tag, MorphCat, formém, sempos (+trunc), m_lemma (trunc), afun -- **sempos nelze používat!** | + | * uzel sám: form, t_lemma, tag, MorphCat, formém + split, m_lemma (trunc), afun |
| * aux.rf: aux_forms, aux_m_lemma (trunc) | * aux.rf: aux_forms, aux_m_lemma (trunc) | ||
| * uzel + parent: Order, Distance | * uzel + parent: Order, Distance | ||
| - | * synt. okolí: CoarseTag, form, m_lemma, t_lemma, sempos (trunc), afun, formém | + | * synt. okolí: CoarseTag, form, m_lemma, t_lemma, afun, formém |
| * parent, children, lsibling, rsibling, lsiblings, rsiblings, | * parent, children, lsibling, rsibling, lsiblings, rsiblings, | ||
| - | * children types: CoarseTag, form, m_lemma, t_lemma, sempos (trunc), afun, formém, počet takových | + | * children types: CoarseTag, form, m_lemma, t_lemma, afun, formém |
| * ACNPD, ACNPDV, V, R, J | * ACNPD, ACNPDV, V, R, J | ||
| - | * topol. okolí: CoarseTag, form, m_lemma, t_lemma, sempos (trunc) | + | * topol. okolí: CoarseTag, form, m_lemma, t_lemma |
| * left 3, 2, 2+1, 1, right 1, 1+2, 2, 3 | * left 3, 2, 2+1, 1, right 1, 1+2, 2, 3 | ||
| - | == varianty == | + | |
| + | ==== varianty ==== | ||
| + | * s formémem a jeho částmi jako featurami nebo bez | ||
| * 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 (??)// | * //nové featury (??)// | ||
| - | | + | * zkusit použít oba formémy :-) |
| - | === Výsledky === | + | |
| + | * featury z vallexu | ||
| + | |||
| + | ==== Výsledky | ||
| ^ pokus ^ datum ^ bez feature selection ^ s feature selection ^ | ^ pokus ^ datum ^ bez feature selection ^ s feature selection ^ | ||
| - | | fug, nominal |||| | + | | fug2-dia_coap-c_fix |
| - | | fug-base | 2011-09-27 21:31 | 79.278 | 79.318 | | + | | fug2-dia_coap-d | 2012-07-24 13:45 | 77.938 | 78.307 | |
| - | | fug-eff | 2011-09-27 21:41 | 79.513 | 79.742 | | + | | fug2-dia_coap-d_set (set-aware) |
| - | | fug-eff_tree | + | | fug2-vallex |
| - | | fug-formeme | + | | fug2-vallex_all-set (vše set-aware) |
| - | | fug-tlemma | + | | fug2-vallex_limited-set (jen vallex set-aware) |
| - | | fug2-base | 2011-09-27 20:03 | 79.096 | 79.290 | | + | | fug2-vallex_set (krom vallexu) |
| - | | fug2-eff | 2011-09-27 22:03 | 79.471 | 79.612 | | + | |
| - | | fug2-eff_tree | + | * proč je feat. selection tak neúčinná ? |
| - | | fug2-formeme | + | * chce to víc featur ? |
| - | | fug2-tlemma | + | |
| + | ==== Vysvětlení ==== | ||
| + | * eff: lepší (ale zato o hodně!) jsou jen slova visící na něčem bez semposu (a je jich pak víc), ostatní jsou spíš horší | ||
| + | * protože eff zřejmě dává mnohem lepší rooty (nepletou se tam koordinace) | ||
| + | * diathesis tomu pomáhá jenom minimálně, | ||
| + | * set (set-aware) nemá skoro vliv, někde pomáhá, někde škodí; proč? | ||
| + | |||
| + | ==== Výsledky na zlatých parsech ==== | ||
| + | |||
| + | ^ jazyk ^ varianta ^ výsledek ^ | ||
| + | | CS | nosplit | ||
| + | | CS | morph-split | 87.714 | | ||
| + | | CS | formemes | ||
| + | | EN | nosplit | ||
| + | | EN | morph-split | 80.752 | | ||
| + | | EN | formemes | ||
| + | |||
| + | * vždy zlatá struktura a pravidlové formémy k tomu | ||
| + | * české na PDT 2.0 D-Test (trén. na PDT train), anglické na PCEDT 2.0 sec. 24 (trén. na 02-21) | ||
| + | * bez feature selection | ||
| + | |||
| + | == Nastavení parametrů == | ||
| + | |||
| + | * Bez feature selection vychází nejlíp: | ||
| + | |||
| + | ^ typ ^ cost ^ term. criterion ^ | ||
| + | | adj | 1 / 2 | 0.1 | | ||
| + | | adv | 1 | 0.03 | | ||
| + | | v, n | 1 | 0.01 | | ||
| + | | ??? | 1 | 0.1 | | ||
| + | | - | 1 | 0.003 / 0.03 | | ||
| + | |||
| + | == Poučení == | ||
| + | |||
| + | * Nezapomínat na binarizaci, jinak to celé bude mít mizernou úspěšnost (65%) | ||
| + | * Pozor na overtraining, | ||
| + | * Pozor na data, ať v nich není nic, co je známé až potom | ||
| + | |||
| + | === Koordinační funktory === | ||
| - | == vysvětlení == | + | * Je potřeba udělat, protože přesnost pravidel není valná (mají jen asi 4 možné funktory) |
| - | * 2. verze funktorů dává o 1% lepší substantiva, ale mnohem horší adverbia -- proč ? | + | * FixIsMember je asi vhodný, ale ne úplně nutný: v praxi zřejmě nedojde k tomu, aby koordinační funktor dostalo něco, co předtím nebyla koordinace, a naopak. |