[ Skip to the content ]

Institute of Formal and Applied Linguistics Wiki

[ Back to the navigation ]

You are here: start » user » dusek » morpho_gen

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 		Previous revision
user:dusek:morpho_gen [2011/10/05 18:57]
dusek 		user:dusek:morpho_gen [2012/07/30 12:58] (current)
dusek
Line 29: Line 29:
   * vynechat vokalizaci předložek, bude se určovat zvlášť   * vynechat vokalizaci předložek, bude se určovat zvlášť
   * u většiny slov jednoznačné, je pár složitých, nejhorší je #PersPron   * u většiny slov jednoznačné, je pár složitých, nejhorší je #PersPron
 +    * přímo z t_lemma & formém se dá určit 99% případů
     * šlo by mít modely jen pro nejednoznačné případy, pro ostatní je generovat z MorphoLM (a brát první, co přijde) nebo mít uložené ve slovníku a jako fallback až LM     * šlo by mít modely jen pro nejednoznačné případy, pro ostatní je generovat z MorphoLM (a brát první, co přijde) nebo mít uložené ve slovníku a jako fallback až LM
-    * modely: pro každé slovo zvlášť, tj. určení jen těch pár tříd, možná přímo z t_lemma & formém by se dalo, nebo ještě nějaké další podrobnosti+      * zřejmě nejde mít jeden velký model, který by ošetřil všechny triviální případy -- bude nutné si udělat pls.gz 
 +    * modely: pro každé slovo zvlášť, tj. určení jen těch pár tříd
  
 === POSy a generované věci === === POSy a generované věci ===
Line 58: Line 60:
   * **GenerateWordForms -- nutné pročistit**, je v tom bordel   * **GenerateWordForms -- nutné pročistit**, je v tom bordel
   * Vokalizace ?   * Vokalizace ?
 +
 +==== Slovesa ====
 +  * Generování slovesných forem -- jednoduché ML na závorkový zápis
 +  * Výsledky: varianty pokusů:
 +
 +^ pokus              ^ popis                                                                             ^ datum            ^ accuracy ^
 +| verbal             | původní varianta, přímo lemmata modálních sloves v targetu, bez featury pro osobu | 2011-12-08 18:48 | 94.641   |
 +| verbal-person      | s featurou "person" a navíc osobou uvedenou v targetu                             | 2011-12-14 18:56 | 94.085   |
 +| verbal-persfeat    | s featurou "person"                                                               | 2011-12-22 12:41 | 94.952   |
 +| verbal-normalized  | normalizované pořadí v targetu, sjednocené modály, jen deontmod                   | 2012-01-27 17:09 | 96.954   |
 +| verbal-inf_mod_fix | normalizované pořadí v targetu, sjednocené modály, deontmod + is_modal            | 2012-02-01 17:49 | 96.976   |
 +| verbal-uni_mod     | normalizované pořadí v targetu, sjednocené modály, jen is_modal                   | 2012-02-03 14:57 | 96.942   |
 +
 +  * Výsledky nejsou úplně porovnatelné, původní verbal má jiné testovací instance (ale jen o trošku), navíc množina target values je pokaždé jiná!
 +  * aktuálně se používá verbal-uni_mod (proč?)
 +
 +=== TODO ===
 +  * nastavit nějak líp cost -- asi menší regularizaci, víc overtraining, aby se i řídké příklady zohlednily
 +    * přitom zřejmě chyby budou výjimečné (protože prostor featur je hodně hustý a ke každé chybě bude existovat i správný příklad)
 +  * možná filtrovat nemožné příklady (neshodné aux.rf se zlatými? kolik to bude %?)
 +  * váhy příkladům (čím delší string, tím větší váha :-))
 +  * opravit nějak generování "by/bychom"
 +

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