Differences

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

--- user:hladka:data [2007/05/04 09:33]
hladka
+++ user:hladka:data [2007/05/07 19:36] (current)
hladka
@@ Line 1: / Line 1: @@
-**Motivace**: dat do poradku vse kolem dat, na kterych se zacala anotovat rozsirena koreference (vzhledem k PDT 2.0) a zacalo se smerovat k bridging anafore. Data, na kterych bylo neco provedeno, jsou rozdelena do tri skupin (rikam jim varky;-). Pro kazdou varku jsou uvedeny udaje, ktere varku jednoznacne charakterizuji. Vsechny soubory, o kterych se pise, mam zatim lokalne u sebe (i kdyz je vlastne maji vsichni zainteresovani taky nekde u sebe). Az tuto dokumentaci dokoncim, tak s ni budou seznameni vsichni ti, kteri si informace zde uvedene zaslouzi znat;-))
+==== Motivace ====
+== Neformalne ==
+Je to skoro rok a pul, co se vzalo nekolik t-souboru z PDT 2.0 a provedla se na nich studie anotace rozsirene koreference (vzhledem k PDT 2.0), ktera se vyuzila pro sledovani aktivovanosti objektu diskurzu. Pak se vzaly zase jine soubory z PDT 2.0 a provedla se na nich studie anotace bridging anafory. Mezi tim se anotovala data z PDT 2.0 z pohledu ACV. Protoze algoritmus pro sledovani aktivovanosti potrebuje informaci o T a F, tak se nachystaly pro dalsi anotaci rozsirene koreference soubory, ktere jiz prosly anotaci ACV. Na tyto soubory zatim nedoslo.
+Po Lucce prevzala anotaci koreference Anja. Po nekolika e-mailech jsme s Anjou dokonvergovaly k tomu, ze je jasne, ktere soubory a jak byly zpracovane, a ze je lze otevrit v TrEdu (tj. mj. ze sedi t-schemata). Aby k podobnemu patrani uz v budoucnu nedoslo, tak vznikla dokumentace - viz dale.
+== Formalne ==
+Dat do poradku vse kolem dat, na kterych se zacala anotovat rozsirena koreference (vzhledem k PDT 2.0) a zacalo se smerovat k bridging anafore. Data, na kterych bylo bud jiz neco provedeno, nebo byla pouze nachystana, jsou rozdelena do tri skupin (rikam jim varky;-)). Pro kazdou varku jsou uvedeny udaje, ktere varku jednoznacne charakterizuji. Vsechny soubory, o kterych se pise, mam zatim lokalne u sebe (i kdyz je vlastne asi maji nekteri zainteresovani taky nekde).
+ Protoze anotace koreference jde ruku v ruce s anotaci ACV, tak v dokumentaci myslim i na spolecne uloziste vysledku obou typu anotaci.
 ==== Data ====
-   - varka
+   - VARKA
       - **Popis dat**
-         * vyber 40 souboru z PDT 2.0, ktere byly barevne anotovany na papire
+         * 40 souboru z PDT 2.0, ktere byly barevne anotovany na papire
+         * seznam souboru {{user:hladka:varka_1_soubory.txt|}}
+         * schema pro t-soubory: ''tdata-schema-bh.xml''
       - **Anotace ceho**
          * rozsirena koreference
@@ Line 11: / Line 25: @@
          * Lucka
       - **Dokumentace**
-         * clanek Hajicova, Hladka, Kucova, ....
+         * Hajicova, Hladka, Kucova: An annotated corpus as a test bed for discourse structure analysis. In Proceedings of the Workshop on Constraints in Discourse. National University of Ireland, Maynooth, Ireland, pp. 82-89, 2006. ({{user:hladka:salienceirsko06.pdf|}})
-   - varka
+   - VARKA
       - **Popis dat**
-         * nahodny vyber 9 souboru z PDT 2.0
+         * 9 souboru nahodne vybranych z PDT 2.0
-      * cmpr9410_028.t.gz
+         * seznam souboru {{user:hladka:varka_2_soubory.txt|}}
-      * cmpr9413_006.t.gz
+         * schema pro t-soubory: ''tdata-schema-bridging.xml''
-      * lnd94103_087.t.gz
+       - **Anotace ceho**
-      * ln94204_107.t.gz
+         * bridging anafora
-      * ln94207_76.t.gz
-      * ln94207_84.t.gz
-      * ln94208_11.t.gz
-      * ln94210_95.t.gz
-      * ln95047_061.t.gz
-      - **Anotace ceho**
-         * bridging
       - **Anotator**
          * Lucka, predano Anje
       - **Dokumentace**
          * ...
-   - varka
+   - VARKA
       - **Popis dat**
          * vyber 15 souboru z PDT 2.0, u kterych jiz bylo rucne anotovane ACV (viz Sarka)
+         * seznam souboru {{user:hladka:varka_3_soubory.txt|}}
       - **Anotace ceho**
          * zatim nezpracovano
@@ Line 39: / Line 47: @@
       - **Dokumentace**
          * ...
+   - Bonus
+      - **Popis dat**
+         * "Dvorak", uryvek z Veseleho snu o Dvorakovi J. Skvoreckeho (41 vet, {{user:hladka:DvorakSentencesENCZ.pdf|}})
+         * 'raw' text prosel temito procedurami
+            * run-it-all ## AUTOMATICKA procedura z PDT 2.0 (tokenizace, tagger, parser, konverze do t-souboru)
+            * na t-datech zapracovala Jana Vejvodova (oprava, doplneni nodetype)
+      - **Anotace ceho**
+         * tfc
+         * rozsirena koreference
+      - **Anotator**
+         * Bara Smrckova
+         * Lucka
+      - **Dokumentace**
+         * ...
 ==== Nastroje ====
-==== Projektovy adresar ====
+   * Ma nekdo nastroj, jak dostat ACV anotaci k uzlum v tektogramatickych stromech?
+==== Adresar ====
+Bylo by dobre soustredit data, ktera se anotuji z pohledu ACV a koreference, na jednom miste. Pisi zcela zamerne pouze o datech, protoze ty jsou v tomto okamziku primarni. Nasledne se muzeme pobavit o jemnejsim deleni adresare i vzhledem k naplni projektu, ktery podavala Sarka na GACR.
+Nyni tedy navrhuji
+   - v adresari ''/net/projects/'' zalozit adresar se jmenem (treba) ''ACV_Coref'' (nemela jsi, Sarko, vymysleny hezci akronym pro ten GACR projekt?) a jeho podadresar ''Data/''; nadale budu tedy brat jako domovsky adresar ''/net/projects/ACV_Coref/Data'' a cesty budu uvadet relativne k tomuto adresari. Zalozeni projektoveho adresare musi jit pres Milana. Pro zacatek navrhuji, aby prava pristupu do tohoto adresare meli jen zainteresovani - viz nize.
+      - ''mkdir Coref/'' - protoze soubory, na kterych uz se pracovalo, bude potreba zrevidovat, tak by tento adresar obsahoval podadresare odpovidajici jednotlivym varkam (viz vyse), proto (adresare ''varka*'' mam jiz nachystane.)
+         * ''mkdir Coref/varka_1_A_Dvorak/''
+         * ''mkdir Coref/varka_2/''
+         * ''mkdir Coref/varka_3/''
+      - ''mkdir ACV/'' - k obsahu nemam co rict - prosim doplnte!
+   - s [[http://en.wikipedia.org/wiki/Subversion_%28software%29|SVN]] (prip. CVS) nemam vubec zadnou zkusenost, ale jednoznacne jsem pro to, abychom s tim pracovali.
+   - nevim, jestli ma cenu stale za sebou tahat ''[wma]-soubory'', protoze predpokladam, ze se s nimi na urovni ACV a koreferencnich anotaci nic deje. Proto by mozna stacilo vest linky do prislusneho podadresare projektoveho adresare PDT (''/net/projects/pdt/pdt20/data/full/tamw''). Stalo by za to se poptat, jak to resi v jinych projektech.
 ==== Komu urceno ====
@@ Line 52: / Line 89: @@
 Mirek Tynovsky
 Sarka Zikanova
+...

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

Institute of Formal and Applied Linguistics Wiki

Differences