Differences
This shows you the differences between two versions of the page.
Both sides previous revision Previous revision Next revision | Previous revision Next revision Both sides next revision | ||
user:hladka:playlang [2009/03/27 11:23] mirovsky |
user:hladka:playlang [2011/01/25 12:44] mirovsky |
||
---|---|---|---|
Line 1: | Line 1: | ||
- | ====== HOT ISSUES ====== | ||
- | * **26. dubna** je termin na podani short papers na [[http:// | ||
- | * motivaci, proc games na anotaci textu | ||
- | * koncepci portalu www.lgame.cz | ||
- | * Shannon game | ||
- | * Place the Space | ||
- | * PlayCoref, PlayNE, PlayDocLabel | ||
- | * sledovani uspesnosti automatickych procedur v zavislosti na datech | ||
- | * dale viz [[https:// | ||
- | * [[PlayCoref]] | ||
- | * [[Place the Space]] | ||
- | ---- | ||
- | * Projit si hry, ktere vydavaji velka vydavatelstvi (Hasbro, ...) a hledat motivaci. | ||
- | ---- | ||
- | * Ze setkani 28. listopadu 2008 | ||
- | * Pavel: muze zacit s experimenty | ||
- | * 8-) Jirka: Prevod koreference v tektogramatickych stromech anotovanych Anjou a kol. do povrchu - viz nize oddil Data Format for the Project Play the Language | ||
- | * 8-) Bara: najit studenty k implementaci prvnich dvou her z casti ' | ||
- | * Trac system - jak to s nim je? | ||
- | * [[http:// | ||
- | * Pamatovat si: | ||
- | * Pracovat s texty v kodovani UTF-8. | ||
+ | ====== Plan 2011 ====== | ||
- | ====== Games with a purpose (GWAP) | + | ==== Rekapitulace 2010 ==== |
+ | * na portalu prezentovany tri hry: Shannon Game (pro dva hrace), Place the Space (pro jednoho hrace), PlayCoref (pro jednoho a pro dva hrace) | ||
+ | * vsechny tri hratelne v anglictine s vetami a s odstavci z Sherlocka Holmese | ||
+ | * pro kazdou hru existuje demo cesky i anglicky a //how to play// pruvodce anglicky, pro Shannona i cesky | ||
+ | * prvni predstaveni portalu sirsi odborne verejnosti [[Play the Language Competition]], | ||
+ | |||
+ | |||
+ | |||
+ | ==== Tym ==== | ||
+ | * Barbora Hladka (koordinace) | ||
+ | * Jiri Mirovsky (data) | ||
+ | * Jan Kohout (implementace her) | ||
+ | * Vladimir Rovensky (sprava LGame) | ||
+ | |||
+ | ==== Schuzky | ||
+ | * 31. ledna, 11:30, chodba k S1 | ||
+ | |||
+ | |||
+ | ==== Portal LGame ==== | ||
+ | * **Ukoly pro Honzu** | ||
+ | - Presun LGame na novy server. Realizace s Milanem Fucikem. (//Do konce ledna//) | ||
+ | * JK: Myslim, ze nam staci Apache server + PHP + PostgreSQL, pro zacatek asi nejlip ve stejne verzi, jako jsou na soucasnem serveru, aby nenastaly nahodou problemy s kompatibilitou. | ||
+ | - Kliknuti na vlajecku znamena, ze se zobrazi lokalizace odpovidajiciho jazyka (nebo jineho, predem stanoveneho, | ||
+ | * JK: Pridavani novych jazykovych verzi her je uz ted docela dobre navrzene, co se Flashe tyce, tak to nepotrebuje menit program, staci, kdyz se prida dalsi xml s prekladem jednotlivych popisku GUI. V PHP by to take nemelo vyzadovat vetsi zasahy (co se API jednotlivych her tyce). | ||
+ | - Na vhodnych forech hledat designera. (Vyvesit inzerat //do konce ledna//) | ||
+ | - Zvetsit velikost hracich oken ve spolupraci s Vladimirem. (//Do 25. ledna//) | ||
+ | - Programatorska dokumentace. (//Do konce unora//) | ||
+ | - Export dat ze souteze PlayCoref --> preslat Jirkovi. (//Do konce ledna//) | ||
+ | - Uzivatelske zprijemneni. System by si mel pamatovat, s jaky nastavenim portalu hrac skoncil. Pri naslednem prihlaseni se objevi prave toto nastaveni. (tj. jakou hru, jaky jazyk ma uzivatel rad:-)) | ||
+ | - Data. Pokud nemame " | ||
+ | - Shannon Game | ||
+ | * Pro jednoho hrace. | ||
+ | * Ze stareho svn repozitare vytahnout zdrojak Shannona. | ||
+ | - Place the Space | ||
+ | * Implementovat verzi pro dva hrace. | ||
+ | * Podrobnosti na strance [[Place the space]]. | ||
+ | |||
+ | * **Ukoly pro Jirku** | ||
+ | - Najit Conana Doyla v cestine. (**JM:** Studie v šarlatové nalezeny dvě; první v překladu z roku 1907 (bezpochyby " | ||
+ | - Thajske texty pro PtS. (ani cinstina, ani hindi nejsou vhodnymi kandidaty - bud se tam mezery pisou nebo je to jeste jinak komplikovany). Korpus s mezerama. (//Do 15. unora// - navrhuji vzhledem k deadlinu na IJCNLP 20. kvetna) | ||
+ | - exportovana data z prosincove souteze nachystat tak, abychom je mohli analyzovat (//Do konce unora//) | ||
+ | - vypsat projekty (//Do konce unora//) | ||
+ | * **Ukoly pro Baru** | ||
+ | - :-) sjednotit anglickou a ceskou lokalizaci LGame (//Do konce ledna//) | ||
+ | - promluvit s Nathanem Greenem - on ma rovnez nejake hry, snad i pro Named Entity. (//Do konce ledna//) | ||
+ | - nachystat osnovu clanku do PBMl (//Do konce brezna//, deadline mame na konci kvetna); viz svn '' | ||
+ | - vypsat rocnikove projekty (//Do konce unora//) | ||
+ | - implementace Place the Space pro iPhone a Android | ||
+ | - nova hra: koherence textu: na urovni vety: prehazet poradi slov ve vete, uzivatel rekonstruuje puvodni poradek slov ve vete - implementovat pro iPhone, Android. | ||
+ | * **Ukoly pro Vladimira** | ||
+ | - zmenit proporce na strankach LGame tak, aby uzivatel nemusel scrollovat, aby videl napriklad odkayz pod hlavnim oknem (//Do konce ledna//) | ||
+ | |||
+ | — | ||
+ | * Pro kazdou hru mit automatickou proceduru, ktera se nasadi jako (virtualni) protihrac. | ||
+ | * Nove hry | ||
+ | * Pojmenovane entity - viz [[PlayNE]]. | ||
+ | * Koherence vety/ | ||
+ | * ... | ||
+ | * **Vypsat rocnikove projekty, bakalarky, diplomky!** VOlnost v technologiich, | ||
+ | |||
+ | ==== Autorské právo ==== | ||
+ | Originální anglické verze děl sira Arthura Conana Doyla je možno používat volně. | ||
+ | U modernějších českých překladů se musíme řídit zákonem o autorském právu. | ||
+ | Našel jsem Zákon č. 398/2006 Sb. - úplné znění zákona č. 121 /2000 Sb.; výňatek z tohoto zákona, který se nás týká: | ||
+ | |||
+ | §31 - Citace | ||
+ | (1) Do práva autorského nezasahuje ten, kdo | ||
+ | a) užije v odůvodněné míře výňatky ze zveřejněných děl jiných autorů ve svém díle, | ||
+ | b) **užije výňatky z díla nebo drobná celá díla pro účely** kritiky nebo recenze vztahující se k takovému dílu, **vědecké či odborné tvorby a takové užití bude v souladu s poctivými zvyklostmi a v rozsahu vyžadovaném konkrétním účelem, | ||
+ | c) **užije dílo** při vyučování pro ilustrační účel nebo **při vědeckém výzkumu, jejichž účelem není dosažení přímého nebo nepřímého hospodářského nebo obchodního prospěchu, a nepřesáhne rozsah odpovídající sledovanému účelu; | ||
+ | **vždy je však nutno uvést, je-li to možné, jméno autora,** nejde-li o dílo anonymní, nebo jméno osoby, pod jejímž jménem se dílo uvádí na veřejnost, **a dále název díla a pramen.** | ||
+ | (2) Do práva autorského nezasahuje ani ten, kdo výňatky z díla nebo drobná celá díla citovaná podle odstavce 1 písm. a) nebo b) dále užije; ustanovení odstavce 1 části věty za středníkem platí obdobně. | ||
+ | |||
+ | **Závěr JM:** Pro naše účely můžeme i novější český překlad použít; měli bychom ale pod nějaký odkaz dát jméno autora překladu a odkaz, odkud jsme to stáhli. | ||
+ | |||
+ | ==== Prezentace, demonstrace, | ||
+ | * GACR 2012 (po trech neuspesnych pokusech frustrace, ale ... ) | ||
+ | * PBML 96, rozsah: 20 stranek, deadline: May 30, 2011. | ||
+ | * [[http:// | ||
+ | * ... | ||
+ | |||
+ | ==== Finance ==== | ||
+ | - OON | ||
+ | - Jan Kohout, student, 24 tis. | ||
+ | - Vladimir Rovensky, student, 5 tis. | ||
+ | - Sluzby | ||
+ | - Design her, 20 tis. | ||
+ | - Naklady na prezentaci, 20 tis. | ||
+ | - LGame hosting, cca 2 tis. (nevim presne) | ||
+ | |||
+ | ====== Motivation ====== | ||
+ | |||
+ | ===== Games with a purpose (GWAP) ===== | ||
| | ||
| | ||
Line 38: | Line 109: | ||
- Postradam dynamiku. | - Postradam dynamiku. | ||
- Vzdy se ma najit " | - Vzdy se ma najit " | ||
+ | * [[http:// | ||
Line 52: | Line 124: | ||
- | ====== Related initiatives | + | |
+ | ===== Related initiatives ===== | ||
| | ||
| | ||
| | ||
| | ||
+ | | ||
Line 69: | Line 143: | ||
- | ====== Papers to read ====== | + | ===== Papers/ |
* (Snow et al., 2008) [[http:// | * (Snow et al., 2008) [[http:// | ||
* Bara's summary: | * Bara's summary: | ||
Line 77: | Line 151: | ||
* when comparing non-expert and expert annotations, | * when comparing non-expert and expert annotations, | ||
* [[http:// | * [[http:// | ||
+ | | ||
+ | | ||
- | + | ====== | |
- | ====== | + | Date: Fri, 10 Oct 2008 09:42:43 +0200, updated on Tue, 7 Apr 2009 |
- | Date: Fri, 10 Oct 2008 09:42:43 +0200 | + | |
From: Jiří Mírovský | From: Jiří Mírovský | ||
napadly me dve dalsi jazykove hry, ale bohuzel nejsou lingvisticky uzitecne | napadly me dve dalsi jazykove hry, ale bohuzel nejsou lingvisticky uzitecne | ||
- | (nenapada | + | (nenapada |
naladit je na jine, mene zabavne lingvisticke hry. | naladit je na jine, mene zabavne lingvisticke hry. | ||
Plus jedna, ktera by uzitecna byt mohla. | Plus jedna, ktera by uzitecna byt mohla. | ||
- | - Hraci dostanou vetu bez mezer mezi slovy a jejich ukolem je nadelat tam mezery, tedy provest tokenizaci. Jediny mozny uplatneni vidim na jazycich jako je thajstina, kde se mezery mezi slovy opravdu nepisou a na konferencich se prednasi o tom, jak to automaticky delat. | + | - Hraci dostanou vetu bez mezer mezi slovy a jejich ukolem je nadelat tam mezery, tedy provest tokenizaci. Jediny mozny uplatneni vidim na jazycich jako je thajstina, kde se mezery mezi slovy opravdu nepisou a na konferencich se prednasi o tom, jak to automaticky delat. |
- Hraci dostanou vetu s prehazenejma slovama (kazdy jinak, nahodne). Jejich cilem je sestavit puvodni vetu. Hraji, dokud se neshodnou, vyhrava ten, kdo to mel driv. Tady uz vubec nevidim zadne vyuziti vlastnich dat, ale mohlo by to fungovat jako reklama na lingvisticke hry, protoze bych rekl, ze tohle hrace bude bavit. Aby to bylo spravedlive, | - Hraci dostanou vetu s prehazenejma slovama (kazdy jinak, nahodne). Jejich cilem je sestavit puvodni vetu. Hraji, dokud se neshodnou, vyhrava ten, kdo to mel driv. Tady uz vubec nevidim zadne vyuziti vlastnich dat, ale mohlo by to fungovat jako reklama na lingvisticke hry, protoze bych rekl, ze tohle hrace bude bavit. Aby to bylo spravedlive, | ||
- Speech reconstruction (nebo jak se tomu odborne rika) - hraci dostanou vetu z rozpoznavace reci a jejich ukolem je udelat z toho standardni ceskou vetu - bez koktani, opakovani apod. | - Speech reconstruction (nebo jak se tomu odborne rika) - hraci dostanou vetu z rozpoznavace reci a jejich ukolem je udelat z toho standardni ceskou vetu - bez koktani, opakovani apod. | ||
+ | - Koherence textu - hráči dostanou text s přeházenými větami - dostanou množinu vět. Cílem je sestavit původní text - seřadit věty. Lucie tvrdí, že to jde vždy, když je text dobře napsaný. Měla na to diplomku. Já tvrdím, že jsou případy, kdy to nejde rozhodnout. Ale hra by z toho mohla být pěkná. | ||
- | ====== Video ====== | + | * Projit si hry, ktere vydavaji velka vydavatelstvi (Hasbro, |
- | *[[http:// | + | |
- | | + | |
- | ====== Corpora outside their original context ====== | ||
- | | ||
- | | ||
- | ====== The Project | + | ====== The PlayLang |
- | / | + | ===== Directory structure ===== |
- | * podadresář playcoref | + | Projekt využívá SVN repozitář, návod k použití zde: |
+ | [[https:// | ||
- | ====== Data Format (and Tred Support) for the Project Play the Language | + | Samotná textová data nejsou ovšem součástí repozitáře (k pracovní kopii se jen přilinkují, |
- | Date: Wed, 24 Dec 2008, updated Tue, 6 Jan 2009, again Fri, 27 Mar 2009 | + | |
+ | / | ||
+ | |||
+ | ===== Data Format (and Tred Support) for the Project Play the Language ===== | ||
+ | Date: Wed, 24 Dec 2008 | ||
+ | Updates: | ||
From: Jiří Mírovský | From: Jiří Mírovský | ||
- | ==== Návrh formátu | + | === Formát souborů |
Důvody: | Důvody: | ||
* automatická lemmatizace a morfologická disambiguace textů je uspokojivě zvládnutý problém, pro nás téměř zadarmo | * automatická lemmatizace a morfologická disambiguace textů je uspokojivě zvládnutý problém, pro nás téměř zadarmo | ||
Line 116: | Line 193: | ||
* automatické procedury pro předzpracování textů (např. detekce kandidátů pro koreferenci) budou lemmatizaci a morfologii nejspíš potřebovat | * automatické procedury pro předzpracování textů (např. detekce kandidátů pro koreferenci) budou lemmatizaci a morfologii nejspíš potřebovat | ||
* morfologická rovina jde dobře zobrazit v Tredu | * morfologická rovina jde dobře zobrazit v Tredu | ||
- | ==== Schéma rozšířené m-roviny: ==== | ||
- | PML schéma je zde: {ROOT}/ | ||
- | * obsahuje rozšíření o seznam struktur pro anotaci koreference; | ||
- | * type - určuje, o jakou koreferenci jde: textual nebo grammatical | ||
- | * lock - pro účely hry PlayCoref zamyká či odemyká jednotlivé šipky (hodnoty: locked/ | ||
- | ==== Převod dat PDT 2.0 do formátu playlang: ==== | + | Alternativně používáme také rozšíření a-roviny z PDT 2.0. |
- | V adresáři {ROOT}/ | + | |
+ | Data pro projekt playlang jsou v adresáři: '' | ||
+ | |||
+ | ==== Schémata rozšířené m-roviny a rozšířené a-roviny: ==== | ||
+ | PML schémata jsou zde: '' | ||
+ | * obě schémata (a- i m-) obsahují rozšíření o atribut '' | ||
+ | * '' | ||
+ | * '' | ||
+ | * '' | ||
+ | * dalším rozšířením obou schémat je možnost vkládat informaci o pojmenovaných entitách, a to ve struktuře '' | ||
+ | * '' | ||
+ | * '' | ||
+ | |||
+ | ==== Převod dat PDT 2.0 (rozšíření bridging) | ||
+ | V adresáři | ||
+ | |||
+ | == Nejprve se změní schéma souboru (m- nebo a-): == | ||
+ | * '' | ||
+ | * '' | ||
+ | |||
+ | == Pak se z rozšířené t-roviny získá seznam koreferenčních dvojic promítnutých na uzly a-roviny nebo m-roviny: == | ||
+ | * '' | ||
+ | * '' | ||
+ | |||
+ | == Nakonec se koreferenční dvojice z daného seznamu vloží do rozšířeného m-souboru nebo a-souboru: == | ||
+ | * '' | ||
+ | * '' | ||
+ | |||
+ | == Některé koreferenční vztahy je možno zamknout: == | ||
+ | * '' | ||
+ | |||
+ | === Pojmenované entity === | ||
+ | == Nejprve je potřeba získat seznam pojmenovaných entit: == | ||
+ | * To se provádí v TectoMT (kde se ostatně pojmenované entity v souborech automaticky označí). Skript pro vytvoření seznamu pojmenovaných entit se jmenuje '' | ||
+ | |||
+ | == Pojmenované entity z vytvořeného seznamu se vloží do rozšířeného a-souboru (zatím nebyl potřeba skript i pro m-soubor): == | ||
+ | * '' | ||
+ | |||
+ | === Vkládání dat do herní databáze === | ||
+ | Pro vkládání dat do herní databáze používáme formát csts. | ||
+ | |||
+ | == Převod rozšířené a-roviny do rozšířeného csts == | ||
+ | * '' | ||
- | * _change_mschema_to_playlang.sh - změní schéma m-souborů na mdata_schema_playlang.xml | + | ==== Převod dat z prostého textu do formátu playlang: ==== |
- | * _coreference_extract_surface.ntred - prochází textovou ka gramatickou oreferenci na t-rovině | + | Využíváme analýzu v modulárním systému TectoMT. |
- | * _coreference_add.ntred - ze seznamu bere dvojice identifikátorů koreferenčních lemmat na m-rovině a tyto koreference vkládá | + | |
- | * _coreference_lock.ntred - koreferenční šipky opatří správnými hodnotami atributu lock | + | |
- | Aktuálně | + | Postup |
+ | - Do textového souboru v UTF-8 jsem za nadpisy a čísla kapitol přidal tečku - konec věty; česká TectoMT analýza nadpisy nezná. | ||
+ | - Následně jsem použil aktuální verzi analýzy na tekto rovinu, která je k dispozici v TectoMT. | ||
+ | - Ve výsledném naparsovaném souboru jsem rozpoznal základní pojmenované entity - kombinace cizích a mých vlastních modulů TectoMT; prozatím v PlayCoref neumíme zpracovat vnořené entity, a tak jsem použil opravdu jen základní moduly, vynechal jsem např. spojení přívlastků vlastních s podstatnými jmény. (Použitý scénář: '' | ||
+ | - Nalezené pojmenované entity jsem vyextrahoval pomocí skriptu '' | ||
+ | | ||
==== Zobrazení v Tredu: ==== | ==== Zobrazení v Tredu: ==== | ||
Pro Tred existuje rozšíření //Play the Language (playlang)//, | Pro Tred existuje rozšíření //Play the Language (playlang)//, | ||
- | (zdroj: {ROOT}/ | + | (zdroj: |
- | Umožňuje otevřít rozšířené m-soubory a zobrazit koreferenční šipky. Nastavuje zobrazení kontextových " | + | Umožňuje otevřít rozšířené m-soubory nebo rozšířené a-soubory a zobrazit koreferenční šipky. Nastavuje zobrazení kontextových " |
Pozor, při otvírání souborů s maskou //*.m.gz// v souborovém dialogu v Tredu je potřeba přepnout filtr souborů na " | Pozor, při otvírání souborů s maskou //*.m.gz// v souborovém dialogu v Tredu je potřeba přepnout filtr souborů na " | ||