[ Skip to the content ]

Institute of Formal and Applied Linguistics Wiki

• ÚFAL Wiki Home
• ÚFAL Home
• Sitemap
• RSS
• ÚFAL calendar
• Recent changes
• Login
• Hledat:

[ Back to the navigation ]

Differences

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

View differences: Side by SideInline Go

Link to this comparison view

Both sides previous revision Previous revision 2011/01/21 15:48 mirovsky 2011/01/21 15:47 mirovsky 2011/01/21 15:44 mirovsky 2011/01/21 15:44 mirovsky 2011/01/21 15:41 mirovsky 2011/01/21 15:38 mirovsky 2011/01/21 15:37 mirovsky 2011/01/21 15:35 mirovsky 2011/01/21 15:34 mirovsky 2011/01/21 15:34 mirovsky 2011/01/21 15:28 mirovsky 2011/01/21 15:28 mirovsky 2011/01/21 15:26 mirovsky 2011/01/21 15:26 mirovsky 2011/01/21 15:26 mirovsky 2011/01/21 15:20 mirovsky 2011/01/21 15:19 mirovsky 2011/01/21 15:17 mirovsky 2011/01/21 15:15 mirovsky 2011/01/21 12:43 hladka 2011/01/21 08:52 hladka 2011/01/21 08:51 hladka 2011/01/21 08:51 hladka 2011/01/20 11:17 ufal 2011/01/20 11:15 ufal 2011/01/20 10:53 ufal 2011/01/20 10:52 ufal 2011/01/14 13:44 hladka 2011/01/14 13:37 hladka 2011/01/14 13:37 hladka 2011/01/14 13:35 hladka 2011/01/14 13:32 hladka 2011/01/14 13:27 hladka 2011/01/14 13:23 hladka 2011/01/14 10:47 hladka 2011/01/14 10:43 hladka 2011/01/14 10:42 hladka 2011/01/14 10:41 hladka 2011/01/14 10:39 hladka 2011/01/14 10:33 hladka 2011/01/14 10:06 hladka 2011/01/14 09:55 hladka 2011/01/14 09:43 hladka 2011/01/06 09:27 hladka 2011/01/04 14:33 hladka 2011/01/04 12:23 hladka 2011/01/04 12:09 hladka 2011/01/04 11:56 hladka 2011/01/04 11:55 hladka 2011/01/04 11:54 hladka 2011/01/04 11:54 hladka Go Next revision		Previous revision 2011/03/02 09:54 hladka 2011/03/02 09:53 hladka 2011/02/24 11:04 hladka 2011/02/24 10:46 hladka 2011/02/24 10:44 hladka 2011/02/24 10:10 hladka 2011/02/24 10:09 hladka 2011/02/24 10:09 hladka 2011/02/24 10:08 hladka 2011/02/24 10:07 hladka 2011/02/24 10:06 hladka 2011/02/24 10:05 hladka 2011/02/24 10:03 hladka 2011/02/24 10:03 hladka 2011/02/01 10:59 hladka 2011/02/01 10:58 hladka 2011/02/01 10:57 hladka 2011/01/31 15:13 ufal 2011/01/31 15:06 hladka 2011/01/28 12:31 ufal 2011/01/28 12:30 ufal 2011/01/28 11:45 ufal 2011/01/28 11:43 ufal 2011/01/28 11:42 ufal 2011/01/26 14:28 ufal 2011/01/26 14:17 ufal 2011/01/26 13:47 ufal 2011/01/25 16:27 mirovsky 2011/01/25 16:26 mirovsky 2011/01/25 15:59 mirovsky 2011/01/25 12:44 mirovsky 2011/01/25 12:39 mirovsky 2011/01/25 12:37 mirovsky 2011/01/25 12:36 mirovsky 2011/01/24 13:19 hladka 2011/01/24 11:39 ufal 2011/01/24 11:23 ufal 2011/01/24 11:21 ufal 2011/01/24 11:19 ufal 2011/01/21 16:14 mirovsky 2011/01/21 16:06 mirovsky 2011/01/21 16:03 mirovsky 2011/01/21 16:00 mirovsky 2011/01/21 15:55 mirovsky 2011/01/21 15:54 mirovsky 2011/01/21 15:52 mirovsky 2011/01/21 15:48 mirovsky 2011/01/21 15:48 mirovsky 2011/01/21 15:47 mirovsky 2011/01/21 15:44 mirovsky 2011/01/21 15:44 mirovsky Go
user:hladka:playlang [2011/01/20 10:53] ufal		user:hladka:playlang [2011/03/02 09:54] (current) hladka
Line 2:		Line 2:
	====== Plan 2011 ======		====== Plan 2011 ======
		+
		+
	====  Rekapitulace 2010 ====		====  Rekapitulace 2010 ====
Line 16:		Line 18:
	* Jan Kohout (implementace her)		* Jan Kohout (implementace her)
	* Vladimir Rovensky (sprava LGame)		* Vladimir Rovensky (sprava LGame)
		+
		+	====  Schuzky  2011 ====
		+	* 31. ledna, 11:30, chodba k S1
		+
	==== Portal LGame ====		==== Portal LGame ====
	* **Ukoly pro Honzu**		* **Ukoly pro Honzu**
-	- Presun LGame na novy server. Realizace s Milanem Fucikem. (//Do konce ledna//)	+	-=) ''http://lgame.ms.mff.cuni.cz/lgame'' 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.		* 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 ineho, predem stanoveneho, napr. tajstina --> anglictina). Zaroven to znamena, zase az na vyjimky, ze s texty prislusneho jazyka chce hrac hrat. Proto doplnit vlajecky k demum. (//Do 4. unora)//)	+	- Kliknuti na vlajecku znamena, ze se zobrazi lokalizace odpovidajiciho jazyka (nebo jineho, predem stanoveneho, napr. thajstina --> anglictina). Zaroven to znamena, zase az na vyjimky, ze s texty prislusneho jazyka chce hrac hrat. Proto doplnit vlajecky k demum. (//Do 4. unora)//)
	* 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).		* 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//)	+	- :-D Na vhodnych forech hledat designera. (Vyvesit inzerat //do konce ledna//)
	- Zvetsit velikost hracich oken ve spolupraci s Vladimirem. (//Do 25. ledna//)		- Zvetsit velikost hracich oken ve spolupraci s Vladimirem. (//Do 25. ledna//)
	- Programatorska dokumentace. (//Do konce unora//)		- Programatorska dokumentace. (//Do konce unora//)
-	- Export dat ze souteze PlayCoref --> preslat Jirkovi. (//Do konce ledna//)	+	- :-D 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:-))		- 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 "spolehliva" data, brat vystupy z predchozich partii. Prvni hrac je na tom nejhur, pro nej se pouzije automaticka procedura - zohlednit pri pocitani skore. Spolehlivost anotace.  Vyzkouset u PlayCoref.		- Data. Pokud nemame "spolehliva" data, brat vystupy z predchozich partii. Prvni hrac je na tom nejhur, pro nej se pouzije automaticka procedura - zohlednit pri pocitani skore. Spolehlivost anotace.  Vyzkouset u PlayCoref.
		+	- U kazde verze pro dva hrace, dat v okne, kdy ceka hrac ceka na protihrace, moznost, aby mohl okamzite zacit hrat single verzi.
	- Shannon Game		- Shannon Game
	* Pro jednoho hrace.		* Pro jednoho hrace.
Line 37:		Line 44:
	* **Ukoly pro Jirku**		* **Ukoly pro Jirku**
-	- Najit Conana Doyla v cestine. (**JM:** Studie v šarlatové zatím nalezena v překladu z roku 1907.)	+	- :-D Najit Conana Doyla v cestine. (**JM:** Studie v šarlatové nalezeny dvě; první v překladu z roku 1907 (bezpochyby "free", ale jazykově spíš nepoužitelná), druhá novější na serveru http://ld.johanesville.net/doyle-06-studie-v-sarlatove?page=1, ale nic tam nepíšou o roku překladu a o autorských právech; o autorském právu ale píšu níže v samostatné sekci)
	- 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)		- 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//)		- exportovana data z prosincove souteze nachystat tak, abychom je mohli analyzovat (//Do konce unora//)
-	- vypsat projekty (//Do konce unora//)	+	- :-D "podstrcit" ceskeho Doyla anotatorum (//Na zacatku brezna//)
		+	- :-D vypsat projekty (//Do konce unora//) --> viz [[http://ufal.mff.cuni.cz/~mirovsky/vyuka/Nabidka_rocnikovych_projektu.html|http://ufal.mff.cuni.cz/~mirovsky/vyuka/Nabidka_rocnikovych_projektu.html]]
	* **Ukoly pro Baru**		* **Ukoly pro Baru**
-	- sjednotit anglickou a ceskou lokalizaci LGame (//Do konce ledna//)	+	- :-D 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//)		- 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)	+	- nachystat osnovu clanku do PBMl (//Do konce brezna//, deadline mame na konci kvetna); viz svn ''\playlang_UFAL\doc\papers\2011_PBML_96''
-	- vypsat rocnikove projekty (//Do konce unora//)	+	- :-D sepsat pozadavky na funkcnost LGame a dle nich formulovat pozadavky na vizualizaci - :-D oslovit Michala Sotkovskeho (//Do 15. unora//) -- Mi**chal nema cas:-(**
-	- implementace Place the Space pro iPhone a Android	+	- Konzistence - obsah prostredi pro jednotlive hry shodne. Designem jednotlive hry odlisit.
-	- nova hra: koherence textu: na urovni vety: prehazet poradi slov ve vete, uzivatel rekonstruuje puvodni poradek slov ve vete - implementovat pro iPhone, Android.	+	- Pro kazdou hru musi existovat
		+	- Verze pro jednoho a dva hrace (system).
		+	- How to play (text).
		+	- Demo (animace).
		+	- Hrej! ("tlacitko").
		+	- Poradi hracu (seznam).
		+	- V pripade hrace pro dva, neni-li druhy hrac k dispozici, dat moznost zahrat si single verzi (system).
		+	- Jazykove mutace - v jakych jazycich je hru mozne hrat. Default: cestina a anglictina. Designeme rozlisit jednotlive jazykove mutace tak, aby uzivatel pohledem na screen poznal, ze je v ceskem prostredi.
		+	- 3, Design prizpusobit sirokouhlym monitorum. Minimalizovat usili uzivatele na scrolovani. Nejlepe, videt vse najednou.
		+	- :-D na hlavni stranku dat informaci o textech, se kterymi se hraje (//Do 15. unora//)
		+	- :-D vypsat rocnikove projekty (//Do konce unora//) --> viz [[http://ufal.mff.cuni.cz/~hladka/dp.html|http://ufal.mff.cuni.cz/~hladka/dp.html]]
	* **Ukoly pro Vladimira**		* **Ukoly pro Vladimira**
	- zmenit proporce na strankach LGame tak, aby uzivatel nemusel scrollovat, aby videl napriklad odkayz pod hlavnim oknem (//Do konce ledna//)		- 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.		* Pro kazdou hru mit automatickou proceduru, ktera se nasadi jako (virtualni) protihrac.
Line 58:		Line 75:
	* ...		* ...
	* **Vypsat rocnikove projekty, bakalarky, diplomky!** VOlnost v technologiich, ale pozor na PLUGINS!!!		* **Vypsat rocnikove projekty, bakalarky, diplomky!** VOlnost v technologiich, ale pozor na PLUGINS!!!
		+
		+	==== 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, publikace ====		==== Prezentace, demonstrace, publikace ====
Line 72:		Line 104:
	- Design her, 20 tis.		- Design her, 20 tis.
	- Naklady na prezentaci, 20 tis.		- Naklady na prezentaci, 20 tis.
-	- LGame hosting, cca 2 tis. (nevim presne)	+	- LGame hosting, 1 800 Kc (viz nize)
		+
		+	----
		+
		+	Z''adame Vas proto o uhrazeni platby s temito parametry:
		+
		+	Ucet:              1061626001/5500 (Raiffeisenbank)
		+	Castka:            1800,00 Kc
		+	Variabilni symbol: 33922011
		+	Konstantni symbol: ponechte prazdny nebo 0558
		+
		+	Podrobny rozpis sluzeb:
		+
		+	Cena (s DPH)   Popis sluzby
		+
		+	1200,00 Kc  Hosting domeny lgame.cz 12 mesicu v hostingovem programu Cesky hosting
		+	300,00 Kc  Udrzovaci poplatek domeny lgame.cz na 12 mesicu
		+	300,00 Kc  Udrzovaci poplatek domeny lgame.eu na 12 mesicu
		+
		+	Celkem k uhrade (vcetne DPH): 1800,00 Kc''
		+
		+	----
	====== Motivation ======		====== Motivation ======
Line 162:		Line 216:
	===== Data Format (and Tred Support) for the Project Play the Language =====		===== Data Format (and Tred Support) for the Project Play the Language =====
-	Date: Wed, 24 Dec 2008, updated Tue, 6 Jan 2009, again Fri, 27 Mar 2009	+	Date: Wed, 24 Dec 2008
		+	Updates: 6 Jan 2009, 27 Mar 2009, 21 Jan 2011
	From: Jiří Mírovský		From: Jiří Mírovský
-	=== Návrh formátu pro playlang (minimálně playcoref): rozšíření m-roviny z PDT 2.0 ===	+	=== Formát souborů pro playlang (minimálně playcoref): rozšíření m-roviny z PDT 2.0 ===
	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 172:		Line 227:
	* morfologická rovina jde dobře zobrazit v Tredu		* morfologická rovina jde dobře zobrazit v Tredu
-	==== Schéma rozšířené m-roviny: ====	+	Alternativně používáme také rozšíření a-roviny z PDT 2.0.
-	PML schéma je zde: {ROOT}/playcoref/tred_extension/	+
-	* obsahuje rozšíření o seznam struktur pro anotaci koreference; o strukturu jde proto, aby šly snadno přidat další atributy (podobně jako v projektu anotování rozšířené textové koreference); přidány už byly atributy:	+	Data pro projekt playlang jsou v adresáři: ''{ROOT}/playcoref/data/shared''
-	* type - určuje, o jakou koreferenci jde: textual nebo grammatical	+
-	* lock - pro účely hry PlayCoref zamyká či odemyká jednotlivé šipky (hodnoty: locked/unlocked)	+	==== Schémata rozšířené m-roviny a rozšířené a-roviny: ====
		+	PML schémata jsou zde: ''{ROOT}/playcoref/tred_extension/package/playlang/resources''
		+	* obě schémata (a- i m-) obsahují rozšíření o atribut ''coref'' - seznam struktur pro anotaci koreference; o strukturu jde proto, aby šly snadno přidat další atributy (podobně jako v projektu anotování rozšířené textové koreference); obsahuje atributy:
		+	* ''target-node.rf'' - id antecedenta
		+	* ''type'' - určuje, o jakou koreferenci jde: textual, grammatical nebo chained (chained znamená: na povrchové rovině je to jeden link, na tekto rovině je to více linků vedoucích přes uzel, který nemá povrchové vyjádření)
		+	* ''lock'' - pro účely hry PlayCoref zamyká či odemyká jednotlivé šipky (hodnoty: locked/unlocked)
		+	* dalším rozšířením obou schémat je možnost vkládat informaci o pojmenovaných entitách, a to ve struktuře ''named_entity'' s těmito atributy:
		+	* ''last_member.rf'' - id uzlu, kde pojmenovaná entita končí (začíná na aktuálním uzlu)
		+	* ''head_member.rf'' - id uzlu, který je hlavou pojmenované entity
		+
		+	==== Převod dat PDT 2.0 (rozšíření bridging) do formátu playlang: ====
		+	V adresáři ''{ROOT}/playcoref/scripts'' jsou skripty pro převod textové a gramatické koreference z rozšířené tektogramatické roviny projektu bridging do rozšířené m-roviny nebo do rozšířené a-roviny:
		+
		+	== Nejprve se změní schéma souboru (m- nebo a-): ==
		+	* ''_change_mschema_to_playlang.sh'' - změní schéma m-souborů na mdata_schema_playlang.xml
		+	* ''_change_aschema_to_playlang.sh'' - změní schéma a-souborů na adata_schema_playlang.xml (m-soubor je pak klasický z PDT 2.0)
		+
		+	== Pak se z rozšířené t-roviny získá seznam koreferenčních dvojic promítnutých na uzly a-roviny nebo m-roviny: ==
		+	* ''coreference_extract_surface_joint.ntred'' - prochází textovou a gramatickou koreferenci na t-rovině z projektu anotování rozšířené textové koreference a vypíše seznam koreferenčních dvojic - identifikátorů příslušných koreferenčních lemmat na m-rovině; pokud antecedent nemá povrchové vyjádření, hledá se nejbližší antecedent v řetězci, který povrchové vyjádření má
		+	* ''coreference_extract_surface_a_joint.ntred'' - totéž, ale pro a-rovinu, tj. vypisují se identifikátory a-uzlů odpovídajících koreferenčním dvojicím z t-roviny
		+
		+	== Nakonec se koreferenční dvojice z daného seznamu vloží do rozšířeného m-souboru nebo a-souboru: ==
		+	* ''coreference_add_m.ntred'' - ze seznamu bere dvojice identifikátorů koreferenčních lemmat na m-rovině a tyto koreference vkládá do rozšířené m-roviny
		+	* ''coreference_add_a.ntred'' - ze seznamu bere dvojice identifikátorů koreferenčních lemmat na a-rovině a tyto koreference vkládá do rozšířené a-roviny
		+
		+	== Některé koreferenční vztahy je možno zamknout: ==
		+	* ''coreference_lock.ntred'' - koreferenční šipky opatří správnými hodnotami atributu lock
		+
		+	=== 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 ''ne_atrees_to_txt.pl'' a nachází se v TectoMT repozitáři v adresáři ''personal/mirovsky/coreference''.
		+
		+	== Pojmenované entity z vytvořeného seznamu se vloží do rozšířeného a-souboru (zatím nebyl potřeba skript i pro m-soubor): ==
		+	* ''named_entities_add_a.ntred'' - ze seznamu bere id uzlů a informaci o pojmenovaných entitách vkládá do rozšířené a- nebo m-roviny
		+
		+	=== Vkládání dat do herní databáze ===
		+	Pro vkládání dat do herní databáze používáme formát csts.
		+
		+	== Převod rozšířené a-roviny do rozšířeného csts ==
		+	* ''convert_atrees_to_csts.ntred'' - skript pro převod rozšířené a-roviny obsahující koreferenci (a případně pojmenované entity) do rozšířeného csts
		+
		+	==== Převod dat z prostého textu do formátu playlang: ====
		+
		+	=== Převod pro PlayCoref ===
		+	Využíváme analýzu v modulárním systému TectoMT.
		+
		+	Postup při zpracování české verze Studie v Šarlatové byl tento:
		+	- 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; použil jsem i bloky pro přidání gramatické koreference.
		+	- 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: ''personal/mirovsky/coreference/sc_CzNEMWRecognition.scen''.)
		+	- Nalezené pojmenované entity jsem vyextrahoval pomocí skriptu ''ne_atrees_to_txt.pl'' do textového souboru; z něj pak jdou později vložit do stejných dat v jiném formátu než tmt (pro mne je to schůdnější cesta než psát/upravovat přímou konverzi z tmt do pdt tak, aby uměla i pojmenované entity).
		+	- Pak nastává převod do formátu PDT. Používám skript z TectoMT->''tools/format_convertors/tmt_to_pdt'':
		+	* ''tmt-to-pdt.pl -a amdata_schema.xml soubor.tmt'' ... vznikne t-soubor a a-soubor s vloženými m a w rovinami; tento a-soubor dále filtruji a získávám z něj samostatné w- a m-soubory (používám vlastní skripty ''ma_to_w.pl'' a ''ma_to_m.pl'' (PlayLang->''playcoref/scripts/tmt_to_pdt'')
		+	* ''tmt-to-pdt.pl soubor.tmt'' ... spustím to znovu bez přepínače, tak získám čistý a-soubor
		+	* V takto získaných datech je ještě potřeba upravit identifikátory (vlastní skripty ''fix_id_ta.pl'' a ''fix_id_mw.pl'' + drobné ruční úpravy).
		+	* Pozor, skript hledá elementy SCzech*, proto pro anglický text je nejdřív potřeba nahradit v tmt souboru výskyty SEnglish za SCzech!
-	=== Převod dat PDT 2.0 do formátu playlang: ===	+	=== Převod pro Shannona a Place the Space ===
-	V adresáři {ROOT}/playcoref/scripts jsou skripty pro převod textové a gramatické koreference z tektogramatické roviny do rozšířené m-roviny:	+	Je potřeba převádět jinak, neboť v TectoMT (nebo při převodu do PDT formátu) se ztrácí informace o přítomnosti mezery. Automatické doplnění není spolehlivé.
-	* _change_mschema_to_playlang.sh - změní schéma m-souborů na mdata_schema_playlang.xml	+	**Pro češtinu** proto používám tool-chain z projektu ČAK. Bohužel mi nefunguje (a nevím proč) tool-chain až na a-rovinu, a tak ho používám jen na m-rovinu, navíc jen v csts. Ale to pro tyto účely stačí! Vstupní text musí být v ISO-LATIN-2, což znamená, že některé znaky (spodní a horní uvozovky, dlouhé pomlčky a další) je potřeba napřed nahradit standardními ekvivalenty. Tokenizer je v tool-chainu lepší než v TectoMT, a tak není potřeba dávat tečky za nadpisy a lépe se vypořádá s tečkami uprostřed vět. Nový řádek znamená konec věty - ve vstupním textu tedy nesmí být věty přerušeny novým řádkem; nový odstavec bude tam, kde je ve vstupním textu prázdný řádek.
-	* _coreference_extract_surface.ntred - prochází textovou a gramatickou oreferenci na t-rovině z projektu anotování rozšířené textové koreference a vypíše seznam koreferenčních dvojic - identifikátorů příslušných koreferenčních lemmat na m-rovině; koreference mezi uzly, které nemají povrchový protějšek, se nebere v úvahu	+
-	* _coreference_add.ntred - ze seznamu bere dvojice identifikátorů koreferenčních lemmat na m-rovině a tyto koreference vkládá do rozšířené m-roviny	+
-	* _coreference_lock.ntred - koreferenční šipky opatří správnými hodnotami atributu lock	+
-	Aktuálně převedená data jsou v adresáři: {ROOT}/playcoref/data/files/02_bridging_playcoref/train-1	+	Vzniklý csts soubor převedu do UTF-8, pomocí skriptu PlayLang->''playcoref/scripts/txt_to_csts/_csts_fill_ids.pl'' dodělám id k elementům <f> a <d>; následně vyberu věty minimální délky 6 (a pro Shannona bez interpunkce) pomocí skriptu PlayLang->''playcoref/scripts/_csts_filter_sentences.pl''. (Id-čka předtím ještě zkracuju (aby byla jen pXsYwZ) a také nahrazuju elementy <MD[lt] src="m"> pouhými <[lt]>.)
	==== Zobrazení v Tredu: ====		==== Zobrazení v Tredu: ====
	Pro Tred existuje rozšíření //Play the Language (playlang)//, nainstalovat lze přes //Session->Manage Extensions//.		Pro Tred existuje rozšíření //Play the Language (playlang)//, nainstalovat lze přes //Session->Manage Extensions//.
-	(zdroj: {ROOT}/playcoref/tred_extension/playlang.mac)	+	(zdroj: ''{ROOT}/playcoref/tred_extension'')
-	Umožňuje otevřít rozšířené m-soubory a zobrazit koreferenční šipky. Nastavuje zobrazení kontextových "stromů" a kontextových vět a v nich zvýrazňuje prvky koreferenčních řetízků, ve kterých se účastní aktuální slovo. Zamčené a nezamčené koreferenční šipky zobrazuje odlišně.	+	Umožňuje otevřít rozšířené m-soubory nebo rozšířené a-soubory a zobrazit koreferenční šipky. Nastavuje zobrazení kontextových "stromů" a kontextových vět a v nich zvýrazňuje prvky koreferenčních řetízků, ve kterých se účastní aktuální slovo. Zamčené a nezamčené koreferenční šipky zobrazuje odlišně.
	Pozor, při otvírání souborů s maskou //*.m.gz// v souborovém dialogu v Tredu je potřeba přepnout filtr souborů na "všechny soubory", aby byly soubory s touto maskou vidět.		Pozor, při otvírání souborů s maskou //*.m.gz// v souborovém dialogu v Tredu je potřeba přepnout filtr souborů na "všechny soubory", aby byly soubory s touto maskou vidět.

---

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