Differences
This shows you the differences between two versions of the page.
Both sides previous revision Previous revision Next revision | Previous revision | ||
user:hladka:playlang [2008/12/24 10:15] mirovsky |
user:hladka:playlang [2011/03/02 09:54] (current) hladka |
||
---|---|---|---|
Line 1: | Line 1: | ||
- | ====== TO DO ====== | ||
- | * Ze setkani 28. listopadu 2008 | ||
- | * Pavel: muze zacit s experimenty | ||
- | * Jirka: Prevod koreference v tektogramatickych stromech anotovanych Anjou a kol. do povrchu - viz nize oddil Data Format for the Projetct 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. | ||
- | ====== Games with a purpose (GWAP) | + | ====== Plan 2011 ====== |
- | | + | |
+ | |||
+ | |||
+ | ==== 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** | ||
+ | -=) '' | ||
+ | * 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). | ||
+ | - :-D 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//) | ||
+ | - :-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:-)) | ||
+ | - Data. Pokud nemame " | ||
+ | - 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 | ||
+ | * 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** | ||
+ | - :-D 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//) | ||
+ | - :-D " | ||
+ | - :-D vypsat projekty (//Do konce unora//) --> viz [[http:// | ||
+ | * **Ukoly pro Baru** | ||
+ | - :-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//) | ||
+ | - nachystat osnovu clanku do PBMl (//Do konce brezna//, deadline mame na konci kvetna); viz svn '' | ||
+ | - :-D sepsat pozadavky na funkcnost LGame a dle nich formulovat pozadavky na vizualizaci - :-D oslovit Michala Sotkovskeho (//Do 15. unora//) -- Mi**chal nema cas:-(** | ||
+ | - Konzistence - obsah prostredi pro jednotlive hry shodne. Designem jednotlive hry odlisit. | ||
+ | - Pro kazdou hru musi existovat | ||
+ | - Verze pro jednoho a dva hrace (system). | ||
+ | - How to play (text). | ||
+ | - Demo (animace). | ||
+ | - Hrej! (" | ||
+ | - 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:// | ||
+ | * **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, 1 800 Kc (viz nize) | ||
+ | |||
+ | ---- | ||
+ | |||
+ | Z'' | ||
+ | |||
+ | Ucet: 1061626001/ | ||
+ | Castka: | ||
+ | Variabilni symbol: 33922011 | ||
+ | Konstantni symbol: ponechte prazdny nebo 0558 | ||
+ | |||
+ | Podrobny rozpis sluzeb: | ||
+ | |||
+ | Cena (s DPH) Popis sluzby | ||
+ | |||
+ | | ||
+ | 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 ====== | ||
+ | |||
+ | ===== Games with a purpose (GWAP) ===== | ||
+ | | ||
| | ||
+ | | ||
| | ||
+ | | ||
+ | * **JM** Docela pekny. Vzdycky se ptaji na jednu konkretni vec, to se podoba mymu puvodnimu navrhu. Chvilku jsem to zkousel, nevim ale, jak dlouho by me to bavilo, moc asi ne. Graficky je to nezajimavy (hra se odehrava jen v kousku obrazovky na obycejnem textu), tam je prostor ke zlepseni hratelnosti. | ||
+ | * **BH** | ||
+ | - Napad s detektivem se mi libi. | ||
+ | - Graficky je uvodni strana celkem pekna, ale na muj vkus je tam prilis mnoho informaci. Musim toho pomerne dost precist, abych mohla zacit hrat. | ||
+ | - Postradam dynamiku. | ||
+ | - Vzdy se ma najit " | ||
+ | * [[http:// | ||
- | ====== Related initiatives | + | |
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | ===== Related initiatives ===== | ||
| | ||
- | *[[http://lingo.clsp.jhu.edu/shannon/game.html|Carolina Parada]] with Fred Jelinek | + | *[[https://www.mturk.com/ |
- | * Comments sent to Carolina: TBA | + | |
+ | | ||
+ | | ||
- | ====== Papers to read ====== | ||
- | * (Snow et al., 2008) [[http:// | ||
- | * [[http:// | ||
- | ====== | + | |
- | Date: Fri, 10 Oct 2008 09:42:43 +0200 | + | |
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | ===== Papers/ | ||
+ | * (Snow et al., 2008) [[http:// | ||
+ | * Bara's summary: | ||
+ | * the units under the consideration: | ||
+ | * a term " | ||
+ | * their annotation tasks deal with labels of a broad scale. That is why they present a numerical (probabilistic) | ||
+ | * when comparing non-expert and expert annotations, | ||
+ | * [[http:// | ||
+ | | ||
+ | | ||
+ | |||
+ | ====== Our ideas ====== | ||
+ | Date: Fri, 10 Oct 2008 09:42:43 +0200, updated on Tue, 7 Apr 2009 | ||
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 ====== | ||
- | | ||
- | | ||
- | ====== Data Format for the Projetct | + | ====== The PlayLang Project ====== |
+ | |||
+ | ===== Directory structure ===== | ||
+ | |||
+ | Projekt využívá SVN repozitář, | ||
+ | [[https:// | ||
+ | |||
+ | Samotná textová data nejsou ovšem součástí repozitáře (k pracovní kopii se jen přilinkují, | ||
+ | |||
+ | / | ||
+ | |||
+ | ===== Data Format | ||
Date: Wed, 24 Dec 2008 | Date: Wed, 24 Dec 2008 | ||
+ | Updates: 6 Jan 2009, 27 Mar 2009, 21 Jan 2011 | ||
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 60: | Line 227: | ||
* morfologická rovina jde dobře zobrazit v Tredu | * morfologická rovina jde dobře zobrazit v Tredu | ||
- | ==== Schéma | + | Alternativně používáme také rozšíření a-roviny |
- | / | + | |
- | * obsahuje rozšíření o seznam struktur pro anotaci textové koreference; | + | |
- | ==== Převod dat PDT 2.0 do formátu | + | Data pro projekt |
- | V adresáři | + | |
- | * _change_mschema_to_playlang.sh - změní schéma | + | ==== Schémata rozšířené |
- | * new_textual_coreference_extract.ntred | + | PML schémata jsou zde: '' |
- | * textual_coreference_add.ntred | + | * obě schémata (a- i m-) obsahují rozšíření o atribut '' |
+ | * '' | ||
+ | * '' | ||
+ | * '' | ||
+ | * dalším | ||
+ | * '' | ||
+ | * '' | ||
- | Převedl jsem data z projektu anotování rozšířené koreference do rozšířené m-roviny. | + | ==== Převod dat PDT 2.0 (rozšíření bridging) do formátu playlang: ==== |
- | /net/work/projects/playlang/playcoref/data/files/02_bridging_playcoref/train-1 | + | 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 == | ||
+ | * '' | ||
+ | |||
+ | ==== 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 | ||
+ | | ||
+ | - Nalezené pojmenované entity jsem vyextrahoval pomocí skriptu '' | ||
+ | - Pak nastává převod do formátu PDT. Používám skript z TectoMT->'' | ||
+ | * '' | ||
+ | * '' | ||
+ | * V takto získaných datech je ještě potřeba upravit identifikátory (vlastní skripty '' | ||
+ | * Pozor, skript hledá elementy SCzech*, proto pro anglický text je nejdřív potřeba nahradit v tmt souboru výskyty SEnglish za SCzech! | ||
+ | |||
+ | === Převod pro Shannona a Place the Space === | ||
+ | Je potřeba převádět jinak, neboť v TectoMT (nebo při převodu do PDT formátu) se ztrácí informace o přítomnosti mezery. Automatické doplnění není spolehlivé. | ||
+ | |||
+ | **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, | ||
+ | |||
+ | Vzniklý csts soubor převedu do UTF-8, pomocí skriptu PlayLang->'' | ||
==== Zobrazení v Tredu: ==== | ==== Zobrazení v Tredu: ==== | ||
- | Zbývá dodělat | + | Pro Tred existuje |
+ | (zdroj: '' | ||
+ | Umožňuje otevřít | ||
+ | Pozor, při otvírání souborů | ||
+ | |||
+ | Ovládání: | ||
+ | **Ctrl+t** - zapne/vypne zobrazení šipek koreference a zvýraznění prvků koreferenčních řetízků aktuálního slova v kontextových větách | ||
+ | **Alt+p** - přepne do čistě morfologického módu - nejsou zobrazeny kontextové " | ||
+ | **Alt+c** - přepne do módu // | ||
+ | |||
+ | Aktuální uzel lze měnit jak kliknutím na uzel, tak i jednoduchým kliknutím na slovo v kontextových větách. |