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:smerem-k-cak-2.0 [2007/05/02 09:31] hladka |
user:hladka:smerem-k-cak-2.0 [2007/10/02 20:51] hladka |
||
---|---|---|---|
Line 1: | Line 1: | ||
- | Zkusenosti s praci nad CAC 1.0 a jeho pruvodcem me nuti uz ted premyslet o vydani druhe verze CAC. Vse se odviji od terminu vydani - protoze projekt IS, pod ktery prace nad CAC spada, konci v roce 2008, musi byt CAC 2.0 vydan (nebo alespon podan do tisku) do konce roku 2008. | + | ====== CAK 2.0 ====== |
- | ====== | + | |
- | - publikovani | + | |
- | | + | |
- | - CD ROM | + | |
- | * bonus-tracks/ | + | |
- | * data/ | + | |
- | | + | |
- | | + | |
- | * tutorials/ | + | |
- | * tools/ | + | |
- | | + | |
- | | + | |
- | | + | |
- | * tokenizer/ | + | |
- | | + | |
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | ===== Aktuality | ||
+ | * **24/9/07 v 9:00 schuzka k CAK 2.0. chodba ve 4. patre zapadniho kridla** - body pgmu, ktere jsme probrali, jsem presunula na patricna mista wiki dokumentace | ||
+ | * CAK 1.0 | ||
+ | * Rozesilani Pruvodce - Zatim jsem koupila 50 vytisku, z UFALovskeho adresare jsem vzala ty adresy, ktere u sebe maji alespon jeden z priznaku PDT0, PDT1, PCEDT, PADT a nekolik kousku jiz odeslo (cervene v [[http:// | ||
+ | * Pruvodce CAK 2.0 | ||
+ | * aktualni verze: [[http:// | ||
+ | * //Zatim neni nutne cist Pruvodce jako celek. Jeste udelame jedno kolo zmen/ | ||
+ | * //Podivejte se na barvy.// | ||
+ | * **19/ | ||
+ | * Pruvodce CAK 1.0 vysel (viz [[http:// | ||
+ | * podepsana smlouva mezi UK MFF a LDC | ||
+ | * prvni verze Pruvodce CAK 2.0 vznikla dle planu - diky! Do pulky srpna doplnim, prip. opravim co je potreba a pak se jednotlivcum zase ozvu | ||
+ | * rucni anotace dat dost " | ||
+ | * kontrolni skripty nastaveny | ||
+ | |||
+ | |||
+ | ===== Publikovani ====== | ||
+ | | ||
+ | * dohoda UK MFF <-> LDC PODEPSANA | ||
+ | * dohoda UK MFF <-> UJC AV je schvalena LDC, jeste dat k druhemu cteni Karlovi Olivovi | ||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | ===== CD ROM ===== | ||
+ | Adresar ''/ | ||
+ | * bonus-tracks/ | ||
+ | * STYX/ | ||
+ | * TrEdVoice/ ## //Kam presne prijde TrEdVoice? K TrEd? // | ||
+ | | ||
+ | * format: PML ## // I ve formatu csts. V Pruvodci se jasne rekne proc a jake vyhody jsou csts vs. pml a naopak.// | ||
+ | | ||
+ | * Bonito/ | ||
+ | * LAW/ | ||
+ | * TrEd/ ## // Filelist se seznamem 180 souboru CAK 2.0 // | ||
+ | * Netgraph/ ## Klient i server. | ||
+ | * tool_chain/ | ||
+ | * tokenizer/ ## // To se jeste musi poradne rozmyslet.// | ||
+ | | ||
* tagger/ | * tagger/ | ||
- | * parser/ | + | * parser/ |
- | * morph-parse-chain - tATP | + | |
- | * -t ... tokenizer | + | * tutorials/ |
- | * -A ... morfologicka analyza | + | |
- | * -T ... tagging | + | |
- | * -AT ... morf. analyza a nasledne tagging | + | |
- | * -P ... parsing | + | ===== Pruvodce |
- | * -tATP - run it all | + | |
- | | + | |
| | ||
- Predmluva (**BH, predmluva.xml**) | - Predmluva (**BH, predmluva.xml**) | ||
Line 33: | Line 92: | ||
- Zdroje textu | - Zdroje textu | ||
- Roviny anotace | - Roviny anotace | ||
+ | - Vyvoj projektu | ||
+ | - CAK 1.0 | ||
+ | - Na ceste k CAK 2.0 | ||
+ | * // Tabulka 2.2 - upravy (ktere BH, realizace JR)// | ||
+ | * // Doplnit popis pilotni studie (KR)// | ||
+ | * // Jake dalsi morf. kontroly se delaly, upozornit na guessed-form. (JM)// | ||
+ | * //Doplnit logistiku syntaktickych kontrol. (KR, JM)// | ||
- Kvantitativni udaje | - Kvantitativni udaje | ||
- CD-ROM Cesky akademicky korpus 2.0 | - CD-ROM Cesky akademicky korpus 2.0 | ||
- Adresarova struktura (**BH, adresar.xml**) | - Adresarova struktura (**BH, adresar.xml**) | ||
+ | * //Doplnit kam prijde TrEdVoice.// | ||
+ | * //Ohlidat info o tokenizaci.// | ||
- Data (**Jirka M., data.xml**) | - Data (**Jirka M., data.xml**) | ||
- | - Format dat | + | - Format dat //Doplnit csts. Strucny popis, Plusy a minusy csts a pml. (JM)// |
- Konvence pojmenovani souboru | - Konvence pojmenovani souboru | ||
- Velikost dat | - Velikost dat | ||
- | - Nastroje | + | - Nastroje |
- Bonito (**Jarka, nastroje-bonito.xml**) | - Bonito (**Jarka, nastroje-bonito.xml**) | ||
+ | * //Doplnit dotazy na linearni vyhledavani ve stromove strukture.// | ||
+ | * //Obrazek 3.3 nahradit obrazovkou se vsemi atributy CAK 2.0.// | ||
+ | * //Tabulka 3.7 cara mezi sloupci, mezi radky.// | ||
+ | * //Tabulku 3.7 ilustrovat - nakreslit strom a u kazdeho uzlu zobrazit hodnoty vsech atributu uvedenych v tabulce a doplnit nejaky dotaz primo v Bonito.// | ||
- LAW (**Jirka H., nastroje-law.xml**) | - LAW (**Jirka H., nastroje-law.xml**) | ||
- TrEd (**XY, nastroje-tred.xml**) | - TrEd (**XY, nastroje-tred.xml**) | ||
+ | * //Doplnit (BH) // | ||
- Netgraph (**Jirka M., nastroje-netgraph.xml**) | - Netgraph (**Jirka M., nastroje-netgraph.xml**) | ||
+ | * Spravny spelling je **Netgraph**. | ||
+ | * // Dodat obrazky se stromy z CAK.// | ||
+ | * // Nekde v uvodu odstavce doplnit jak se ma Netgraph k TrEd.// | ||
- Automaticke zpracovani textu (**BH, KR o parseru, nastroje-zprac.xml**) | - Automaticke zpracovani textu (**BH, KR o parseru, nastroje-zprac.xml**) | ||
- | - Tutorialy (**BH, tutorialy.xml**) | + | * // Doplnit odstavec o tokenizaci, pokud tam bude.// |
- | | + | * // Aktualizovat procenta uspesnosti u taggeru.// |
- | | + | * // Specifikovat na jakych datech PZK 2.0 byl tagger trenovan.// |
+ | * // Doplnit odstavec o parsingu (uspesnost, trenovaci data).// | ||
+ | * // Popsat prepinace u tool_chain// | ||
+ | - Bonusovy material (**bonus.xml**) | ||
+ | * //Doplnit ilustracni obrazek, neco vice k rozpoznavaci, | ||
+ | | ||
+ | - Instalace | ||
+ | - Distribuce a licence | ||
+ | * // | ||
- Osobnosti v projektu (**BH, osobnosti.xml**) | - Osobnosti v projektu (**BH, osobnosti.xml**) | ||
- Podekovani (**BH, podekovani.xml**) | - Podekovani (**BH, podekovani.xml**) | ||
- Literatura (**BH, literatura.xml**) | - Literatura (**BH, literatura.xml**) | ||
- Priloha A Zdroje textu (**BH, zdroje.xml**) | - Priloha A Zdroje textu (**BH, zdroje.xml**) | ||
- | - Priloha B Pavucina | + | - Priloha B Popis lemmat |
- | - Priloha C Popis lemmat | + | - Priloha C Popis morfologickych znacek |
- | - Priloha D Popis morfologickych znacek | + | - Priloha D Popis analytickych funkci |
- | - Priloha E Popis analytickych funkci | + | - Priloha E Pavucina |
- | - Design | + | |
+ | ===== Design | ||
* CD, plakat, web | * CD, plakat, web | ||
Line 129: | Line 214: | ||
* navrh tak pekny jako CAK 1.0 - pouze zmenit barvicky | * navrh tak pekny jako CAK 1.0 - pouze zmenit barvicky | ||
- | **Honza | + | **Honza |
* tagger | * tagger | ||
- // bude umet cist z a zapisovat do PML? // | - // bude umet cist z a zapisovat do PML? // | ||
Line 137: | Line 222: | ||
* technicky editor pruvodce | * technicky editor pruvodce | ||
+ | |||
+ | |||
+ | |||
====== KALENDAR ====== | ====== KALENDAR ====== | ||
+ | 18.6. v 8:30 probehla schuzka o praci na datech; PRITOMNI: Alla Bemova, Veronika Curdova (anotatorka), | ||
+ | |||
//**Udaje psane kurzivou signalizuji splneni**.// | //**Udaje psane kurzivou signalizuji splneni**.// | ||
| **2007** | | **2007** | ||
- | ^ Bara | + | ^ Bara |
^ |//do **17.4.** pripravit osnovu Pruvodce - viz cast CO bod 3// | ^ |//do **17.4.** pripravit osnovu Pruvodce - viz cast CO bod 3// | ||
^ |// | ^ |// | ||
- | ^ Jirka H. |-|-|do | + | ^ Jirka H. |-|-|do |
- | ^ Jarka |-|-|do | + | ^ Jarka |-|-|//do 20. cervna odevzdat ' |
- | ^ Jirka M. |kontrola morf. anotaci|-|do | + | ^ Jirka M. |kontrola morf. anotaci|-|//do 20. cervna odevzdat ' |
- | ^ Kiril |prubezne priprava dat pro anotatory|-|-|-|-|dodat df verzi parseru pro cd|-|-|-| | + | ^ Kiril |prubezne priprava dat pro anotatory|//vymyslet strategii pro porovnani souboru od anotatoru//|//makra do TrEd;// **18.6. 8:30 schuzka o datech**|-|-|dodat df verzi parseru pro cd|-|-|-| |
- | ^ Honza V. |//do **23.4.** pripravit xml soubory pro jednotlive casti Pruvodce// | + | ^ Honza R. |//do **23.4.** pripravit xml soubory pro jednotlive casti Pruvodce// |
^ Pavel Q. | ^ Pavel Q. | ||
^ Ondra B. |-|-|-|-|-|-|-|1. verze instalatoru|-| | ^ Ondra B. |-|-|-|-|-|-|-|1. verze instalatoru|-| | ||
- | ^ Michal K. | + | ^ Michal K. |
- | ^ Michal S. |-|-|dodat designove podklady|-|-|-|-|-|-| | + | ^ Michal S. |-|-|-|-|-|dodat designove podklady|-|-|-| |
^ Ondrej K. | ^ Ondrej K. | ||
Line 160: | Line 250: | ||
===== Pruvodce ===== | ===== Pruvodce ===== | ||
- | Vsechny potrebne soubory jsou '' | + | Vsechny potrebne soubory jsou '' |
Line 176: | Line 266: | ||
Viz napr. / | Viz napr. / | ||
+ | |||
===== Tutorialy ===== | ===== Tutorialy ===== | ||
Line 190: | Line 281: | ||
Pro demo_1 k STYX jsem pouzila BB FlashBack Express, ktery bylo mozne ziskat zdarma. K tomu, aby se primo do tutorialu daly vkladat poznamky, tak bude potreba koupit BB FlashBack. Pak jsem nasla program Wink, ktery existuje jak pod Win, tak pod Linux - coz je pro nas dulezite. Vyzkousela jsem a vzniklo demo_2. Podivejte se na ne, prosim. | Pro demo_1 k STYX jsem pouzila BB FlashBack Express, ktery bylo mozne ziskat zdarma. K tomu, aby se primo do tutorialu daly vkladat poznamky, tak bude potreba koupit BB FlashBack. Pak jsem nasla program Wink, ktery existuje jak pod Win, tak pod Linux - coz je pro nas dulezite. Vyzkousela jsem a vzniklo demo_2. Podivejte se na ne, prosim. | ||
- | Smysluplnost tutorialu ODSOUHLASENA. | + | Smysluplnost tutorialu ODSOUHLASENA. |
V Pruvodci CAC 2.0 bude rovnez odkaz na [[http:// | V Pruvodci CAC 2.0 bude rovnez odkaz na [[http:// | ||
+ | |||
+ | |||
+ | |||
+ | ====== PRACE NA DATECH podrobne ====== | ||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | ===== Pro anotatory ===== | ||
+ | * ** Textove materialy k anotaci** | ||
+ | * **[[http:// | ||
+ | * [[http:// | ||
+ | * [[http:// | ||
+ | * [[http:// | ||
+ | * [[http:// | ||
+ | * **[[http:// | ||
+ | * **Mezianotatorska shoda v cislech** | ||
+ | * [[http:// | ||
+ | * [[http:// | ||
+ | |||
+ | * **TrEd - instalace pod systémem Windows a základní instrukce** | ||
+ | * TrEd je ke stažení ve standardní distribuci (platné i pro anotaci CAC) na jeho " | ||
+ | * Rychlý návod k instalaci (pro " | ||
+ | * Z výše uvedené stránky stáhněte na svůj notebook soubor '' | ||
+ | * Rozbalte jej kdekoliv; dostanete adresář '' | ||
+ | * V tomto adresáři spusťte soubor '' | ||
+ | * Na všechny otázky odpovězte yes (y), nebo tak, aby instalace pokračovala, | ||
+ | * Po dokončení instalace spusťte TrEd (pomocí ikony na ploše). Ověřte (Help-> | ||
+ | * Po ověření verze si nastavte tzv. '' | ||
+ | '' | ||
+ | | ||
+ | | ||
+ | '# | ||
+ | '# | ||
+ | join(" ",map { $_-> | ||
+ | ' | ||
+ | | ||
+ | | ||
+ | * Rychlý návod ke spuštění TrEdu a anotaci (otevření souboru a nastavení prostředí, | ||
+ | * Spusťte TrEd, a pomocí '' | ||
+ | * Nastavte " | ||
+ | * Používejte makra z '' | ||
+ | * První uložení souboru po jeho prvním otevření a zahájení jeho anotace | ||
+ | * Soubor se ukládá pomocí '' | ||
+ | * Soubor uložte pod původním jménem s přidaným podtržítkem a iniciálami vašeho jména; postup: zvolte původní soubor s koncovkou '' | ||
+ | * Po odsouhlasení jména na vás vyskočí okno ''" | ||
+ | * Další otevření a uložení částečně anotovaného nebo dodatečně opravovaného souboru | ||
+ | * Pro druhé a další otevření téhož souboru pro provádění další anotace nebo jakýchkoli jiných změn použijte soubor s modifikovaným jménem ('' | ||
+ | * Pro jeho uložení po provedení změn použijte '' | ||
+ | * V okne ''" | ||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | ===== Interni adresarova struktura ===== | ||
+ | * 18.6. 8:30 schuzka o datech | ||
+ | * Vytvoření adresářové struktury v ''/ | ||
+ | * Data budou uložena a zpracována takto, v závorce jsou lidé zodpovědní za obsah adresáře (aktualizováno po schůzce 24.9.2007): | ||
+ | * '' | ||
+ | * odtud bude brát Kiril data a pouštět na ně parser | ||
+ | * '' | ||
+ | * odtud si bude Jirka brát data a pustí na ně automatické kontrolní skripty | ||
+ | * '' | ||
+ | * odtud bude Bára brát data a rozdělovat práci anotátorkám | ||
+ | * '' | ||
+ | * data odtud si vezme Kiril a provede porovnání a slití dvou verzí do jedné | ||
+ | * '' | ||
+ | * odtud si vezme data Jirka a znovu na ně spustí kontrolní skripty | ||
+ | * '' | ||
+ | * odtud vezme data Kiril a dá je paní Bémové ke kontrole | ||
+ | * '' | ||
+ | * odtud již vychází hotová analytická rovina; morfologická rovina a slovní měly zůstat beze změny, kromě atributu guessed_form na morfologické rovině, kam anotátorky mohly něco doplnit; kontrolu, že se nic nezměnilo, a slití guessed_form do aktuálního morfologického souboru provede Jirka; vezme si odtud data a znovu na ně spustí kontrolní skripty | ||
+ | * '' | ||
+ | * odtud dá Jirka data do následujícího adresáře, je hotovo | ||
+ | * '' | ||
+ | * '' | ||
+ | * Polo-automaticka kontrola morfologickych anotaci vzhledem k syntaktickym anotacim | ||
+ | * Jirka Mirovsky | ||
+ | * brat a-soubory z adresare '' | ||
+ | * k 3/6 umisteny souborty '' | ||
+ | * Priprava dat k dvojite rucni syntakticke anotaci | ||
+ | * Kiril - zpracovani dat MST parserem | ||
+ | * podpora v TrEdu pro snadnejsi anotaci: pro anotovani PDT 1.0 byla v TrEd nabizena makra pro prijemnejsi anotaci. Tato makra byla napsana pro format fs a jeste pro koncepci PDT 1.0, ktera se v nekterych ohledech lisi od te v PDT 2.0 (napr. viz koordinace). Kdyz se v soucasne distribuci TrEd nastavi kontext Analytic, tak ten nabizi prave zminena makra. '' | ||
+ | Kirile, | ||
+ | tady preposilam soubor PML_A_Edit.mak a k nemu prilohu od Katky. Radovan jim tato makra udelal primo do PML_A_Edit, coz neni dobre, protoze tim padem my a oni mame jiny PML_A_Edit. Je potreba to udelat " | ||
+ | anotaci CAC (vc. afunu, koordinaci apod.) prida prave do nej. Myslim, ze taky bude dobre, aby cesti anotatori a slovaci meli ted vsechno stejne - takze az to budes mit, posli to prosim zpet | ||
+ | Radovanovi at jim to nainstaluje. Jinak jsem dnes odpodival na nekolik dotazu ohledne 2. kola; | ||
+ | myslim, ze nejdulezitejsi je, abys jim poslal doplnene pokyny o tom, co smeji a nesmeji pouzivat. | ||
+ | Diky, Honza '' | ||
+ | * Rucni kontrola syntaktickych anotaci | ||
+ | * data po rucni anotaci v adresari '' | ||
+ | * Kiril - do TrEdu udelatka pro pohodlnejsi kontrolu diskrepanci | ||
+ | * Alla - resit diskrepance anotatoru | ||
+ | * data po Alline kontrole v adresari '' | ||
+ | * Skripty (z PDT 2.0) pro kontrolu syntaktickych anotaci | ||
+ | * **Jirko, mohl by ses prosim seznamit se skripty navrzenymi pro kontrolu syntaktickych anotaci PDT 2.0. Je potreba to udelat co nejdrive (samozrejme az budou nejake soubory v '' | ||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | ===== Soubory - prehled zpracovani ===== | ||
+ | ^ jmeno souboru | ||
+ | | a01w | | ||
+ | | a02w | ab | ab | ||
+ | | a03w | ||
+ | | a04w | ||
+ | | a05w | | | | ||
+ | | a06w | | | | ||
+ | | a07w | ||
+ | | a08w | ||
+ | | a09w | ||
+ | | a10w | | | | ||
+ | | a11w | | | | ||
+ | | a12w | ||
+ | | a13w | ||
+ | | a14w | ||
+ | | a15w | | | | ||
+ | | a16s | | | | ||
+ | | a17s | ||
+ | | a18s | ||
+ | | a19s | ||
+ | | a20w | ||
+ | |||
+ | ^ jmeno souboru | ||
+ | | n01w | ab | ||
+ | | n02w | ab | ||
+ | | n03w | ik | ||
+ | | n04w | ik | ||
+ | | n05w | ik | ||
+ | | n06w | ik | ||
+ | | n07w | ik | ||
+ | | n08w | ik | ||
+ | | n09w | ik | ||
+ | | n10w | ik | ||
+ | | n11w | ik | ||
+ | | n12w | ik | ||
+ | | n13w | | ||
+ | | n14w | | ||
+ | | n15w | | | | ||
+ | | n16w | | | | ||
+ | | n17w | ||
+ | | n18w | ||
+ | | n19w | ||
+ | | n20w | ||
+ | | n21w | | ||
+ | | n22w | | ||
+ | | n23w | | ||
+ | | n24w | ||
+ | | n25w | | | | ||
+ | | n26w | | | | ||
+ | | n27w | ||
+ | | n28w | ||
+ | | n29w | ||
+ | | n30w | | | | ||
+ | | n31w | | | | ||
+ | | n32w | ||
+ | | n33w | ||
+ | | n34w | ||
+ | | n35w | | | | ||
+ | | n36w | | | | ||
+ | | n37w | ||
+ | | n38w | ||
+ | | n39w | ||
+ | | n40w | ||
+ | | n41w | | | ||
+ | | n42w | | | ||
+ | | n43w | ||
+ | | n44w | ||
+ | | n45w | | | | ||
+ | | n46w | | | | ||
+ | | n47w | ||
+ | | n48w | ||
+ | | n49w | ||
+ | | n50w | | | | ||
+ | | n51w | | | | ||
+ | | n52w | ||
+ | | n53s | ||
+ | | n54s | ||
+ | | n55s | | | | ||
+ | | n56s | | | | ||
+ | | n57s | ||
+ | | n58s | ||
+ | | n59s | ||
+ | | n60s | ||
+ | |||
+ | |||
+ | ====== KONTAKTY ====== | ||
+ | * Alla Bemova ('' | ||
+ | * Veronika Curdova ('' | ||
+ | * Katarina Gajdosova ('' | ||
+ | * Jan Hajic ('' | ||
+ | * Barbora Hladka ('' | ||
+ | * KK (sk, ) | ||
+ | * Jirka Mirovsky ('' | ||
+ | * Kiril Ribarov ('' | ||
+ | * Zdenka Uresova ('' | ||
+ | * Lenka Zehrova ('' | ||
+ |