Differences
This shows you the differences between two versions of the page.
| Both sides previous revision Previous revision Next revision | Previous revision | ||
|
user:hladka:vladimir-rovensky [2008/03/25 09:33] hladka |
user:hladka:vladimir-rovensky [2009/02/06 20:55] (current) hladka |
||
|---|---|---|---|
| Line 1: | Line 1: | ||
| - | ====== | + | ====== |
| - | | + | [[external: |
| - | *[[http:// | + | |
| + | |||
| + | |||
| + | |||
| + | |||
| + | |||
| + | |||
| + | |||
| + | |||
| + | |||
| + | |||
| + | |||
| + | |||
| + | |||
| + | ====== Bakalářská práce | ||
| + | * Použití SVN serveru na ÚFAL | ||
| + | | ||
| + | * ''/ | ||
| + | * vlastní účet v síti ÚFAL nepotřebujete, | ||
| + | * Co se týče subverse, tak ani na ni nepotřebujete mít přístup na síť ÚFAL. Potřebujete mít nějakého klienta (standardní svn na linuxu, nebo třeba SVN Tortoise na windows). A rovnou můžete začít se subversí, asi nějaký '' | ||
| + | |||
| + | |||
| + | |||
| + | |||
| + | ====== Dokumentace, | ||
| + | | ||
| + | * Specifikace [[http:// | ||
| + | * Dokumentace pilotní verze [[http:// | ||
| + | * **Co vše má obsahovat pilotní verze?** | ||
| + | * **Rešerše** - provést rešerši, jestli se podobným problémem již někdo zabýval; pokud ano, tak pro jaké jazyky a jakou metodologií. Rešerši zpracovat písemně v samostatném souboru. | ||
| + | * **Kód** S dostatečným počtem komentářů. | ||
| + | * **Dokumentace** | ||
| + | * **Uživatelská** - specifikace softwarových a hardwarových požadavků; | ||
| + | * **Programátorská** - popis struktury programu, implementační platformy (MS Windows, Linux, ...), použitých technologií, | ||
| + | * **Testovací data** Věty z Českého akademického korpusu 2.0 | ||
| + | * Smysluplné věty [[http:// | ||
| + | * Nesmysluplné věty [[http:// | ||
| + | |||
| ====== Schůzky ====== | ====== Schůzky ====== | ||
| * 3/3/2008 | * 3/3/2008 | ||
| + | * **navrhuji schuzku 15/5/2008 nekdy dopoledne (je mi to jedno)** | ||
| + | |||
| + | |||
| + | |||
| + | |||
| + | |||
| + | |||
| + | |||
| + | |||
| + | |||
| + | |||
| Line 10: | Line 59: | ||
| ====== Vzkazy ====== | ====== Vzkazy ====== | ||
| * 16/3/2008 U mě v kaslíku na sekretariátu ÚFAL (MS, místnost č. 408) máte nachystané CD-ROM (píše se o něm v zadání) a popis morfologických značek. | * 16/3/2008 U mě v kaslíku na sekretariátu ÚFAL (MS, místnost č. 408) máte nachystané CD-ROM (píše se o něm v zadání) a popis morfologických značek. | ||
| + | * 27/5/2008 Nová verze morfologické analýzy, jakožto součást skriptu '' | ||
| + | * **9/ | ||
| + | - Do 5. ledna 2009 mi pošlete balíček s tímto obsahem: | ||
| + | * zdrojový kód klasifikátoru | ||
| + | * binární soubory pro MS Windows a Linux | ||
| + | * uživatelskou dokumentaci ve formátu pdf. Součástí uživatelské dokumentace musí být vyhodnocení klasifikátoru na datech od Seznamu a na datech z ČAK 1.0. | ||
| + | * programátorskou dokumentaci ve formátu pdf | ||
| + | * soubor README.txt, který bude svým obsahem odpovídat linuxové manuálové stránce. Měly by tam být tyto údaje: Name, synopsis, description, | ||
| + | - Jakmile balíček obdržím, přešlu ho bez zdrojových kódů Vincentu Křížovi, který řeší stejnou úlohu. Obráceně Vy obdržíte jeho balíček. | ||
| + | - Do 11. ledna nastudujete/ | ||
| + | - Jakmile obdržím Vaši zprávu, přešlu ji Vincentovi. | ||
| + | - 19. ledna bychom se sešli všichni tři dohromady na, řekněme, prezentační hodince. Vy budete mít připravenou prezentaci, ve které byste měl reagovat i na připomínky oponenta Vincenta. Totéž bude dělat i Vincent. Ten den Vám zapíšu do indexu to, co mám. Navrhuji se sejít hned po ránu, tj. v 9h. **DOPLNĚNO: | ||
| + | |||
| + | |||
| + | |||
| + | |||
| + | |||
| + | |||
| Line 17: | Line 84: | ||
| ====== Postup ====== | ====== Postup ====== | ||
| - | ==Nejasnosti== | + | == Nejasnosti == |
| * Smim ve vystupu tool-chainu pouzivat tagy <g> a <r> ? __Ne. To jsou informace pro syntax.__ (// | * Smim ve vystupu tool-chainu pouzivat tagy <g> a <r> ? __Ne. To jsou informace pro syntax.__ (// | ||
| * Je nekde k dispozici cesky preklad tahaku ke znackam tagu <t>, pripadne vysvetlivky k nim ? __Ano - [[http:// | * Je nekde k dispozici cesky preklad tahaku ke znackam tagu <t>, pripadne vysvetlivky k nim ? __Ano - [[http:// | ||
| - | ==Prvni naznak algoritmu== | + | * Pri uvodni schuzce se hovorilo o sade vet urcenych k testovani programu, da se nekde stahnout? __Ano, vety budou k dispozici. Budou to vety z Ceskeho akademickeho korpusu 2.0. Prace na tomto korpusu finisuje. Az se dodelaji vsechny kontroly, tak pripravim dva soubory ve formatu csts: jeden se smysluplnymi vetami a druhy s nesmysluplnymi vetami. Soubory budou k dispozici nejpozdeji pristi tyden ve stredu.__ |
| + | * Co by mela splnovat specifikace programu(delka, | ||
| + | | ||
| + | * pri testovani ruznych vstupu jsem narazil na nektere hodnoty na pozici 2 morfologickeho tagu, ktere jsem nenasel v dokumentaci (konkretne hodnota 2), da se nekde sehnat aktualizovany popis znacek? | ||
| + | * tool_chain spravne nerozeznava tvary sloves koncici na -li (budu-li, chcete-li) | ||
| + | |||
| + | == Prvni naznak algoritmu == | ||
| - Rozparsovat vstup z tool-chainu - pravdepodobne staci chytat tagy <f> a v nich <t>, mozna by se hodily i <r> a <g> (id tokenu + ukazatel na nadrazeny token) ale asi to nespada do morfologie. __tool_chain na vystupu nevydava <t>, pokud je v datech <t>, tak obsahuje znacku doplnenou rucne, tedy lidmi. tool_chain dava na vystupu < | - Rozparsovat vstup z tool-chainu - pravdepodobne staci chytat tagy <f> a v nich <t>, mozna by se hodily i <r> a <g> (id tokenu + ukazatel na nadrazeny token) ale asi to nespada do morfologie. __tool_chain na vystupu nevydava <t>, pokud je v datech <t>, tak obsahuje znacku doplnenou rucne, tedy lidmi. tool_chain dava na vystupu < | ||
| + | Oprava: Ve vystupu tool_chainu najit tag <s> pro vetu a nasledne vybirat tagy <f>, resp <d> pro tokeny, v nich z <MDl> vybrat lemma, z <MDt> tagy. __Ano, pochopil jste strukturu vystupu spravne.__ --- // | ||
| - Pokud je veta souvetim, rozdelit na hole vety, cele souveti je smysluplne, pokud jsou smysluplne vsechny hole vety v nem obsazene. Rozdelovani realizovat napr. vyhledanim interpunkce/ | - Pokud je veta souvetim, rozdelit na hole vety, cele souveti je smysluplne, pokud jsou smysluplne vsechny hole vety v nem obsazene. Rozdelovani realizovat napr. vyhledanim interpunkce/ | ||
| - Dale analyza pouze jednoduche vety. Napadly me dve veci ovlivnujici smysluplnost, | - Dale analyza pouze jednoduche vety. Napadly me dve veci ovlivnujici smysluplnost, | ||
| Line 39: | Line 113: | ||
| pískoviště." | pískoviště." | ||
| + | == Hotovo == | ||
| + | * zaklad algoritmu | ||
| + | * konecne se mi povedlo nainstalovat linux, tool_chain i vsechno ostatni potrebne, takze uz vim co parsovat - prislusna sekce postupu(vyse) upravena. Za odmenu jsem si zahral miny. | ||
| + | * dodelal jsem zakladni sadu pravidel pro vztahy mezi slovnimi druhy, ta bude prubezne doplnovana. | ||
| + | * definovan format souboru pro ukladani techto vztahu(txt soubor pro jednoduchou editaci) - pri startu programu se z tohoto souboru nactou podminky pro vznik smysluplnych vztahu. | ||
| + | * Kod : zakladni chodici verze | ||
| + | * Kod : zakladni chodici a odvsivena verze, rozchozeno na Linuxu (aspon myslim :o) | ||
| + | * rozsiren soubor s podminkami(aktualizovan i odkaz) | ||
| + | * par vystupu programu v jeho soucasne podobe je k nahlednuti [[http:// | ||
| + | = 2008/2009 = | ||
| + | * neustale rozsirovan soubor s podminkami | ||
| + | * pridana podpora davkoveho zpracovani | ||
| + | * pridany parametry pro spusteni programu - ignorovani nerozpoznanych tokenu, vyzadovani slovesa, minimalni delka vety atp. | ||
| + | * pridana utilita na editaci souboru s podminkami (java) | ||
| + | * pridana moznost vytvaret skupiny podminek, ktere jsou ve smysluplne vete vyzadovany | ||
| + | * pridan treshold na pocet iteraci procedury kontrolujici podminky typu (3) - zajisteni polynomialni slozitosti | ||
| + | * pridana moznost vypisovat kolize, program dostane coby parametr procentualni pocet klauzuli, ktere musi byt v ramci jedne podminky splneny, aby byl zbytek chapan jako kolize a vypsan (za predpokladu ze v podmince jsou nejake neuspesne klauzule). Taky je mozne specifikovat soubor, kam se budou kolize vypisovat. | ||
| + | * zjednoduseni konfigurace aplikace - pridana moznost sepsani voleb programu do .ini souboru (kazdy z optionu, ktere program prijima, ma svou alternativu v nejake klauzuli .ini souboru), parametry predavane primo na prikazovou radku prekryvaji parametry v .ini souboru (command line optiony maji prednost pred .ini). Soubor .ini s default hodnotami se automaticky vytvori, pokud neexistuje. | ||
| + | |||
| + | == Dale == | ||
| + | **22/9/08** | ||
| + | * vypisovani kolizi | ||
| + | * SENSE jako webova aplikace | ||
| + | * PREZENTACE | ||
| + | * slides | ||
| + | * formulace ulohy | ||
| + | * smysluplnost vzhledem | ||
| + | * vstupni data - tool_chain (CAK 2.0) | ||
| + | * algoritmus - vyvojovy diagram | ||
| + | * vypocetni slozitost | ||
| + | * evaluace - data od Seznamu, ' | ||
| + | * ukazka | ||
| + | * 13. rijna nanecisto | ||
| + | |||
| + | ====== Otázky ====== | ||
| + | - Jak moc bolestné bylo rozchodit a spustit '' | ||
| + | * tool_chain nebyl tak hrozny, spis me trvalo nainstalovat linux a btred, jsem z windowsu zvykly vsechno instalovat na dve kliknuti a najednou to po me chce kompilator cecka a cosi linkovat a konfigurovat a vubec. To je jako kdybych si chtel koupit grafickou kartu a dosal pul kila kremiku a pajku. Ale aspon jsem se naucil neco noveho. | ||
| + | - Můžete prosím na wiki zveřejnit tu sadu pravidel, kterou jste sestavil? | ||
| + | * mam to napsane na papire, prepisu to rovnou do toho formatu a uploadnu to sem hned jak to budu mit. Predbezna verze souboru je [[http:// | ||