Differences

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

--- user:majlis:czeng:mining [2011/09/19 09:23]
majlis
+++ user:majlis:czeng:mining [2011/09/30 16:11] (current)
majlis
@@ Line 2: / Line 2: @@
   * [[.mining:dokumentacni-maily]]
+  * [[.mining:jak-na-trtok]]
+===== Navod =====
+   svn --username $USER co https://svn.ms.mff.cuni.cz/svn/czeng/trunk/czeng10/
+===== Pouziti =====
+  cd mining;
+  make check
+  make get
+  make prepare
+  # copy pastovani tasku
+  make clean-all
+  # copy pastovani tasku
+  make train.parallel
+  make segment.parallel
+  make segmented.hunalign.gz
+===== Ukoly =====
+==== TODO ====
+  * zkustil zprovoznit u sebe celou pipelinu CzEngu az (vcetne) Alesova hrubeho filtrovani
+  * pridal "statistiky po ceste", ktere maji za cil validovat data (nejde tolik o formalni validaci, k te dojde mimodek, jako spis o pocitani, jestli nekde cestou neztracime nejaka data kvuli technicke chybe)
+    * ''
+http://www1.cuni.cz/~obo/textutils/
+ -> zwc je trosinku chytrejsi pocitadlo nez wc
+Ondreje zajima co nejdrive ta prehledna tabulka, kolik dat z jakeho zdroje mame (a jak s tim zacvicily hrube filtry).
+Inspirace, jak jsem pocital statistiky minule, je zde:
+svn cat https://svn.ms.mff.cuni.cz/svn/czeng/trunk/devel/completion/Makefile
+Konkretne jde o cile:
+%.stat  ... ktery jsem (rucne) spoustel jak na nefiltrovane (tj.
+           .hali), tak na filtrovane (tj. .filtered; cili ty po
+           Alesove hrube filtraci)
+%.freqerrs ... ten po pouziti na filtrovane ukaze, jake chyby jsou
+  nejcetnejsi, tj. ze kvuli nim ztratime nejvice dat -- a nekdy se
+  vyplati takove chyby radeji resit nez data zahodit.
+''
+  * Dalsi navazujici ukol, nez na to zapomenu, bude ozivit v nove pipeline ty automaticke opravy pripadu 2-1 a 1-2 na 1-1. Ondrej pak dohleda, kde to byvalo.
+  * predelat checkouty na export - ale jasne odlisit
+    * prozatim neni priorita, protoze neni jiste, kde je to vsude natvrdo nastavene
+  * opravit zpracovani titulku podle ostatnich ukolu
+  * czeng09 - clean-navajo, clean-project_syndicate, clean-emea03 - trvaji hodne dlouho
+==== DONE ====
+  * potrebne nastroje se automaticky stahnou + zkompiluji
+  * mining pipelina jde spustit
+  * pridana kontrola na existenci potrebnych dat
+  * pridana kontrola na existenci potrebnych nastroju
+===== Veci, co se mi nelibi =====
+  * readers-digest-2 vs rd2 - podle mne by se to melo jmenovat stejne

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

Institute of Formal and Applied Linguistics Wiki

Differences