[ 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 2008/04/23 16:13 ptacek 2008/04/23 16:12 ptacek 2008/04/23 16:12 ptacek 2008/04/23 15:57 ptacek 2008/04/23 15:53 ptacek 2008/04/23 15:32 ptacek 2008/04/23 13:47 ptacek 2008/04/23 08:50 ptacek 2008/04/02 17:47 ptacek 2008/04/02 16:41 ptacek 2007/11/11 00:47 ptacek 2007/11/11 00:46 ptacek 2007/11/10 15:38 ptacek 2007/11/10 15:37 ptacek 2007/10/23 10:12 ptacek vytvořeno Go Next revision		Previous revision 2008/04/23 16:13 ptacek 2008/04/23 16:12 ptacek 2008/04/23 16:12 ptacek 2008/04/23 15:57 ptacek 2008/04/23 15:53 ptacek 2008/04/23 15:32 ptacek 2008/04/23 13:47 ptacek 2008/04/23 08:50 ptacek 2008/04/02 17:47 ptacek 2008/04/02 16:41 ptacek 2007/11/11 00:47 ptacek 2007/11/11 00:46 ptacek 2007/11/10 15:38 ptacek 2007/11/10 15:37 ptacek 2007/10/23 10:12 ptacek vytvořeno Go Last revision Both sides next revision
user:ptacek:zdenek-pfl070 [2008/04/23 15:57] ptacek		user:ptacek:zdenek-pfl070 [2008/04/23 16:12] ptacek
Line 1:		Line 1:
		+	====== homework2 ======
		+
		+	napsáno česky: nevim
		+	mluvena produkce: 10^7 lidi krat 10^7rocne jeden clovek (200slov za minutu, 2h denne mluvi ~ 25.000)
		+
		+	homework: milion slov, korpus z jazyka:
		+	udelat frekvencni seznam
		+
		+	cat text | sed "s/ /\n/g" | grep '[aeiouy'] | grep -v '....' | sort | uniq -c | head 20
		+
		+	prvni stranku frekvencniho seznamu pro jazyk
		+	plus prezentace
		+
		+
		+	1. bonito chybne se.RV:
		+	<code>[lemma!="se"][tag="VpN.*" & lemma!="být|probíhat|souviset"][lemma="s" & tag="RV.*"]</code>
		+
		+	1. bonito chybne se.P
		+	<code>[lemma="se" & word="se"][tag="A...7.*|N...7.*" & lc="[sšz].*"]</code>
		+	Počet výskytů: 4564
		+
		+	2. **chybné jí.V** jsou vpodstatě všechny ~ 500
		+	<code>[word="jí" & tag="V.*"][tag!="....4.*"]</code>
		+	opačně minimálně našel jsem jen: jí šlehačku
		+
		+	3. **chybné Pospíšil.V** ~ 68
		+	<code>[word="[a-b].*"][word="[A-B].*" & tag="V.*" & lemma!="být"]</code>
		+	**chybné Pospíšil.N** ~ 936
		+	<code>[word="[A-Z].+[tčžšp]il" & tag="NN.*"][word="se|jsem|si|a"]</code>
		+
		+	4. **chybná spojka A** ~ 194 amperu, clenu, cislovani seznamu
		+	<code>[lc="[0-9]+"][word="A" & tag="J.*"]</code>
		+
		+	5. **chybný imperativ** ~ 101 pripadu, kdy vetsinou nekdo slabikuje
		+	<code>[word="..." & tag="Vi.*"][word="-"]</code>
		+
		+	6. **chybné verb místo adjektiva ala 'zelená'** ~ 352
		+	<code>[lemma!="se|jak"][word=".*[vln]ená" & tag="V.*" & lemma!="z[ča].*"][lemma!="se"]</code>
		+
		+	7. ** chybne RV ** ~ 266, nebo ala uloha c.1
		+	<code>[tag="RV.*" & lemma="s"][lc="(vě|br|vý).*"]</code>
		+
		+	8. ** lokal bez predlozky ** ~ 276
		+	<code>[pos="[V]"][tag="NN..6.*"]</code>
		+
		+	9. ** nesaturovaná předložka** ~ 463 vetsinou chybne OCR
		+	<code>[lemma="s"][tag="N...[13456].*" & word="[a-z].*"]</code>
		+
		+	10. **ty** zájmeno osobní ale pritom ukazovaci ~ 17922(!)
		+	<code>[word="ty" & tag="PD.*"][tag ="NN.*"]</code>
		+
		+	11. **ti** zájmeno osobní ale pritom ukazovaci ~ 2933
		+	<code>[word="ti" & tag="PD.*"][tag ="NNMP.*"]</code>
		+
		+	12. ** akuzativ za nominativ ** ~ 201
		+	<code>[tag="NN..1.*"][lemma="dostat|dovést|držet|houpat|dělat|mít"][tag="NN..1.*"]</code>
		+
		+	13. ** vokativ nevokativ** ~ 2449
		+	<code>[tag="NN..5.*"][pos!="[ZAP]" & tag!="....5.*"]{5}</code>
		+
		+	14. ** dvě fin slovesa moc blízko** ~ 7414
		+	<code>[tag="V.*" & tag!="V[esf].*" & lemma!="být|mít|bývat"][tag="V.*" & tag!="V[fism].*" & lemma!="být|mít"]</code>
		+	chybí čárky, nebo špatná lematizace
		+
		+	15. ** cizí slova jako necizí **
		+	<code>[tag="Vi.S...2.*" & lemma!=".*(viz|pocem|t|ci)" & word!=".*[ěščřžýáíéňťď].*"] ~ 59</code>
		+	<code>[word="der" & tag="Vi.*"] ~ 21</code>
		+	<code>[tag="Vi.*" & word="[a-z]{0,4}" & word!="zmiz|nech|jdi|vem|jdi|ozvi|zkus|spi|mluv|viz|uhni|dej|hni|zlom|urvi|ubal|zvol|uber"] ~ 2778</code>
		+
		+	16. ** chyby ve znaceni <s> podle klitik ** ~ 832
		+	<code><s>[word="by|mi|ti|se"]</code>
		+
		+	17. ** spojky nespoky ** ~ 5947
		+	<code>[pos="J" & word=".*o" & lc!="a?nebo|zatímco|zato|jako|co|proto|.*žto"]</code>
		+
		+	18. ** chybná segmentace ** ~ 377
		+	<code>
		+	> Query   : <s>[word="by|mi|ti|se"]
		+	> N-filter: [pos="Z"]
		+	</code>
		+	nutno rozepsat na dve casti, aby to netrvalo vecnost
		+
		+	19. ** spatna tokenizace ** ala ukol c.9
		+	<code>[lemma="s"][tag="N...[13456].*" & word="[a-z].*"]</code>
		+
		+
	====== homework1 ======		====== homework1 ======
Line 101:		Line 187:
	1000 сондай		1000 сондай
	999 байланысты		999 байланысты
-
-
-
-
-
-
-
-	====== homework2 ======
-
-	napsáno česky: nevim
-	mluvena produkce: 10^7 lidi krat 10^7rocne jeden clovek (200slov za minutu, 2h denne mluvi ~ 25.000)
-
-	homework: milion slov, korpus z jazyka:
-	udelat frekvencni seznam
-
-	cat text | sed "s/ /\n/g" | grep '[aeiouy'] | grep -v '....' | sort | uniq -c | head 20
-
-	prvni stranku frekvencniho seznamu pro jazyk
-	plus prezentace
-
-
-	1. bonito chybne se.RV:
-	<code>[lemma!="se"][tag="VpN.*" & lemma!="být|probíhat|souviset"][lemma="s" & tag="RV.*"]</code>
-
-	1. bonito chybne se.P
-	<code>[lemma="se" & word="se"][tag="A...7.*|N...7.*" & lc="[sšz].*"]</code>
-	Počet výskytů: 4564
-
-	2. **chybné jí.V** jsou vpodstatě všechny ~ 500
-	<code>[word="jí" & tag="V.*"][tag!="....4.*"]</code>
-	opačně minimálně našel jsem jen: jí šlehačku
-
-	3. **chybné Pospíšil.V** ~ 68
-	<code>[word="[a-b].*"][word="[A-B].*" & tag="V.*" & lemma!="být"]</code>
-	**chybné Pospíšil.N** ~ 936
-	<code>[word="[A-Z].+[tčžšp]il" & tag="NN.*"][word="se|jsem|si|a"]</code>
-
-	4. **chybná spojka A** ~ 194 amperu, clenu, cislovani seznamu
-	<code>[lc="[0-9]+"][word="A" & tag="J.*"]</code>
-
-	5. **chybný imperativ** ~ 101 pripadu, kdy vetsinou nekdo slabikuje
-	<code>[word="..." & tag="Vi.*"][word="-"]</code>
-
-	6. **chybné verb místo adjektiva ala 'zelená'** ~ 352
-	<code>[lemma!="se|jak"][word=".*[vln]ená" & tag="V.*" & lemma!="z[ča].*"][lemma!="se"]</code>
-
-	7. ** **
-	<code></code>
-
-	8. ** **
-	<code></code>
-
-	9. ** nesaturovaná předložka** ~ 463 vetsinou chybne OCR
-	<code>[lemma="s"][tag="N...[13456].*" & word="[a-z].*"]</code>
-
-	10. **ty** zájmeno osobní ale pritom ukazovaci ~ 17922(!)
-	<code>[word="ty" & tag="PD.*"][tag ="NN.*"]</code>
-
-	11. **ti** zájmeno osobní ale pritom ukazovaci ~ 2933
-	<code>[word="ti" & tag="PD.*"][tag ="NNMP.*"]</code>
-
-	12. ** akuzativ za nominativ ** ~ 201
-	<code>[tag="NN..1.*"][lemma="dostat|dovést|držet|houpat|dělat|mít"][tag="NN..1.*"]</code>
-
-	13. ** vokativ nevokativ** ~ 2449
-	<code>[tag="NN..5.*"][pos!="[ZAP]" & tag!="....5.*"]{5}</code>
-
-	14. ** dvě fin slovesa moc blízko** ~ 7414
-	<code>[tag="V.*" & tag!="V[esf].*" & lemma!="být|mít|bývat"][tag="V.*" & tag!="V[fism].*" & lemma!="být|mít"]</code>
-	chybí čárky, nebo špatná lematizace
-
-	15. ** cizí slova jako necizí **
-	<code>[tag="Vi.S...2.*" & lemma!=".*(viz|pocem|t|ci)" & word!=".*[ěščřžýáíéňťď].*"] ~ 59</code>
-	<code>[word="der" & tag="Vi.*"] ~ 21</code>
-	<code>[tag="Vi.*" & word="[a-z]{0,4}" & word!="zmiz|nech|jdi|vem|jdi|ozvi|zkus|spi|mluv|viz|uhni|dej|hni|zlom|urvi|ubal|zvol|uber"] ~ 2778</code>
-
-	16. ** chyby ve znaceni <s> podle klitik ** ~ 832
-	<code><s>[word="by|mi|ti|se"]</code>
-
-	17. ** spojky nespoky ** ~ 5947
-	<code>[pos="J" & word=".*o" & lc!="a?nebo|zatímco|zato|jako|co|proto|.*žto"]</code>
-
-	18. ** chybná segmentace ** ~ 377
-	<code>
-	> Query   : <s>[word="by|mi|ti|se"]
-	> N-filter: [pos="Z"]
-	</code>
-	nutno rozepsat na dve casti, aby to netrvalo vecnost
-
-	19. ** spatna tokenizace ** ala ukol c.9
-	<code>[lemma="s"][tag="N...[13456].*" & word="[a-z].*"]</code>

---

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