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:zeman:deltacorpus [2016/05/10 21:19] zeman Plán nové verze Deltacorpusu. |
user:zeman:deltacorpus [2016/06/01 18:06] zeman |
||
---|---|---|---|
Line 11: | Line 11: | ||
===== TODO ===== | ===== TODO ===== | ||
- | * Kromě '' | + | |
- | * Místo HamleDTu 3.0 to celé vyzkoušet na Universal Dependencies | + | |
- | * Posunout | + | * Opustit HamleDT 2.0, přejít na Universal Dependencies (zatím verzi 1.2 kvůli kompatibilitě s dalšími projekty). |
+ | * Vyhodnotit úspěšnost | ||
+ | * Ozvat se Vladovi Benkovi s gruzínštinou (k té by se mohl hodit i UniMorph Christo Kirova a Davida Yarowského, | ||
+ | * Posunout se k parsingu (nový článek na PACLIC, odložený deadline 12.6.2016). | ||
+ | * U parsingu se zatím musíme držet UD 1.2 a nemůžeme přejít | ||
+ | * Trénovací i testovací treebank obsahuje deltaznačky, | ||
+ | * Pro každý jazyk je třeba rozhodnout, kterému deltamodelu věříme. A samozřejmě potřebujeme vždy takovou modifikaci, aby trénovací data deltamodelu neobsahovala dotyčný jazyk. Na tom už se pracuje. c7 pro všechny už jsem vyzkoušel a dopadlo to katastrofálně. Ale je možné, že jsem použil značky z HamleDTa a nasadil je na UD, tím by se část katastrofy vysvětlovala. | ||
+ | * I u parsingu vyzkoušet multi-source transfer, tj. na zdrojové straně je směs několika jazyků vybraných podle různých kritérií. (Pozor, | ||
+ | * Bude-li to vypadat smysluplně, | ||
+ | * Srovnat | ||
+ | * Obdobně je zajímavá rychloanotace u značek, viz Cucerzan and Yarowsky 2002. Vybrat 100 nejčastějších slov, dát jim značky. | ||
+ | * Článek: | ||
+ | * Citovat Loganathana (použil delex na indické jazyky). | ||
+ | * Citovat Teresu Lynn (použila to přímo k urychlení tvorby irského treebanku). | ||
+ | * Citovat Rudu Rosu (algoritmus výběru vhodného zdrojového jazyka; váhy v MST parseru). | ||
+ | * Vůbec by neškodilo vyhodnotit to na více parserech. Nebo alespoň přidat nivreeager + liblinear, je to rychlé. | ||
===== Deltacorpus ===== | ===== Deltacorpus ===== |