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:dz-parser:conll [2008/03/26 09:49] zeman Čeština 2006. |
user:zeman:dz-parser:conll [2008/03/27 21:10] zeman Výsledky dtest původní značky. |
||
---|---|---|---|
Line 1: | Line 1: | ||
- | ====== Pokusy s DZ Parserem pro CoNLL 2007 ====== | + | ====== Pokusy s DZ Parserem pro CoNLL ====== |
- | Musíme odeslat | + | Tato stránka původně vznikla jako záznam o tom, jakým způsobem jsem spouštěl parser během soutěže v& |
+ | |||
+ | |||
+ | ===== Proměnné ===== | ||
+ | |||
+ | Používám proměnné prostředí, | ||
+ | |||
+ | < | ||
+ | setenv TOOLS $PARSINGROOT/ | ||
+ | setenv INTERSET ~zeman/ | ||
+ | setenv PARSER ~zeman/ | ||
+ | |||
+ | Kromě toho mám ve své '' | ||
+ | |||
+ | Další proměnné, určené přímo pro rozbor dat CoNLL mým parserem: | ||
+ | |||
+ | < | ||
+ | setenv OUTPUT / | ||
+ | |||
+ | ===== Výsledky ===== | ||
+ | |||
+ | Následující tabulka ukazuje úspěšnost DZ parseru s výchozím nastavením na průběžných testovacích datech CoNLL 2007, s původními značkami CoNLL (tabulátory, | ||
+ | |||
+ | | Jazyk | A | G | B | P | | ||
+ | | ar | 5873 | 3757 | 2116 | 64,0 | | ||
+ | | ca | 10971 | 7670 | 3301 | 69,9 | | ||
+ | | cs | 5760 | 4061 | 1699 | 70,5 | | ||
+ | | el | 4874 | 3132 | 1742 | 64,3 | | ||
+ | | en | 9529 | 6163 | 3366 | 64,7 | | ||
+ | | eu | 4334 | 2477 | 1857 | 57,2 | | ||
+ | | hu | 5995 | 4088 | 1907 | 68,2 | | ||
+ | | it | 7643 | 5556 | 2087 | 72,7 | | ||
+ | | tr | 6210 | 3920 | 2290 | 63,1 | | ||
+ | | zh | 2277 | 1506 | 771 | 66,1 | | ||
+ | |||
+ | ===== Zpracování ===== | ||
+ | |||
+ | Každý jazyk zkouším zpracovat jednak s& | ||
+ | |||
+ | < | ||
+ | setenv ROK 2007 | ||
+ | setenv JAZYK cs | ||
+ | $PARSER/ | ||
+ | ($PARSER/ | ||
+ | |||
+ | ===== Starší poznámky ===== | ||
Postup zpracování jednoho jazyka CoNLL: | Postup zpracování jednoho jazyka CoNLL: | ||
Line 29: | Line 74: | ||
$parser/ | $parser/ | ||
$parser/ | $parser/ | ||
+ | |||
+ | |||
+ | |||
+ | |||
===== Čeština 2006 ===== | ===== Čeština 2006 ===== | ||
- | < | + | < |
- | csts_convert_tags.pl -f cs::conll -t cs::pdt < cstest.csts > cstest.pdttags.csts</ | + | setenv xx cs |
+ | cd $cesta | ||
+ | csts_convert_tags.pl -f cs::conll -t cs::pdt < cstrain.csts > cstrain.pdttags.csts | ||
+ | csts_convert_tags.pl -f cs::conll -t cs::pdt < cstest.csts > cstest.pdttags.csts | ||
+ | $PARSER/ | ||
+ | $PARSER/ | ||
+ | |||
+ | Výsledky (365 vět, které CoNLL dodalo jako testovací): | ||
+ | |||
+ | Parser (i trénování) byl spuštěn s výchozími parametry bez konfiguračního souboru. Neměl tušení, že zpracovává svůj rodný jazyk. Kromě toho, že testovací data jsou jiná (a podstatně menší), než jsem měl přímo při práci s PDT, také chybí přídavné informace u lemmat (protože je CoNLL částečně přesunulo do atributu Sem, jehož hodnotu jsem při převádění značek zpět na PDT zahodil). Parser z nich využíval informace o křestním jménu a příjmení. Na druhou stranu parseru mohlo pomoct, že pracujeme s ručně přiřazenými značkami. |