[ 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 2009/03/26 08:21 zeman Úvod.2009/03/13 18:25 zeman A pak ještě Makefile.2009/03/13 18:24 zeman Sémantika.2009/03/03 16:28 zeman Makefile.2009/03/02 11:38 zeman Výsledky CoNLL 2009 (zatím bez úprav značek).2008/04/29 13:04 zeman Srovnání konfigurací parseru.2008/04/29 12:56 zeman Doplnění německých a portugalských výsledků s výchozí konfigurací parseru.2008/04/29 12:23 zeman Tvar parametru VAR.2008/04/29 10:12 zeman Výsledky němčiny a portugalštiny.2008/04/25 11:49 zeman Parametr vypsat_tabulku.pl2008/04/25 11:42 zeman Upřesnění parametrů.2008/04/25 11:30 zeman Dokumentace skriptů.2008/04/01 10:03 zeman Dodatečně ještě němčina.2008/03/28 18:57 zeman 2008/03/28 18:57 zeman 02 a 03.2008/03/28 18:23 zeman Srovnání výchozího nastavení CoNLL s nastavením 01 PDT.2008/03/28 18:15 zeman 2008/03/28 17:56 zeman 2008/03/28 16:44 zeman Zapnutá úprava morfologických značek a selektivní lexikalizace.2008/03/28 15:49 zeman Oprava výchozích výsledků. Nyní se opravdu neupravují morfologické značky a správně se ukládají události s tabulátory.2008/03/28 15:43 zeman 2008/03/28 15:20 zeman Opravný experiment.2008/03/28 12:45 zeman 2008/03/28 12:42 zeman Statistická významnost.2008/03/28 12:28 zeman Statistická významnost.2008/03/27 22:58 zeman Komentář k výsledkům se značkami PDT.2008/03/27 22:49 zeman Čeština 2006.2008/03/27 22:38 zeman Výsledky se značkami PDT.2008/03/27 21:51 zeman Výsledky 2006.2008/03/27 21:10 zeman Výsledky dtest původní značky.2008/03/27 20:44 zeman 2008/03/26 16:35 zeman Výsledky rozboru češtiny.2008/03/26 16:05 zeman Ještě výstup.2008/03/26 16:01 zeman Rozbor češtiny.2008/03/26 13:30 zeman Trénování se značkami PDT.2008/03/26 11:56 zeman Trénování parseru na češtině z CoNLL 2006.2008/03/26 09:49 zeman Čeština 2006.2008/03/05 18:53 zeman Parsing korpusu s převedenými značkami.2008/03/05 18:49 zeman Převod značek do sady PDT.2008/03/05 14:32 zeman Nefunguje.2007/03/29 23:13 zeman vytvořeno Go Next revision		Previous revision 2009/03/26 08:21 zeman Úvod.2009/03/13 18:25 zeman A pak ještě Makefile.2009/03/13 18:24 zeman Sémantika.2009/03/03 16:28 zeman Makefile.2009/03/02 11:38 zeman Výsledky CoNLL 2009 (zatím bez úprav značek).2008/04/29 13:04 zeman Srovnání konfigurací parseru.2008/04/29 12:56 zeman Doplnění německých a portugalských výsledků s výchozí konfigurací parseru.2008/04/29 12:23 zeman Tvar parametru VAR.2008/04/29 10:12 zeman Výsledky němčiny a portugalštiny.2008/04/25 11:49 zeman Parametr vypsat_tabulku.pl2008/04/25 11:42 zeman Upřesnění parametrů.2008/04/25 11:30 zeman Dokumentace skriptů.2008/04/01 10:03 zeman Dodatečně ještě němčina.2008/03/28 18:57 zeman 2008/03/28 18:57 zeman 02 a 03.2008/03/28 18:23 zeman Srovnání výchozího nastavení CoNLL s nastavením 01 PDT.2008/03/28 18:15 zeman 2008/03/28 17:56 zeman 2008/03/28 16:44 zeman Zapnutá úprava morfologických značek a selektivní lexikalizace.2008/03/28 15:49 zeman Oprava výchozích výsledků. Nyní se opravdu neupravují morfologické značky a správně se ukládají události s tabulátory.2008/03/28 15:43 zeman 2008/03/28 15:20 zeman Opravný experiment.2008/03/28 12:45 zeman 2008/03/28 12:42 zeman Statistická významnost.2008/03/28 12:28 zeman Statistická významnost.2008/03/27 22:58 zeman Komentář k výsledkům se značkami PDT.2008/03/27 22:49 zeman Čeština 2006.2008/03/27 22:38 zeman Výsledky se značkami PDT.2008/03/27 21:51 zeman Výsledky 2006.2008/03/27 21:10 zeman Výsledky dtest původní značky.2008/03/27 20:44 zeman 2008/03/26 16:35 zeman Výsledky rozboru češtiny.2008/03/26 16:05 zeman Ještě výstup.2008/03/26 16:01 zeman Rozbor češtiny.2008/03/26 13:30 zeman Trénování se značkami PDT.2008/03/26 11:56 zeman Trénování parseru na češtině z CoNLL 2006.2008/03/26 09:49 zeman Čeština 2006.2008/03/05 18:53 zeman Parsing korpusu s převedenými značkami.2008/03/05 18:49 zeman Převod značek do sady PDT.2008/03/05 14:32 zeman Nefunguje.2007/03/29 23:13 zeman vytvořeno Go Next revision Both sides next revision
user:zeman:dz-parser:conll [2008/03/26 09:49] zeman Čeština 2006.		user:zeman:dz-parser:conll [2008/04/29 12:56] zeman Doplnění německých a portugalských výsledků s výchozí konfigurací parseru.
Line 1:		Line 1:
-	====== Pokusy s DZ Parserem pro CoNLL 2007 ======	+	====== Pokusy s DZ Parserem pro CoNLL ======
-	Musíme odeslat i angličtinu!	+	Tato stránka původně vznikla jako záznam o tom, jakým způsobem jsem spouštěl parser během soutěže v parsingu CoNLL 2007, abych tyto pokusy dokázal zopakovat. Postupně se mění na stránku o pokusech s [[internal:data-conll|daty CoNLL]] obecně (nejen 2007). Data leží v ''/net/data/conll''. Parser odsud čte, ale nepíše sem. Pro soubory související se syntaktickou analýzou těchto dat mám samostatnou složku ''/net/work/people/zeman/conll-dzparser''.
		+
		+	===== Proměnné =====
		+
		+	Používám proměnné prostředí, které mám nastavené ve svém ''.cshrc'' takto:
		+
		+	<code>setenv PARSINGROOT /net/work/people/zeman/parsing
		+	setenv TOOLS $PARSINGROOT/tools
		+	setenv INTERSET ~zeman/projekty/interset
		+	setenv PARSER ~zeman/projekty/parser</code>
		+
		+	Kromě toho mám ve své ''PATH'' přidáno ''$INTERSET/bin'' a v ''PERLLIB'' a ''PERL5LIB'' mám mj. ''$INTERSET/lib'' a ''$PARSINGROOT/lib''.
		+
		+	Další proměnné, určené přímo pro rozbor dat CoNLL mým parserem:
		+
		+	<code>setenv DATA /net/data/conll
		+	setenv OUTPUT /net/work/people/zeman/conll-dzparser</code>
		+
		+	===== Zpracování =====
		+
		+	Každý jazyk zkouším zpracovat jednak s&nbsp;původními značkami, jednak se značkami převedenými do české sady PDT. Základní zpracování (bez přiřazování syntaktických značek) předpokládá pouze dva kroky: natrénování modelu na průběžných trénovacích datech a jeho otestování na průběžných testovacích datech. U základního zpracování používáme výchozí, jazykově nezávislé nastavení parseru.
		+
		+	<code>cd $OUTPUT
		+	setenv ROK 2007
		+	setenv JAZYK cs
		+	$PARSER/train.pl < $DATA/$ROK/$JAZYK/dtrain.csts > $JAZYK.stat
		+	($PARSER/parse.pl -m $JAZYK.stat < $DATA/$ROK/$JAZYK/dtest.csts > $JAZYK.dtest.dz.csts) >& $JAZYK.dtest.log</code>
		+
		+	===== Zpracování na clusteru =====
		+
		+	V&nbsp;''$OUTPUT/bin'' mám několik skriptů, které odesílají parsovací úlohy na cluster:
		+	* ''qtp2006.csh'' ... přetrénování a rozbor všech jazyků 2006 bez machinací se značkami
		+	* ''qtp2007.csh'' ... přetrénování a rozbor všech jazyků 2007 bez machinací se značkami
		+	* ''qtppdt.csh'' ... přetrénování a rozbor dat se značkami převedenými do sady PDT u jazyků, u kterých to umíme, z&nbsp;obou let
		+	* ''trainparse.csh ROK JAZYK VAR INI'' ... přetrénování a rozbor jednoho korpusu (rok a jazyk jsou jasné parametry, var je varianta dat, třeba "''pdttags''", a ini je název konfiguračního souboru bez přípony .ini, třeba "''03''")
		+	* ''harvest.csh'' ... pro všechny roky a jazyky (a u korpusů, u kterých to umíme, i pro data se značkami převedenými do PDT) zavolá ''porovnat.pl'' na zlatý standard a výstup parseru, čímž kromě úspěšnosti získáme i McNemarův test statistické významnosti zlepšení nebo zhoršení, které přinesl převod značek oproti datům s&nbsp;původními značkami
		+	* ''vypsat_tabulku.pl'' dělá podobnou věc jako ''harvest.csh'', ale výsledky rovnou formátuje jako tabulku, kterou můžeme uložit v&nbsp;této wiki. Má parametr ''INI'', který říká, jaké výsledky (získané s&nbsp;jakým konfiguračním souborem) se mají sbírat.
		+
		+	===== Výsledky =====
		+
		+	==== Výchozí nastavení ====
		+
		+	Následující tabulka ukazuje úspěšnost DZ parseru s výchozím nastavením na průběžných testovacích datech CoNLL, s původními neupravenými značkami CoNLL (tabulátory, rysy oddělené svislítky).
		+	Úspěšnost parsingu s&nbsp;původními značkami CoNLL:
		+	| Jazyk | Rok | P |
		+	| ar | 2006 | 63.9 |
		+	| ar | 2007 | 64.9 |
		+	| bg | 2006 | 72.3 |
		+	| ca | 2007 | 72.7 |
		+	| cs | 2006 | 64.1 |
		+	| cs | 2007 | 69.1 |
		+	| da | 2006 | 69.9 |
		+	| de | 2006 | 71.8 |
		+	| el | 2007 | 65.0 |
		+	| en | 2007 | 70.6 |
		+	| eu | 2007 | 58.6 |
		+	| hu | 2007 | 62.3 |
		+	| it | 2007 | 71.5 |
		+	| ja | 2006 | 87.3 |
		+	| nl | 2006 | 73.7 |
		+	| pt | 2006 | 73.8 |
		+	| sl | 2006 | 58.7 |
		+	| sv | 2006 | 71.0 |
		+	| tr | 2007 | 64.6 |
		+	| zh | 2006 | 69.9 |
		+	| zh | 2007 | 69.0 |
		+
		+	Následující tabulka srovnává výsledky s původními značkami CoNLL a výsledky se značkami PDT. Data jsou dtest. Nastavení parseru je výchozí, tj. úprava značek ani selektivní lexikalizace není zapnuta. Poslední sloupec říká, zda je změna úspěšnosti statisticky významná podle McNemarova testu na úrovni 0,05 (χ<html><sup>2</sup></html> ≥ 3,84).
		+
		+	| Jazyk | Rok | P(CoNLL) | P(PDT) | Změna | McNemar |
		+	| ar | 2006 | 63.9 | 66.8 | lepší | ano (19.858476) |
		+	| ar | 2007 | 64.9 | 64.2 | horší | ne (1.497453) |
		+	| bg | 2006 | 72.3 | 71.2 | horší | ne (3.205607) |
		+	| cs | 2006 | 64.1 | 64.1 | lepší | ne (0.007519) |
		+	| cs | 2007 | 69.1 | 68.6 | horší | ano (3.948357) |
		+	| da | 2006 | 69.9 | 70.5 | lepší | ne (2.082218) |
		+	| de | 2006 | 71.8 | 67.5 | horší | ano (61.301887) |
		+	| en | 2007 | 70.6 | 65.4 | horší | ano (227.951382) |
		+	| pt | 2006 | 73.8 | 76.4 | lepší | ano (44.312588) |
		+	| sv | 2006 | 71.0 | 72.6 | lepší | ano (12.763713) |
		+	| zh | 2006 | 69.9 | 68.4 | horší | ne (1.574297) |
		+	| zh | 2007 | 69.0 | 63.7 | horší | ano (22.360248) |
		+
		+	U čínštiny lze zhoršení snadno vysvětlit. Čínská sada značek se velmi liší od ostatních, do Intersetu se vejde jen nepatrný zlomek informace, kterou značky nesou, takže ztráta informace při převodu značek je mimořádně veliká.
		+
		+	==== 01: zapnuté upravování značek a selektivní lexikalizace ====
		+
		+	Následující tabulka ukazuje úspěšnost DZ parseru se zapnutou úpravou morfologických značek a selektivní lexikalizací na průběžných testovacích datech CoNLL, s původními značkami CoNLL (tabulátory, rysy oddělené svislítky).
		+
		+	| Jazyk | Rok | P |
		+	| ar | 2006 | 64.3 |
		+	| ar | 2007 | 59.8 |
		+	| bg | 2006 | 67.9 |
		+	| ca | 2007 | 69.9 |
		+	| cs | 2006 | 56.0 |
		+	| cs | 2007 | 58.7 |
		+	| da | 2006 | 69.3 |
		+	| de | 2006 | 68.5 |
		+	| el | 2007 | 67.5 |
		+	| en | 2007 | 64.7 |
		+	| eu | 2007 | 58.4 |
		+	| hu | 2007 | 66.1 |
		+	| it | 2007 | 73.4 |
		+	| ja | 2006 | 74.6 |
		+	| nl | 2006 | 73.0 |
		+	| pt | 2006 | 73.5 |
		+	| sl | 2006 | 63.8 |
		+	| sv | 2006 | 71.1 |
		+	| tr | 2007 | 65.1 |
		+	| zh | 2006 | 69.0 |
		+	| zh | 2007 | 66.1 |
		+
		+	| Jazyk | Rok | P(CoNLL) | P(PDT) | Změna | McNemar |
		+	| ar | 2006 | 64.3 | 67.3 | lepší | ano (20.855670) |
		+	| ar | 2007 | 59.8 | 66.7 | lepší | ano (149.962142) |
		+	| bg | 2006 | 67.9 | 71.4 | lepší | ano (44.137931) |
		+	| cs | 2006 | 56.0 | 71.6 | lepší | ano (597.483871) |
		+	| cs | 2007 | 58.7 | 74.2 | lepší | ano (616.602151) |
		+	| da | 2006 | 69.3 | 69.5 | lepší | ne (0.114286) |
		+	| en | 2007 | 64.7 | 65.6 | lepší | ano (8.781548) |
		+	| sv | 2006 | 71.1 | 73.1 | lepší | ano (24.144134) |
		+	| zh | 2006 | 69.0 | 68.1 | horší | ne (1.000000) |
		+	| zh | 2007 | 66.1 | 63.6 | horší | ano (8.950413) |
		+
		+	=== Srovnání výchozího nastavení CoNLL s nastavením 01 PDT ===
		+
		+	| Jazyk | Rok | P(CoNLL) | P(PDT) | Změna | McNemar |
		+	| ar | 2006 | 63.9 | 67.3 | lepší | ano (21.670630) |
		+	| ar | 2007 | 64.9 | 66.7 | lepší | ano (9.078534) |
		+	| bg | 2006 | 72.3 | 71.4 | horší | ne (1.904968) |
		+	| cs | 2006 | 64.1 | 71.6 | lepší | ano (170.571020) |
		+	| cs | 2007 | 69.1 | 74.2 | lepší | ano (85.242604) |
		+	| da | 2006 | 69.9 | 69.5 | horší | ne (0.821288) |
		+	| en | 2007 | 70.6 | 65.6 | horší | ano (176.765737) |
		+	| sv | 2006 | 71.0 | 73.1 | lepší | ano (24.369923) |
		+	| zh | 2006 | 69.9 | 68.1 | horší | ne (2.330645) |
		+	| zh | 2007 | 69.0 | 63.6 | horší | ano (22.769829) |
		+
		+
		+	==== 02: navíc zakázané přeskakování bezdětných předložek ====
		+	| Jazyk | Rok | P |
		+	| ar | 2006 | 64.3 |
		+	| ar | 2007 | 59.8 |
		+	| bg | 2006 | 68.0 |
		+	| ca | 2007 | 69.9 |
		+	| cs | 2006 | 56.1 |
		+	| cs | 2007 | 58.7 |
		+	| da | 2006 | 68.3 |
		+	| de | 2006 | 68.5 |
		+	| el | 2007 | 67.1 |
		+	| en | 2007 | 63.8 |
		+	| eu | 2007 | 58.4 |
		+	| hu | 2007 | 62.3 |
		+	| it | 2007 | 72.1 |
		+	| ja | 2006 | 74.6 |
		+	| nl | 2006 | 73.0 |
		+	| pt | 2006 | 73.5 |
		+	| sl | 2006 | 63.8 |
		+	| sv | 2006 | 71.0 |
		+	| tr | 2007 | 65.1 |
		+	| zh | 2006 | 69.0 |
		+	| zh | 2007 | 66.1 |
		+
		+	| Jazyk | Rok | P(CoNLL) | P(PDT) | Změna | McNemar |
		+	| ar | 2006 | 64.3 | 67.6 | lepší | ano (24.635569) |
		+	| ar | 2007 | 59.8 | 66.9 | lepší | ano (162.665108) |
		+	| bg | 2006 | 68.0 | 71.3 | lepší | ano (41.317073) |
		+	| cs | 2006 | 56.1 | 71.4 | lepší | ano (583.183944) |
		+	| cs | 2007 | 58.7 | 74.0 | lepší | ano (611.467919) |
		+	| da | 2006 | 68.3 | 69.8 | lepší | ano (9.116809) |
		+	| en | 2007 | 63.8 | 67.3 | lepší | ano (97.889876) |
		+	| sv | 2006 | 71.0 | 73.5 | lepší | ano (38.126126) |
		+	| zh | 2006 | 69.0 | 68.0 | horší | ne (1.249135) |
		+	| zh | 2007 | 66.1 | 63.5 | horší | ano (9.836066) |
		+
		+	| Jazyk | Rok | P(CoNLL) | P(PDT) | Změna | McNemar |
		+	| ar | 2006 | 63.9 | 67.6 | lepší | ano (26.578554) |
		+	| ar | 2007 | 64.9 | 66.9 | lepší | ano (12.122523) |
		+	| bg | 2006 | 72.3 | 71.3 | horší | ne (2.198697) |
		+	| cs | 2006 | 64.1 | 71.4 | lepší | ano (163.208696) |
		+	| cs | 2007 | 69.1 | 74.0 | lepší | ano (78.750246) |
		+	| da | 2006 | 69.9 | 69.8 | horší | ne (0.065772) |
		+	| en | 2007 | 70.6 | 67.3 | horší | ano (80.847587) |
		+	| sv | 2006 | 71.0 | 73.5 | lepší | ano (35.800000) |
		+	| zh | 2006 | 69.9 | 68.0 | horší | ne (2.623482) |
		+	| zh | 2007 | 69.0 | 63.5 | horší | ano (23.875776) |
		+
		+
		+
		+	==== 03: navíc zapnuté modelování pseudovalence ====
		+
		+	Úspěšnost parsingu s&nbsp;původními značkami CoNLL:
		+	| Jazyk | Rok | P |
		+	| ar | 2006 | 64.4 |
		+	| ar | 2007 | 59.8 |
		+	| bg | 2006 | 67.6 |
		+	| ca | 2007 | 69.9 |
		+	| cs | 2006 | 56.0 |
		+	| cs | 2007 | 58.7 |
		+	| da | 2006 | 68.3 |
		+	| de | 2006 | 69.5 |
		+	| el | 2007 | 67.2 |
		+	| en | 2007 | 64.2 |
		+	| eu | 2007 | 58.4 |
		+	| hu | 2007 | 62.3 |
		+	| it | 2007 | 72.2 |
		+	| ja | 2006 | 74.9 |
		+	| nl | 2006 | 73.2 |
		+	| pt | 2006 | 73.5 |
		+	| sl | 2006 | 63.8 |
		+	| sv | 2006 | 71.0 |
		+	| tr | 2007 | 65.2 |
		+	| zh | 2006 | 67.5 |
		+	| zh | 2007 | 64.6 |
		+
		+	Srovnání úspěšnosti parsingu s&nbsp;původními značkami a se značkami PDT:
		+	| Jazyk | Rok | P(CoNLL) | P(PDT) | Změna | McNemar |
		+	| ar | 2006 | 64.4 | 67.6 | lepší | ano (23.953216) |
		+	| ar | 2007 | 59.8 | 67.0 | lepší | ano (165.491130) |
		+	| bg | 2006 | 67.6 | 71.0 | lepší | ano (45.224638) |
		+	| cs | 2006 | 56.0 | 71.4 | lepší | ano (587.655280) |
		+	| cs | 2007 | 58.7 | 74.3 | lepší | ano (627.063764) |
		+	| da | 2006 | 68.3 | 69.8 | lepší | ano (8.878214) |
		+	| de | 2006 | 69.5 | 67.7 | horší | ano (9.841876) |
		+	| en | 2007 | 64.2 | 67.9 | lepší | ano (110.976037) |
		+	| pt | 2006 | 73.5 | 76.4 | lepší | ano (42.581187) |
		+	| sv | 2006 | 71.0 | 73.2 | lepší | ano (27.717540) |
		+	| zh | 2006 | 67.5 | 68.8 | lepší | ne (2.042553) |
		+	| zh | 2007 | 64.6 | 64.6 | stejná | ne (0.000000) |
		+
		+	Totéž, ale parsing s&nbsp;původními značkami použil výchozí konfiguraci místo 03.
		+	| Jazyk | Rok | P(CoNLL) | P(PDT) | Změna | McNemar |
		+	| ar | 2006 | 63.9 | 67.6 | lepší | ano (27.380000) |
		+	| ar | 2007 | 64.9 | 67.0 | lepší | ano (12.949640) |
		+	| bg | 2006 | 72.3 | 71.0 | horší | ne (3.688525) |
		+	| cs | 2006 | 64.1 | 71.4 | lepší | ano (167.052632) |
		+	| cs | 2007 | 69.1 | 74.3 | lepší | ano (87.422200) |
		+	| da | 2006 | 69.9 | 69.8 | horší | ne (0.046272) |
		+	| de | 2006 | 71.8 | 67.7 | horší | ano (54.691057) |
		+	| en | 2007 | 70.6 | 67.9 | horší | ano (55.470000) |
		+	| pt | 2006 | 73.8 | 76.4 | lepší | ano (34.848721) |
		+	| sv | 2006 | 71.0 | 73.2 | lepší | ano (22.530318) |
		+	| zh | 2006 | 69.9 | 68.8 | horší | ne (0.757576) |
		+	| zh | 2007 | 69.0 | 64.6 | horší | ano (14.266376) |
		+
		+	===== Starší poznámky =====
	Postup zpracování jednoho jazyka CoNLL:		Postup zpracování jednoho jazyka CoNLL:
Line 29:		Line 274:
	$parser/train.pl < $cesta/${xx}dtrain.pdt.csts > $cesta/${xx}.pdt.stat		$parser/train.pl < $cesta/${xx}dtrain.pdt.csts > $cesta/${xx}.pdt.stat
	$parser/parse.pl -m $cesta/${xx}.pdt.stat < $cesta/${xx}dtest.pdt.csts > $cesta/${xx}dtest.pdt.dz.csts</code>		$parser/parse.pl -m $cesta/${xx}.pdt.stat < $cesta/${xx}dtest.pdt.csts > $cesta/${xx}dtest.pdt.dz.csts</code>
		+
		+
		+
		+
	===== Čeština 2006 =====		===== Čeština 2006 =====
-	<code>csts_convert_tags.pl -f cs::conll -t cs::pdt < cstrain.csts > cstrain.pdttags.csts	+	<code>setenv cesta /net/data/conll/2006/czech/pdt
-	csts_convert_tags.pl -f cs::conll -t cs::pdt < cstest.csts > cstest.pdttags.csts</code>	+	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/train.pl < $cesta/${xx}train.pdttags.csts > $cesta/${xx}.pdttags.stat
		+	$PARSER/parse.pl -m $cesta/${xx}.pdttags.stat < $cesta/${xx}test.pdttags.csts > $cesta/${xx}test.pdttags.dz.csts</code>
		+
		+	Výsledky (365 vět, které CoNLL dodalo jako testovací): A 5853 - G 4197 - B 1656 - P <html><span style='background:yellow'>71,71</span></html>&nbsp;%
		+
		+	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.

---

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