[ Skip to the content ]

Institute of Formal and Applied Linguistics Wiki

[ Back to the navigation ]

You are here: start » user » zeman » dz-parser » conll

Differences

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

Link to this comparison view

Both sides previous revision Previous revision
Next revision 		Previous revision
Next revision Both sides next revision
user:zeman:dz-parser:conll [2008/03/27 21:10]
zeman Výsledky dtest původní značky. 		user:zeman:dz-parser:conll [2008/03/27 22:49]
zeman Čeština 2006.
Line 2: Line 2:
  
 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''. 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 ===== ===== Proměnné =====
Line 19: Line 18:
 <code>setenv DATA /net/data/conll <code>setenv DATA /net/data/conll
 setenv OUTPUT /net/work/people/zeman/conll-dzparser</code> setenv OUTPUT /net/work/people/zeman/conll-dzparser</code>
- 
-===== Výsledky ===== 
- 
-Následující tabulka ukazuje úspěšnost DZ parseru s výchozím nastavením na průběžných testovacích datech CoNLL 2007, s původními značkami CoNLL (tabulátory, rysy oddělené svislítky): 
- 
-| 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 ===== ===== Zpracování =====
Line 45: Line 28:
 $PARSER/train.pl < $DATA/$ROK/$JAZYK/dtrain.csts > $JAZYK.stat $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) >& $JAZYK.dtest.log</code> ($PARSER/parse.pl -m $JAZYK.stat < $DATA/$ROK/$JAZYK/dtest.csts > $JAZYK.dtest.dz.csts) >& $JAZYK.dtest.log</code>
 +
 +
 +
 +===== Výsledky =====
 +
 +Následující tabulka ukazuje úspěšnost DZ parseru s výchozím nastavením na průběžných testovacích datech CoNLL, s původními značkami CoNLL (tabulátory, rysy oddělené svislítky):
 +
 +| Jazyk | Rok | A | G | B | P |
 +| ar | 2006 | 3955 | 2555 | 1400 | 64,6 |
 +| ar | 2007 | 5873 | 3757 | 2116 | 64,0 |
 +| bg | 2006 | 4677 | 3178 | 1499 | 67,9 |
 +| ca | 2007 | 10971 | 7670 | 3301 | 69,9 |
 +| cs | 2006 | 5643 | 3822 | 1821 | 67,7 |
 +| cs | 2007 | 5760 | 4061 | 1699 | 70,5 |
 +| da | 2006 | 5470 | 3792 | 1678 | 69,3 |
 +| de | 2006 | 5403 | 3704 | 1699 | 68,6 |
 +| el | 2007 | 4874 | 3132 | 1742 | 64,3 |
 +| en | 2007 | 9529 | 6163 | 3366 | 64,7 |
 +| eu | 2007 | 4334 | 2477 | 1857 | 57,2 |
 +| hu | 2007 | 5995 | 4088 | 1907 | 68,2 |
 +| it | 2007 | 7643 | 5556 | 2087 | 72,7 |
 +| ja | 2006 | 3384 | 2524 | 860 | 74,6 |
 +| nl | 2006 | 6187 | 4579 | 1608 | 74,0 |
 +| pt | 2006 | 6719 | 4941 | 1778 | 73,5 |
 +| sl | 2006 | 4307 | 2765 | 1542 | 64,2 |
 +| sv | 2006 | 7140 | 5075 | 2065 | 71,1 |
 +| tr | 2007 | 6210 | 3920 | 2290 | 63,1 |
 +| zh | 2006 | 1839 | 1269 | 570 | 69,0 |
 +| zh | 2007 | 2277 | 1506 | 771 | 66,1 |
 +
 +Následující tabulka srovnává výsledky s původními značkami CoNLL a výsledky se značkami PDT. Data jsou dtest. Nastavení parseru je výchozí, tj. značky nejsou upravovány a selektivní lexikalizace není zapnuta.
 +
 +| Jazyk | Rok | Značky | A | G | B | P |
 +| ar | 2006 | CoNLL | 3955 | 2555 | 1400 | 64,6 |
 +| ar | 2006 | PDT   | 3955 | 2595 | 1360 | 65,6 |
 +| ar | 2007 | CoNLL | 5873 | 3757 | 2116 | 64,0 |
 +| ar | 2007 | PDT   | 5873 | 3793 | 2080 | 64,6 |
 +| bg | 2006 | CoNLL | 4677 | 3178 | 1499 | 67,9 |
 +| bg | 2006 | PDT   | 4677 | 3338 | 1339 | 71,4 |
 +| cs | 2006 | CoNLL | 5643 | 3822 | 1821 | 67,7 |
 +| cs | 2006 | PDT   | 5643 | 4050 | 1593 | 71,8 |
 +| cs | 2007 | CoNLL | 5760 | 4061 | 1699 | 70,5 |
 +| cs | 2007 | PDT   | 5760 | 4294 | 1466 | 74,5 |
 +| da | 2006 | CoNLL | 5470 | 3792 | 1678 | 69,3 |
 +| da | 2006 | PDT   | 5470 | 3804 | 1666 | 69,5 |
 +| en | 2007 | CoNLL | 9529 | 6163 | 3366 | 64,7 |
 +| en | 2007 | PDT   | 9529 | 6254 | 3275 | 65,6 |
 +| sv | 2006 | CoNLL | 7140 | 5075 | 2065 | 71,1 |
 +| sv | 2006 | PDT   | 7140 | 5232 | 1908 | 73,3 |
 +| zh | 2006 | CoNLL | 1839 | 1269 | 570 | 69,0 |
 +| zh | 2006 | PDT   | 1839 | 1252 | 587 | 68,1 |
 +| zh | 2007 | CoNLL | 2277 | 1506 | 771 | 66,1 |
 +| zh | 2007 | PDT   | 2277 | 1449 | 828 | 63,6 |
  
 ===== Starší poznámky ===== ===== Starší poznámky =====

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