[ 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 [2008/03/27 21:10] zeman Výsledky dtest původní značky.		user:zeman:dz-parser:conll [2008/03/28 15:43] zeman
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 | 7978 | 2993 | 72,7 |
		+	| cs | 2006 | 5643 | 3822 | 1821 | 67,7 |
		+	| cs | 2007 | 5760 | 4061 | 1699 | 70,5 |
		+	| da | 2006 | 5470 | 3792 | 1678 | 69,3 |
		+	| de | 2006 | 5403 | 3877 | 1526 | 71,8 |
		+	| el | 2007 | 4874 | 3170 | 1704 | 65,0 |
		+	| en | 2007 | 9529 | 6163 | 3366 | 64,7 |
		+	| eu | 2007 | 4334 | 2538 | 1796 | 58,6 |
		+	| hu | 2007 | 5995 | 3733 | 2262 | 62,3 |
		+	| it | 2007 | 7643 | 5467 | 2176 | 71,5 |
		+	| ja | 2006 | 3384 | 2953 | 431 | 87,3 |
		+	| nl | 2006 | 6187 | 4561 | 1626 | 73,7 |
		+	| pt | 2006 | 6719 | 4959 | 1760 | 73,8 |
		+	| sl | 2006 | 4307 | 2529 | 1778 | 58,7 |
		+	| sv | 2006 | 7140 | 5075 | 2065 | 71,1 |
		+	| tr | 2007 | 6210 | 4011 | 2199 | 64,6 |
		+	| 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. selektivní lexikalizace není zapnuta, ale úprava (zkracování) značek ve výchozí konfiguraci omylem zapnuté bylo. I tak se občas dostal do značky tabulátor a takové značky se pak chybně ukládají ve statistice. 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 | Značky | A | G | B | P | SV |
		+	| ar | 2006 | CoNLL | 3955 | 2555 | 1400 | 64,6 |
		+	| ar | 2006 | PDT   | 3955 | 2595 | 1360 | 65,6 | ne |
		+	| ar | 2007 | CoNLL | 5873 | 3757 | 2116 | 64,0 |
		+	| ar | 2007 | PDT   | 5873 | 3793 | 2080 | 64,6 | ne |
		+	| bg | 2006 | CoNLL | 4677 | 3178 | 1499 | 67,9 |
		+	| bg | 2006 | PDT   | 4677 | 3338 | 1339 | 71,4 | ano |
		+	| cs | 2006 | CoNLL | 5643 | 3822 | 1821 | 67,7 |
		+	| cs | 2006 | PDT   | 5643 | 4050 | 1593 | 71,8 | ano |
		+	| cs | 2007 | CoNLL | 5760 | 4061 | 1699 | 70,5 |
		+	| cs | 2007 | PDT   | 5760 | 4294 | 1466 | 74,5 | ano |
		+	| da | 2006 | CoNLL | 5470 | 3792 | 1678 | 69,3 |
		+	| da | 2006 | PDT   | 5470 | 3804 | 1666 | 69,5 | ne |
		+	| en | 2007 | CoNLL | 9529 | 6163 | 3366 | 64,7 |
		+	| en | 2007 | PDT   | 9529 | 6254 | 3275 | 65,6 | ano |
		+	| sv | 2006 | CoNLL | 7140 | 5075 | 2065 | 71,1 |
		+	| sv | 2006 | PDT   | 7140 | 5232 | 1908 | 73,3 | ano |
		+	| zh | 2006 | CoNLL | 1839 | 1269 | 570 | 69,0 |
		+	| zh | 2006 | PDT   | 1839 | 1252 | 587 | 68,1 | ne |
		+	| zh | 2007 | CoNLL | 2277 | 1506 | 771 | 66,1 |
		+	| zh | 2007 | PDT   | 2277 | 1449 | 828 | 63,6 | ano |
		+
		+	Převod značek do sady PDT pomohl všude kromě čínštiny, i když u některých jazyků změna nebyla statisticky významná. 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.
		+
		+	Následující tabulka je opravou té předchozí. Značky obsahující tabulátory už se ukládají správně, úprava značek je opravdu vypnutá.
		+
		+	| Jazyk | Rok | Značky | A | G | B | P | SV |
		+	| ar | 2006 | CoNLL | 3955 | 2527 | 1428 | 63,9 |
		+	| ar | 2006 | PDT   | 3955 | 2640 | 1315 | 66,8 | ano |
		+	| ar | 2007 | CoNLL | 5873 | 3813 | 2060 | 64,9 |
		+	| ar | 2007 | PDT   | 5873 | 3771 | 2102 | 64,2 | ne |
		+	| bg | 2006 | CoNLL | 4677 | 3380 | 1297 | 72,3 |
		+	| bg | 2006 | PDT   | 4677 | 3331 | 1346 | 71,2 | ne |
		+	| cs | 2006 | CoNLL | 5643 | 3617 | 2026 | 64,1 |
		+	| cs | 2006 | PDT   | 5643 | 3618 | 2025 | 64,1 | ne |
		+	| cs | 2007 | CoNLL | 5760 | 3981 | 1779 | 69,1 |
		+	| cs | 2007 | PDT   | 5760 | 3952 | 1808 | 68,6 | ano |
		+	| da | 2006 | CoNLL | 5470 | 3825 | 1645 | 69,9 |
		+	| da | 2006 | PDT   | 5470 | 3858 | 1612 | 70,5 | ne |
		+	| en | 2007 | CoNLL | 9529 | 6725 | 2804 | 70,6 |
		+	| en | 2007 | PDT   | 9529 | 6236 | 3293 | 65,4 | ano |
		+	| sv | 2006 | CoNLL | 7140 | 5071 | 2069 | 71,0 |
		+	| sv | 2006 | PDT   | 7140 | 5181 | 1959 | 72,6 | ano |
		+	| zh | 2006 | CoNLL | 1839 | 1286 | 553 | 69,9 |
		+	| zh | 2006 | PDT   | 1839 | 1258 | 581 | 68,4 | ne |
		+	| zh | 2007 | CoNLL | 2277 | 1570 | 707 | 69,0 |
		+	| zh | 2007 | PDT   | 2277 | 1450 | 827 | 63,7 | ano |
	===== Starší poznámky =====		===== Starší poznámky =====

---

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