Differences

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

--- user:zeman:dz-parser:conll [2008/03/27 22:38]
zeman Výsledky se značkami PDT.
+++ user:zeman:dz-parser:conll [2008/03/28 12:28]
zeman Statistická významnost.
@@ Line 28: / Line 28: @@
 $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>
 ===== Výsledky =====
-Následující tabulka ukazuje úspěšnost DZ parseru s výchozím nastavením na průběžných testovacích datech CoNLL, s původními značkami CoNLL (tabulátory, rysy oddělené svislítky):
+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 |
@@ Line 57: / Line 60: @@
 | 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.
+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. 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 |
+| Jazyk | Rok | Značky | A | G | B | P | SV |
 | ar | 2006 | CoNLL | 3955 | 2555 | 1400 | 64,6 |
-| ar | 2006 | PDT   | 3955 | 2595 | 1360 | 65,6 |
+| 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 |
 | bg | 2006 | CoNLL | 4677 | 3178 | 1499 | 67,9 |
-| bg | 2006 | PDT   | 4677 | 3338 | 1339 | 71,4 |
+| bg | 2006 | PDT   | 4677 | 3338 | 1339 | 71,4 | ano |
 | cs | 2006 | CoNLL | 5643 | 3822 | 1821 | 67,7 |
-| cs | 2006 | PDT   | 5643 | | | nedoběhlo |
+| 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 |
 | da | 2006 | CoNLL | 5470 | 3792 | 1678 | 69,3 |
-| da | 2006 | PDT   | 5470 | 3804 | 1666 | 69,5 |
+| 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 |
 | sv | 2006 | CoNLL | 7140 | 5075 | 2065 | 71,1 |
-| sv | 2006 | PDT   | 7140 | 5232 | 1908 | 73,3 |
+| 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 |
+| 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 |
+Převod značek do sady PDT pomohl všude kromě čínštiny, i když u některých jazyků možná 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.
 ===== Starší poznámky =====

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

Institute of Formal and Applied Linguistics Wiki

Differences