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 [2008/03/28 15:43] zeman |
user:zeman:dz-parser:conll [2008/03/28 18:57] zeman 02 a 03. |
||
---|---|---|---|
Line 29: | Line 29: | ||
($PARSER/ | ($PARSER/ | ||
+ | ===== Výsledky ===== | ||
+ | ==== Výchozí nastavení ==== | ||
+ | Následující tabulka ukazuje úspěšnost DZ parseru s výchozím nastavením na průběžných testovacích datech CoNLL, s původními neupravenými značkami CoNLL (tabulátory, | ||
+ | | 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< | ||
+ | | 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) | | ||
+ | | en | 2007 | 70.6 | 65.4 | horší | ano (227.951382) | | ||
+ | | 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 ==== | ||
- | ===== Výsledky ===== | + | Následující tabulka ukazuje úspěšnost DZ parseru se zapnutou úpravou morfologických značek a selektivní lexikalizací na průběžných testovacích datech CoNLL, s původními značkami CoNLL (tabulátory, |
+ | |||
+ | | 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 === | ||
- | Následující tabulka ukazuje úspěšnost DZ parseru s výchozím nastavením na průběžných testovacích datech CoNLL, s původními značkami | + | | 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) | | ||
- | | Jazyk | Rok | A | G | B | P | | + | ==== 02: navíc zakázané přeskakování bezdětných předložek ==== |
- | | ar | 2006 | 3955 | 2555 | 1400 | 64,6 | | + | | Jazyk | Rok | P | |
- | | ar | 2007 | 5873 | 3757 | 2116 | 64,0 | | + | | ar | 2006 | 64.3 | |
- | | bg | 2006 | 4677 | 3178 | 1499 | 67,9 | | + | | ar | 2007 | 59.8 | |
- | | ca | 2007 | 10971 | 7978 | 2993 | 72,7 | | + | | bg | 2006 | 68.0 | |
- | | cs | 2006 | 5643 | 3822 | 1821 | 67,7 | | + | | ca | 2007 | 69.9 | |
- | | cs | 2007 | 5760 | 4061 | 1699 | 70,5 | | + | | cs | 2006 | 56.1 | |
- | | da | 2006 | 5470 | 3792 | 1678 | 69,3 | | + | | cs | 2007 | 58.7 | |
- | | de | 2006 | 5403 | 3877 | 1526 | 71,8 | | + | | da | 2006 | 68.3 | |
- | | el | 2007 | 4874 | 3170 | 1704 | 65,0 | | + | | de | 2006 | 68.5 | |
- | | en | 2007 | 9529 | 6163 | 3366 | 64,7 | | + | | el | 2007 | 67.1 | |
- | | eu | 2007 | 4334 | 2538 | 1796 | 58,6 | | + | | en | 2007 | 63.8 | |
- | | hu | 2007 | 5995 | 3733 | 2262 | 62,3 | | + | | eu | 2007 | 58.4 | |
- | | it | 2007 | 7643 | 5467 | 2176 | 71,5 | | + | | hu | 2007 | 62.3 | |
- | | ja | 2006 | 3384 | 2953 | 431 | 87,3 | | + | | it | 2007 | 72.1 | |
- | | nl | 2006 | 6187 | 4561 | 1626 | 73,7 | | + | | ja | 2006 | 74.6 | |
- | | pt | 2006 | 6719 | 4959 | 1760 | 73,8 | | + | | nl | 2006 | 73.0 | |
- | | sl | 2006 | 4307 | 2529 | 1778 | 58,7 | | + | | pt | 2006 | 73.5 | |
- | | sv | 2006 | 7140 | 5075 | 2065 | 71,1 | | + | | sl | 2006 | 63.8 | |
- | | tr | 2007 | 6210 | 4011 | 2199 | 64,6 | | + | | sv | 2006 | 71.0 | |
- | | zh | 2006 | 1839 | 1269 | 570 | 69,0 | | + | | tr | 2007 | 65.1 | |
- | | zh | 2007 | 2277 | 1506 | 771 | 66,1 | | + | | zh | 2006 | 69.0 | |
+ | | zh | 2007 | 66.1 | | ||
- | Následující tabulka srovnává výsledky s původními značkami | + | | 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 | Značky | A | G | B | P | SV | | + | | Jazyk | Rok | P(CoNLL) | P(PDT) |
- | | ar | 2006 | CoNLL | 3955 | 2555 | 1400 | 64,6 | | + | | ar | 2006 | 63.9 | 67.6 | lepší |
- | | ar | 2006 | PDT | 3955 | 2595 | 1360 | 65,6 | ne | | + | | ar | 2007 | 64.9 | 66.9 | lepší |
- | | ar | 2007 | CoNLL | 5873 | 3757 | 2116 | 64,0 | | + | | bg | 2006 | 72.3 | 71.3 | horší |
- | | ar | 2007 | PDT | 5873 | 3793 | 2080 | 64,6 | ne | | + | | cs | 2006 | 64.1 | 71.4 | lepší |
- | | bg | 2006 | CoNLL | 4677 | 3178 | 1499 | 67,9 | | + | | cs | 2007 | 69.1 | 74.0 | lepší |
- | | bg | 2006 | PDT | 4677 | 3338 | 1339 | 71,4 | ano | | + | | da | 2006 | 69.9 | 69.8 | horší |
- | | cs | 2006 | CoNLL | 5643 | 3822 | 1821 | 67,7 | | + | | en | 2007 | 70.6 | 67.3 | horší |
- | | cs | 2006 | PDT | 5643 | 4050 | 1593 | 71,8 | ano | | + | | sv | 2006 | 71.0 | 73.5 | lepší |
- | | cs | 2007 | CoNLL | 5760 | 4061 | 1699 | 70,5 | | + | | zh | 2006 | 69.9 | 68.0 | horší |
- | | cs | 2007 | PDT | 5760 | 4294 | 1466 | 74,5 | ano | | + | | zh | 2007 | 69.0 | 63.5 | horší |
- | | 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, | + | ==== 03: navíc zapnuté modelování pseudovale |
+ | | 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 | | ||
- | Následující tabulka je opravou té předchozí. Značky obsahující tabulátory už se ukládají správně, úprava značek je opravdu vypnutá. | + | | 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 | 49.2 | 62.7 | lepší | ano (7.529412) | | ||
+ | | cs | 2007 | 58.7 | 74.3 | lepší | ano (627.063764) | | ||
+ | | da | 2006 | 68.3 | 69.8 | lepší | ano (8.878214) | | ||
+ | | en | 2007 | 64.2 | 67.9 | lepší | ano (110.976037) | | ||
+ | | 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) | | ||
- | | Jazyk | Rok | Značky | + | | Jazyk | Rok | P(CoNLL) |
- | | ar | 2006 | CoNLL | 3955 | 2527 | 1428 | 63,9 | | + | | ar | 2006 | 63.9 | 67.6 | lepší |
- | | ar | 2006 | PDT | 3955 | 2640 | 1315 | 66,8 | ano | | + | | ar | 2007 | 64.9 | 67.0 | lepší |
- | | ar | 2007 | CoNLL | 5873 | 3813 | 2060 | 64,9 | | + | | bg | 2006 | 72.3 | 71.0 | horší |
- | | ar | 2007 | PDT | 5873 | 3771 | 2102 | 64,2 | ne | | + | | cs | 2006 | 55.9 | 62.7 | lepší |
- | | bg | 2006 | CoNLL | 4677 | 3380 | 1297 | 72,3 | | + | | cs | 2007 | 69.1 | 74.3 | lepší |
- | | bg | 2006 | PDT | 4677 | 3331 | 1346 | 71,2 | ne | | + | | da | 2006 | 69.9 | 69.8 | horší |
- | | cs | 2006 | CoNLL | 5643 | 3617 | 2026 | 64,1 | | + | | en | 2007 | 70.6 | 67.9 | horší |
- | | cs | 2006 | PDT | 5643 | 3618 | 2025 | 64,1 | ne | | + | | sv | 2006 | 71.0 | 73.2 | lepší |
- | | cs | 2007 | CoNLL | 5760 | 3981 | 1779 | 69,1 | | + | | zh | 2006 | 69.9 | 68.8 | horší |
- | | cs | 2007 | PDT | 5760 | 3952 | 1808 | 68,6 | ano | | + | | zh | 2007 | 69.0 | 64.6 | horší |
- | | 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 ===== |