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 15:49] zeman Oprava výchozích výsledků. Nyní se opravdu neupravují morfologické značky a správně se ukládají události s tabulátory. |
user:zeman:dz-parser:conll [2009/03/02 11:38] zeman Výsledky CoNLL 2009 (zatím bez úprav značek). |
||
---|---|---|---|
Line 29: | Line 29: | ||
($PARSER/ | ($PARSER/ | ||
+ | ===== Zpracování na clusteru ===== | ||
+ | V& | ||
+ | * '' | ||
+ | * '' | ||
+ | * '' | ||
+ | * '' | ||
+ | * '' | ||
+ | * '' | ||
+ | ===== Výsledky ===== | ||
+ | ==== Výchozí nastavení ==== | ||
+ | Následující tabulka ukazuje úspěšnost DZ parseru s výchozím nastavením na průběžných testovacích datech CoNLL, s původními neupravenými značkami CoNLL (tabulátory, | ||
+ | Úspěšnost parsingu s& | ||
+ | | Jazyk | Rok | P | | ||
+ | | ar | 2006 | 63.9 | | ||
+ | | ar | 2007 | 64.9 | | ||
+ | | bg | 2006 | 72.3 | | ||
+ | | ca | 2007 | 72.7 | | ||
+ | | ca | 2009 | 73.6 | | ||
+ | | cs | 2006 | 64.1 | | ||
+ | | cs | 2007 | 69.1 | | ||
+ | | cs | 2009 | 65.8 | | ||
+ | | da | 2006 | 69.9 | | ||
+ | | de | 2006 | 71.8 | | ||
+ | | de | 2009 | 72.3 | | ||
+ | | el | 2007 | 65.0 | | ||
+ | | en | 2007 | 70.6 | | ||
+ | | en | 2009 | 69.5 | | ||
+ | | es | 2009 | 71.8 | | ||
+ | | eu | 2007 | 58.6 | | ||
+ | | hu | 2007 | 62.3 | | ||
+ | | it | 2007 | 71.5 | | ||
+ | | ja | 2006 | 87.3 | | ||
+ | | ja | 2009 | 83.2 | | ||
+ | | 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 | | ||
+ | | zh | 2009 | 57.7 | | ||
+ | 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) | | ||
+ | | 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. | ||
- | ===== Výsledky | + | ==== 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, | ||
+ | |||
+ | | 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) | | ||
- | 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 | 67.6 | 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) | | ||
- | | Jazyk | Rok | A | G | B | P | | + | ==== 03: navíc zapnuté modelování pseudovalence ==== |
- | | ar | 2006 | 3955 | 2527 | 1428 | 63,9 | | + | |
- | | ar | 2007 | 5873 | 3813 | 2060 | 64,9 | | + | |
- | | bg | 2006 | 4677 | 3380 | 1297 | 72,3 | | + | |
- | | ca | 2007 | 10971 | 7978 | 2993 | 72,7 | | + | |
- | | cs | 2006 | 5643 | 3617 | 2026 | 64,1 | | + | |
- | | cs | 2007 | 5760 | 3981 | 1779 | 69,1 | | + | |
- | | da | 2006 | 5470 | 3825 | 1645 | 69,9 | | + | |
- | | de | 2006 | 5403 | 3877 | 1526 | 71,8 | | + | |
- | | el | 2007 | 4874 | 3170 | 1704 | 65,0 | | + | |
- | | en | 2007 | 9529 | 6725 | 2804 | 70,6 | | + | |
- | | 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 | 5071 | 2069 | 71,0 | | + | |
- | | tr | 2007 | 6210 | 4011 | 2199 | 64,6 | | + | |
- | | zh | 2006 | 1839 | 1286 | 553 | 69,9 | | + | |
- | | zh | 2007 | 2277 | 1570 | 707 | 69,0 | | + | |
- | Následující tabulka srovnává výsledky | + | Úspěšnost parsingu |
+ | | 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 | | ||
- | | Jazyk | Rok | Značky | A | G | B | P | SV | | + | Srovnání úspěšnosti parsingu s& |
- | | ar | 2006 | CoNLL | 3955 | 2555 | 1400 | 64,6 | | + | | Jazyk | Rok | P(CoNLL) | P(PDT) |
- | | ar | 2006 | PDT | 3955 | 2595 | 1360 | 65,6 | ne | | + | | ar | 2006 | 64.4 | 67.6 | lepší |
- | | ar | 2007 | CoNLL | 5873 | 3757 | 2116 | 64,0 | | + | | ar | 2007 | 59.8 | 67.0 | lepší |
- | | ar | 2007 | PDT | 5873 | 3793 | 2080 | 64,6 | ne | | + | | bg | 2006 | 67.6 | 71.0 | lepší |
- | | bg | 2006 | CoNLL | 4677 | 3178 | 1499 | 67,9 | | + | | cs | 2006 | 56.0 | 71.4 | lepší |
- | | bg | 2006 | PDT | 4677 | 3338 | 1339 | 71,4 | ano | | + | | cs | 2007 | 58.7 | 74.3 | lepší |
- | | cs | 2006 | CoNLL | 5643 | 3822 | 1821 | 67,7 | | + | | da | 2006 | 68.3 | 69.8 | lepší |
- | | cs | 2006 | PDT | 5643 | 4050 | 1593 | 71,8 | ano | | + | | de | 2006 | 69.5 | 67.7 | horší |
- | | cs | 2007 | CoNLL | 5760 | 4061 | 1699 | 70,5 | | + | | en | 2007 | 64.2 | 67.9 | lepší |
- | | cs | 2007 | PDT | 5760 | 4294 | 1466 | 74,5 | ano | | + | | pt | 2006 | 73.5 | 76.4 | lepší |
- | | da | 2006 | CoNLL | 5470 | 3792 | 1678 | 69,3 | | + | | sv | 2006 | 71.0 | 73.2 | lepší |
- | | da | 2006 | PDT | 5470 | 3804 | 1666 | 69,5 | ne | | + | | zh | 2006 | 67.5 | 68.8 | lepší |
- | | en | 2007 | CoNLL | 9529 | 6163 | 3366 | 64,7 | | + | | zh | 2007 | 64.6 | 64.6 | stejná |
- | | 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 | + | Totéž, ale parsing s& |
+ | | 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) | | ||
- | Následující tabulka | + | ===== Která konfigurace |
- | | Jazyk | Rok | Značky | + | | Jazyk | Rok | orig df | pdt df | orig 03 | pdt 03 | |
- | | ar | 2006 | CoNLL | 3955 | 2527 | 1428 | 63,9 | | + | | ar | 2006 | 63.9 | 66.8 | 64.4 | 67.6 | |
- | | ar | 2006 | PDT | 3955 | 2640 | 1315 | 66,8 | ano | | + | | ar | 2007 | 64.9 | 64.2 | 59.8 | 67.0 | |
- | | ar | 2007 | CoNLL | 5873 | 3813 | 2060 | 64,9 | | + | | bg | 2006 | 72.3 | 71.2 | 67.6 | 71.0 | |
- | | ar | 2007 | PDT | 5873 | 3771 | 2102 | 64,2 | ne | | + | | ca | 2007 | 72.7 | | 69.9 | | |
- | | bg | 2006 | CoNLL | 4677 | 3380 | 1297 | 72,3 | | + | | cs | 2006 | 64.1 | 64.1 | 56.0 | 71.4 | |
- | | bg | 2006 | PDT | 4677 | 3331 | 1346 | 71,2 | ne | | + | | cs | 2007 | 69.1 | 68.6 | 58.7 | 74.3 | |
- | | cs | 2006 | CoNLL | 5643 | 3617 | 2026 | 64,1 | | + | | da | 2006 | 69.9 | 70.5 | 68.3 | 69.8 | |
- | | cs | 2006 | PDT | 5643 | 3618 | 2025 | 64,1 | ne | | + | | de | 2006 | 71.8 | 67.5 | 69.5 | 67.7 | |
- | | cs | 2007 | CoNLL | 5760 | 3981 | 1779 | 69,1 | | + | | el | 2007 | 65.0 | | 67.2 | | |
- | | cs | 2007 | PDT | 5760 | 3952 | 1808 | 68,6 | ano | | + | | en | 2007 | 70.6 | 65.4 | 64.2 | 67.9 | |
- | | da | 2006 | CoNLL | 5470 | 3825 | 1645 | 69,9 | | + | | eu | 2007 | 58.6 | | 58.4 | | |
- | | da | 2006 | PDT | 5470 | 3858 | 1612 | 70,5 | ne | | + | | hu | 2007 | 62.3 | | 62.3 | | |
- | | en | 2007 | CoNLL | 9529 | 6725 | 2804 | 70,6 | | + | | it | 2007 | 71.5 | | 72.2 | | |
- | | en | 2007 | PDT | 9529 | 6236 | 3293 | 65,4 | ano | | + | | ja | 2006 | 87.3 | | 74.9 | | |
- | | sv | 2006 | CoNLL | 7140 | 5071 | 2069 | 71,0 | | + | | nl | 2006 | 73.7 | | 73.2 | | |
- | | sv | 2006 | PDT | 7140 | 5181 | 1959 | 72,6 | ano | | + | | pt | 2006 | 73.8 | 76.4 | 73.5 | 76.4 | |
- | | zh | 2006 | CoNLL | 1839 | 1286 | 553 | 69,9 | | + | | sl | 2006 | 58.7 | | 63.8 | | |
- | | zh | 2006 | PDT | 1839 | 1258 | 581 | 68,4 | ne | | + | | sv | 2006 | 71.0 | 72.6 | 71.0 | 73.2 | |
- | | zh | 2007 | CoNLL | 2277 | 1570 | 707 | 69,0 | | + | | tr | 2007 | 64.6 | | 65.2 | | |
- | | zh | 2007 | PDT | 2277 | 1450 | 827 | 63,7 | ano | | + | | zh | 2006 | 69.9 | 68.4 | 67.5 | 68.8 | |
+ | | zh | 2007 | 69.0 | 63.7 | 64.6 | 64.6 | | ||
===== Starší poznámky ===== | ===== Starší poznámky ===== |