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 16:44] zeman Zapnutá úprava morfologických značek a selektivní lexikalizace. |
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. | ||
+ | ==== 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, |
- | Následující tabulka ukazuje úspěšnost DZ parseru s výchozím nastavením 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 | A | G | B | P | | + | | Jazyk | Rok | P(CoNLL) |
- | | ar | 2006 | 3955 | 2527 | 1428 | 63,9 | | + | | ar | 2006 | 64.3 | 67.3 | lepší |
- | | ar | 2007 | 5873 | 3813 | 2060 | 64,9 | | + | | ar | 2007 | 59.8 | 66.7 | lepší |
- | | bg | 2006 | 4677 | 3380 | 1297 | 72,3 | | + | | bg | 2006 | 67.9 | 71.4 | lepší |
- | | ca | 2007 | 10971 | 7978 | 2993 | 72,7 | | + | | cs | 2006 | 56.0 | 71.6 | lepší |
- | | cs | 2006 | 5643 | 3617 | 2026 | 64,1 | | + | | cs | 2007 | 58.7 | 74.2 | lepší |
- | | cs | 2007 | 5760 | 3981 | 1779 | 69,1 | | + | | da | 2006 | 69.3 | 69.5 | lepší |
- | | da | 2006 | 5470 | 3825 | 1645 | 69,9 | | + | | en | 2007 | 64.7 | 65.6 | lepší |
- | | de | 2006 | 5403 | 3877 | 1526 | 71,8 | | + | | sv | 2006 | 71.1 | 73.1 | lepší |
- | | el | 2007 | 4874 | 3170 | 1704 | 65,0 | | + | | zh | 2006 | 69.0 | 68.1 | horší |
- | | en | 2007 | 9529 | 6725 | 2804 | 70,6 | | + | | zh | 2007 | 66.1 | 63.6 | horší |
- | | 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 s původními značkami | + | === Srovnání výchozího nastavení |
- | | 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 | 67.3 | lepší |
- | | ar | 2006 | PDT | 3955 | 2595 | 1360 | 65,6 | ne | | + | | ar | 2007 | 64.9 | 66.7 | lepší |
- | | ar | 2007 | CoNLL | 5873 | 3757 | 2116 | 64,0 | | + | | bg | 2006 | 72.3 | 71.4 | horší |
- | | ar | 2007 | PDT | 5873 | 3793 | 2080 | 64,6 | ne | | + | | cs | 2006 | 64.1 | 71.6 | lepší |
- | | bg | 2006 | CoNLL | 4677 | 3178 | 1499 | 67,9 | | + | | cs | 2007 | 69.1 | 74.2 | lepší |
- | | bg | 2006 | PDT | 4677 | 3338 | 1339 | 71,4 | ano | | + | | da | 2006 | 69.9 | 69.5 | horší |
- | | cs | 2006 | CoNLL | 5643 | 3822 | 1821 | 67,7 | | + | | en | 2007 | 70.6 | 65.6 | horší |
- | | cs | 2006 | PDT | 5643 | 4050 | 1593 | 71,8 | ano | | + | | sv | 2006 | 71.0 | 73.1 | lepší |
- | | cs | 2007 | CoNLL | 5760 | 4061 | 1699 | 70,5 | | + | | zh | 2006 | 69.9 | 68.1 | horší |
- | | cs | 2007 | PDT | 5760 | 4294 | 1466 | 74,5 | ano | | + | | zh | 2007 | 69.0 | 63.6 | 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, | ||
- | Následující tabulka je opravou té předchozí. Značky obsahující tabulátory už se ukládají správně, úprava značek je opravdu vypnutá. | + | ==== 02: navíc zakázané |
+ | | 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 | Značky | A | G | B | P | SV | | + | | Jazyk | Rok | P(CoNLL) | P(PDT) |
- | | ar | 2006 | CoNLL | 3955 | 2527 | 1428 | 63,9 | | + | | ar | 2006 | 64.3 | 67.6 | lepší |
- | | ar | 2006 | PDT | 3955 | 2640 | 1315 | 66,8 | ano | | + | | ar | 2007 | 59.8 | 66.9 | lepší |
- | | ar | 2007 | CoNLL | 5873 | 3813 | 2060 | 64,9 | | + | | bg | 2006 | 68.0 | 71.3 | lepší |
- | | ar | 2007 | PDT | 5873 | 3771 | 2102 | 64,2 | ne | | + | | cs | 2006 | 56.1 | 71.4 | lepší |
- | | bg | 2006 | CoNLL | 4677 | 3380 | 1297 | 72,3 | | + | | cs | 2007 | 58.7 | 74.0 | lepší |
- | | bg | 2006 | PDT | 4677 | 3331 | 1346 | 71,2 | ne | | + | | da | 2006 | 68.3 | 69.8 | lepší |
- | | cs | 2006 | CoNLL | 5643 | 3617 | 2026 | 64,1 | | + | | en | 2007 | 63.8 | 67.3 | lepší |
- | | cs | 2006 | PDT | 5643 | 3618 | 2025 | 64,1 | ne | | + | | sv | 2006 | 71.0 | 73.5 | lepší |
- | | cs | 2007 | CoNLL | 5760 | 3981 | 1779 | 69,1 | | + | | zh | 2006 | 69.0 | 68.0 | horší |
- | | cs | 2007 | PDT | 5760 | 3952 | 1808 | 68,6 | ano | | + | | zh | 2007 | 66.1 | 63.5 | 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 | | + | |
- | Následující tabulka ukazuje úspěšnost | + | | 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) | | ||
+ | |||
+ | ==== 03: navíc zapnuté modelování pseudovalence ==== | ||
+ | |||
+ | Úspěšnost | ||
+ | | 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 | | ||
+ | |||
+ | Srovnání úspěšnosti parsingu s& | ||
+ | | 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 | 56.0 | 71.4 | lepší | ano (587.655280) | | ||
+ | | cs | 2007 | 58.7 | 74.3 | lepší | ano (627.063764) | | ||
+ | | da | 2006 | 68.3 | 69.8 | lepší | ano (8.878214) | | ||
+ | | de | 2006 | 69.5 | 67.7 | horší | ano (9.841876) | | ||
+ | | en | 2007 | 64.2 | 67.9 | lepší | ano (110.976037) | | ||
+ | | pt | 2006 | 73.5 | 76.4 | lepší | ano (42.581187) | | ||
+ | | 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) | | ||
+ | |||
+ | Totéž, ale parsing | ||
+ | | 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) | | ||
+ | |||
+ | ===== Která konfigurace je nejúspěšnější pro který jazyk? ===== | ||
- | | Jazyk | Rok | A | G | B | P | | + | | Jazyk | Rok | orig df | pdt df | orig 03 | pdt 03 | |
- | | ar | 2006 | 3955 | 2543 | 1412 | 64,3 | | + | | ar | 2006 | 63.9 | 66.8 | 64.4 | 67.6 | |
- | | ar | 2007 | 5873 | 3512 | 2361 | 59,8 | | + | | ar | 2007 | 64.9 | 64.2 | 59.8 | 67.0 | |
- | | bg | 2006 | 4677 | 3178 | 1499 | 67,9 | | + | | bg | 2006 | 72.3 | 71.2 | 67.6 | 71.0 | |
- | | ca | 2007 | 10971 | 7670 | 3301 | 69,9 | | + | | ca | 2007 | 72.7 | | 69.9 | |
- | | cs | 2006 | 5643 | 3158 | 2485 | 56,0 | | + | | cs | 2006 | 64.1 | 64.1 | 56.0 | 71.4 | |
- | | cs | 2007 | 5760 | 3379 | 2381 | 58,7 | | + | | cs | 2007 | 69.1 | 68.6 | 58.7 | 74.3 | |
- | | da | 2006 | 5470 | 3792 | 1678 | 69,3 | | + | | da | 2006 | 69.9 | 70.5 | 68.3 | 69.8 | |
- | | de | 2006 | 5403 | 3702 | 1701 | 68,5 | | + | | de | 2006 | 71.8 | 67.5 | 69.5 | 67.7 | |
- | | el | 2007 | 4874 | 3292 | 1582 | 67,5 | | + | | el | 2007 | 65.0 | | 67.2 | |
- | | en | 2007 | 9529 | 6163 | 3366 | 64,7 | | + | | en | 2007 | 70.6 | 65.4 | 64.2 | 67.9 | |
- | | eu | 2007 | 4334 | 2531 | 1803 | 58,4 | | + | | eu | 2007 | 58.6 | | 58.4 | |
- | | hu | 2007 | 5995 | 3962 | 2033 | 66,1 | | + | | hu | 2007 | 62.3 | | 62.3 | | |
- | | it | 2007 | 7643 | 5608 | 2035 | 73,4 | | + | | it | 2007 | 71.5 | | 72.2 | | |
- | | ja | 2006 | 3384 | 2524 | 860 | 74,6 | | + | | ja | 2006 | 87.3 | | 74.9 | |
- | | nl | 2006 | 6187 | 4519 | 1668 | 73,0 | | + | | nl | 2006 | 73.7 | | 73.2 | |
- | | pt | 2006 | 6719 | 4941 | 1778 | 73,5 | | + | | pt | 2006 | 73.8 | 76.4 | 73.5 | 76.4 | |
- | | sl | 2006 | 4307 | 2748 | 1559 | 63,8 | | + | | sl | 2006 | 58.7 | | 63.8 | |
- | | sv | 2006 | 7140 | 5073 | 2067 | 71,1 | | + | | sv | 2006 | 71.0 | 72.6 | 71.0 | 73.2 | |
- | | tr | 2007 | 6210 | 4040 | 2170 | 65,1 | | + | | tr | 2007 | 64.6 | | 65.2 | |
- | | zh | 2006 | 1839 | 1269 | 570 | 69,0 | | + | | zh | 2006 | 69.9 | 68.4 | 67.5 | 68.8 | |
- | | zh | 2007 | 2277 | 1506 | 771 | 66,1 | | + | | zh | 2007 | 69.0 | 63.7 | 64.6 | 64.6 | |
===== Starší poznámky ===== | ===== Starší poznámky ===== |