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 17:56] zeman |
user:zeman:dz-parser:conll [2008/04/29 12:56] zeman Doplnění německých a portugalských výsledků s výchozí konfigurací parseru. |
||
---|---|---|---|
Line 29: | Line 29: | ||
($PARSER/ | ($PARSER/ | ||
+ | ===== Zpracování na clusteru ===== | ||
- | + | V& | |
- | + | * '' | |
- | + | * '' | |
- | + | * '' | |
- | + | * '' | |
- | + | * '' | |
- | + | * '' | |
- | + | ||
===== Výsledky ===== | ===== Výsledky ===== | ||
- | Následující tabulka ukazuje úspěšnost DZ parseru s výchozím nastavením na průběžných testovacích datech CoNLL, s původními značkami CoNLL (tabulátory, | + | ==== Výchozí nastavení ==== |
- | | Jazyk | Rok | A | G | B | P | | + | Následující tabulka ukazuje úspěšnost DZ parseru s výchozím nastavením na průběžných testovacích datech CoNLL, s původními neupravenými značkami CoNLL (tabulátory, |
- | | ar | 2006 | 3955 | 2527 | 1428 | 63,9 | | + | Úspěšnost parsingu s& |
- | | ar | 2007 | 5873 | 3813 | 2060 | 64,9 | | + | | Jazyk | Rok | P | |
- | | bg | 2006 | 4677 | 3380 | 1297 | 72,3 | | + | | ar | 2006 | 63.9 | |
- | | ca | 2007 | 10971 | 7978 | 2993 | 72,7 | | + | | ar | 2007 | 64.9 | |
- | | cs | 2006 | 5643 | 3617 | 2026 | 64,1 | | + | | bg | 2006 | 72.3 | |
- | | cs | 2007 | 5760 | 3981 | 1779 | 69,1 | | + | | ca | 2007 | 72.7 | |
- | | da | 2006 | 5470 | 3825 | 1645 | 69,9 | | + | | cs | 2006 | 64.1 | |
- | | de | 2006 | 5403 | 3877 | 1526 | 71,8 | | + | | cs | 2007 | 69.1 | |
- | | el | 2007 | 4874 | 3170 | 1704 | 65,0 | | + | | da | 2006 | 69.9 | |
- | | en | 2007 | 9529 | 6725 | 2804 | 70,6 | | + | | de | 2006 | 71.8 | |
- | | eu | 2007 | 4334 | 2538 | 1796 | 58,6 | | + | | el | 2007 | 65.0 | |
- | | hu | 2007 | 5995 | 3733 | 2262 | 62,3 | | + | | en | 2007 | 70.6 | |
- | | it | 2007 | 7643 | 5467 | 2176 | 71,5 | | + | | eu | 2007 | 58.6 | |
- | | ja | 2006 | 3384 | 2953 | 431 | 87,3 | | + | | hu | 2007 | 62.3 | |
- | | nl | 2006 | 6187 | 4561 | 1626 | 73,7 | | + | | it | 2007 | 71.5 | |
- | | pt | 2006 | 6719 | 4959 | 1760 | 73,8 | | + | | ja | 2006 | 87.3 | |
- | | sl | 2006 | 4307 | 2529 | 1778 | 58,7 | | + | | nl | 2006 | 73.7 | |
- | | sv | 2006 | 7140 | 5071 | 2069 | 71,0 | | + | | pt | 2006 | 73.8 | |
- | | tr | 2007 | 6210 | 4011 | 2199 | 64,6 | | + | | sl | 2006 | 58.7 | |
- | | zh | 2006 | 1839 | 1286 | 553 | 69,9 | | + | | sv | 2006 | 71.0 | |
- | | zh | 2007 | 2277 | 1570 | 707 | 69,0 | | + | | 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. 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< | + | 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 | Značky | A | G | B | P | SV | | + | | Jazyk | Rok | P(CoNLL) | P(PDT) |
- | | ar | 2006 | CoNLL | 3955 | 2555 | 1400 | 64,6 | | + | | ar | 2006 | 63.9 | 66.8 | lepší |
- | | ar | 2006 | PDT | 3955 | 2595 | 1360 | 65,6 | ne | | + | | ar | 2007 | 64.9 | 64.2 | horší |
- | | ar | 2007 | CoNLL | 5873 | 3757 | 2116 | 64,0 | | + | | bg | 2006 | 72.3 | 71.2 | horší |
- | | ar | 2007 | PDT | 5873 | 3793 | 2080 | 64,6 | ne | | + | | cs | 2006 | 64.1 | 64.1 | lepší |
- | | bg | 2006 | CoNLL | 4677 | 3178 | 1499 | 67,9 | | + | | cs | 2007 | 69.1 | 68.6 | horší |
- | | bg | 2006 | PDT | 4677 | 3338 | 1339 | 71,4 | ano | | + | | da | 2006 | 69.9 | 70.5 | lepší |
- | | cs | 2006 | CoNLL | 5643 | 3822 | 1821 | 67,7 | | + | | de | 2006 | 71.8 | 67.5 | horší |
- | | cs | 2006 | PDT | 5643 | 4050 | 1593 | 71,8 | ano | | + | | en | 2007 | 70.6 | 65.4 | horší |
- | | cs | 2007 | CoNLL | 5760 | 4061 | 1699 | 70,5 | | + | | pt | 2006 | 73.8 | 76.4 | lepší |
- | | cs | 2007 | PDT | 5760 | 4294 | 1466 | 74,5 | ano | | + | | sv | 2006 | 71.0 | 72.6 | lepší |
- | | da | 2006 | CoNLL | 5470 | 3792 | 1678 | 69,3 | | + | | zh | 2006 | 69.9 | 68.4 | horší |
- | | da | 2006 | PDT | 5470 | 3804 | 1666 | 69,5 | ne | | + | | zh | 2007 | 69.0 | 63.7 | horší | ano (22.360248) | |
- | | 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. | + | |
- | | Jazyk | Rok | Značky | A | G | B | P | SV | | + | 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. |
- | | 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 | | + | |
==== 01: zapnuté upravování značek a selektivní lexikalizace ==== | ==== 01: zapnuté upravování značek a selektivní lexikalizace ==== | ||
Line 155: | Line 124: | ||
| zh | 2006 | 69.0 | 68.1 | horší | ne (1.000000) | | | zh | 2006 | 69.0 | 68.1 | horší | ne (1.000000) | | ||
| zh | 2007 | 66.1 | 63.6 | horší | ano (8.950413) | | | 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) | | ||
+ | |||
+ | | 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 parsingu s& | ||
+ | | 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 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) | | ||
===== Starší poznámky ===== | ===== Starší poznámky ===== |