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 [2008/04/25 11:42] zeman Upřesnění parametrů. |
user:zeman:dz-parser:conll [2009/03/03 16:28] zeman Makefile. |
||
---|---|---|---|
Line 20: | Line 20: | ||
===== Zpracování ===== | ===== Zpracování ===== | ||
+ | |||
+ | Zpracování má dvě části. První se týká přípravy dat, jejich převodu do formátu CSTS apod. Tato část není bezprostředně závislá na konkrétním parseru a odehrává se přímo ve složce s& | ||
Každý jazyk zkouším zpracovat jednak s& | Každý jazyk zkouším zpracovat jednak s& | ||
Line 28: | Line 30: | ||
$PARSER/ | $PARSER/ | ||
($PARSER/ | ($PARSER/ | ||
- | |||
===== Zpracování na clusteru ===== | ===== Zpracování na clusteru ===== | ||
Line 36: | Line 37: | ||
* '' | * '' | ||
* '' | * '' | ||
- | * '' | + | * '' |
* '' | * '' | ||
- | * '' | + | * '' |
===== Výsledky ===== | ===== Výsledky ===== | ||
+ | |||
==== Výchozí nastavení ==== | ==== Výchozí nastavení ==== | ||
Následující tabulka ukazuje úspěšnost DZ parseru s výchozím nastavením na průběžných testovacích datech CoNLL, s původními neupravenými značkami CoNLL (tabulátory, | 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 | | | Jazyk | Rok | P | | ||
| ar | 2006 | 63.9 | | | ar | 2006 | 63.9 | | ||
Line 51: | Line 53: | ||
| bg | 2006 | 72.3 | | | bg | 2006 | 72.3 | | ||
| ca | 2007 | 72.7 | | | ca | 2007 | 72.7 | | ||
+ | | ca | 2009 | 73.6 | | ||
| cs | 2006 | 64.1 | | | cs | 2006 | 64.1 | | ||
| cs | 2007 | 69.1 | | | cs | 2007 | 69.1 | | ||
+ | | cs | 2009 | 65.8 | | ||
| da | 2006 | 69.9 | | | da | 2006 | 69.9 | | ||
| de | 2006 | 71.8 | | | de | 2006 | 71.8 | | ||
+ | | de | 2009 | 72.3 | | ||
| el | 2007 | 65.0 | | | el | 2007 | 65.0 | | ||
| en | 2007 | 70.6 | | | en | 2007 | 70.6 | | ||
+ | | en | 2009 | 69.5 | | ||
+ | | es | 2009 | 71.8 | | ||
| eu | 2007 | 58.6 | | | eu | 2007 | 58.6 | | ||
| hu | 2007 | 62.3 | | | hu | 2007 | 62.3 | | ||
| it | 2007 | 71.5 | | | it | 2007 | 71.5 | | ||
| ja | 2006 | 87.3 | | | ja | 2006 | 87.3 | | ||
+ | | ja | 2009 | 83.2 | | ||
| nl | 2006 | 73.7 | | | nl | 2006 | 73.7 | | ||
| pt | 2006 | 73.8 | | | pt | 2006 | 73.8 | | ||
Line 68: | Line 76: | ||
| zh | 2006 | 69.9 | | | zh | 2006 | 69.9 | | ||
| zh | 2007 | 69.0 | | | 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< | 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< | ||
Line 78: | Line 87: | ||
| cs | 2007 | 69.1 | 68.6 | horší | ano (3.948357) | | | cs | 2007 | 69.1 | 68.6 | horší | ano (3.948357) | | ||
| da | 2006 | 69.9 | 70.5 | lepší | ne (2.082218) | | | 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) | | | 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) | | | sv | 2006 | 71.0 | 72.6 | lepší | ano (12.763713) | | ||
| zh | 2006 | 69.9 | 68.4 | horší | ne (1.574297) | | | zh | 2006 | 69.9 | 68.4 | horší | ne (1.574297) | | ||
Line 186: | Line 197: | ||
| zh | 2006 | 69.9 | 68.0 | horší | ne (2.623482) | | | zh | 2006 | 69.9 | 68.0 | horší | ne (2.623482) | | ||
| zh | 2007 | 69.0 | 63.5 | horší | ano (23.875776) | | | zh | 2007 | 69.0 | 63.5 | horší | ano (23.875776) | | ||
- | |||
==== 03: navíc zapnuté modelování pseudovalence ==== | ==== 03: navíc zapnuté modelování pseudovalence ==== | ||
+ | Úspěšnost parsingu s& | ||
| Jazyk | Rok | P | | | Jazyk | Rok | P | | ||
| ar | 2006 | 64.4 | | | ar | 2006 | 64.4 | | ||
Line 213: | Line 224: | ||
| zh | 2007 | 64.6 | | | zh | 2007 | 64.6 | | ||
+ | Srovnání úspěšnosti parsingu s& | ||
| Jazyk | Rok | P(CoNLL) | P(PDT) | Změna | McNemar | | | Jazyk | Rok | P(CoNLL) | P(PDT) | Změna | McNemar | | ||
| ar | 2006 | 64.4 | 67.6 | lepší | ano (23.953216) | | | ar | 2006 | 64.4 | 67.6 | lepší | ano (23.953216) | | ||
| ar | 2007 | 59.8 | 67.0 | lepší | ano (165.491130) | | | ar | 2007 | 59.8 | 67.0 | lepší | ano (165.491130) | | ||
| bg | 2006 | 67.6 | 71.0 | lepší | ano (45.224638) | | | bg | 2006 | 67.6 | 71.0 | lepší | ano (45.224638) | | ||
- | | cs | 2006 | 49.2 | 62.7 | lepší | ano (7.529412) | | + | | cs | 2006 | 56.0 | 71.4 | lepší | ano (587.655280) | |
| cs | 2007 | 58.7 | 74.3 | lepší | ano (627.063764) | | | cs | 2007 | 58.7 | 74.3 | lepší | ano (627.063764) | | ||
| da | 2006 | 68.3 | 69.8 | lepší | ano (8.878214) | | | 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) | | | 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) | | | sv | 2006 | 71.0 | 73.2 | lepší | ano (27.717540) | | ||
| zh | 2006 | 67.5 | 68.8 | lepší | ne (2.042553) | | | zh | 2006 | 67.5 | 68.8 | lepší | ne (2.042553) | | ||
| zh | 2007 | 64.6 | 64.6 | stejná | ne (0.000000) | | | zh | 2007 | 64.6 | 64.6 | stejná | ne (0.000000) | | ||
+ | Totéž, ale parsing s& | ||
| Jazyk | Rok | P(CoNLL) | P(PDT) | Změna | McNemar | | | Jazyk | Rok | P(CoNLL) | P(PDT) | Změna | McNemar | | ||
| ar | 2006 | 63.9 | 67.6 | lepší | ano (27.380000) | | | ar | 2006 | 63.9 | 67.6 | lepší | ano (27.380000) | | ||
| ar | 2007 | 64.9 | 67.0 | lepší | ano (12.949640) | | | ar | 2007 | 64.9 | 67.0 | lepší | ano (12.949640) | | ||
| bg | 2006 | 72.3 | 71.0 | horší | ne (3.688525) | | | bg | 2006 | 72.3 | 71.0 | horší | ne (3.688525) | | ||
- | | cs | 2006 | 55.9 | 62.7 | lepší | ne (2.666667) | | + | | cs | 2006 | 64.1 | 71.4 | lepší | ano (167.052632) | |
| cs | 2007 | 69.1 | 74.3 | lepší | ano (87.422200) | | | cs | 2007 | 69.1 | 74.3 | lepší | ano (87.422200) | | ||
| da | 2006 | 69.9 | 69.8 | horší | ne (0.046272) | | | da | 2006 | 69.9 | 69.8 | horší | ne (0.046272) | | ||
- | | de | 2006 | 68.5 | 67.5 | horší | ne (2.892894) | | + | | de | 2006 | 71.8 | 67.7 | horší | ano (54.691057) | |
| en | 2007 | 70.6 | 67.9 | horší | ano (55.470000) | | | 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) | | | sv | 2006 | 71.0 | 73.2 | lepší | ano (22.530318) | | ||
| zh | 2006 | 69.9 | 68.8 | horší | ne (0.757576) | | | zh | 2006 | 69.9 | 68.8 | horší | ne (0.757576) | | ||
| zh | 2007 | 69.0 | 64.6 | horší | ano (14.266376) | | | zh | 2007 | 69.0 | 64.6 | horší | ano (14.266376) | | ||
+ | |||
+ | ===== Která konfigurace je nejúspěšnější pro který jazyk? ===== | ||
+ | |||
+ | | Jazyk | Rok | orig df | pdt df | orig 03 | pdt 03 | | ||
+ | | ar | 2006 | 63.9 | 66.8 | 64.4 | 67.6 | | ||
+ | | ar | 2007 | 64.9 | 64.2 | 59.8 | 67.0 | | ||
+ | | bg | 2006 | 72.3 | 71.2 | 67.6 | 71.0 | | ||
+ | | ca | 2007 | 72.7 | | 69.9 | | | ||
+ | | cs | 2006 | 64.1 | 64.1 | 56.0 | 71.4 | | ||
+ | | cs | 2007 | 69.1 | 68.6 | 58.7 | 74.3 | | ||
+ | | da | 2006 | 69.9 | 70.5 | 68.3 | 69.8 | | ||
+ | | de | 2006 | 71.8 | 67.5 | 69.5 | 67.7 | | ||
+ | | el | 2007 | 65.0 | | 67.2 | | | ||
+ | | en | 2007 | 70.6 | 65.4 | 64.2 | 67.9 | | ||
+ | | eu | 2007 | 58.6 | | 58.4 | | | ||
+ | | hu | 2007 | 62.3 | | 62.3 | | | ||
+ | | it | 2007 | 71.5 | | 72.2 | | | ||
+ | | ja | 2006 | 87.3 | | 74.9 | | | ||
+ | | nl | 2006 | 73.7 | | 73.2 | | | ||
+ | | pt | 2006 | 73.8 | 76.4 | 73.5 | 76.4 | | ||
+ | | sl | 2006 | 58.7 | | 63.8 | | | ||
+ | | sv | 2006 | 71.0 | 72.6 | 71.0 | 73.2 | | ||
+ | | tr | 2007 | 64.6 | | 65.2 | | | ||
+ | | zh | 2006 | 69.9 | 68.4 | 67.5 | 68.8 | | ||
+ | | zh | 2007 | 69.0 | 63.7 | 64.6 | 64.6 | | ||
===== Starší poznámky ===== | ===== Starší poznámky ===== |