[ Skip to the content ]

Institute of Formal and Applied Linguistics Wiki

[ Back to the navigation ]

You are here: start » user » zeman » dz-parser » icon

Differences

This shows you the differences between two versions of the page.

Link to this comparison view

Both sides previous revision Previous revision
Next revision Both sides next revision
user:zeman:dz-parser:icon [2009/10/28 11:05]
zeman Statistiky značek slovních druhů. 		user:zeman:dz-parser:icon [2009/10/28 11:33]
zeman Jak získat statistiky polí v CoNLL formátu?
Line 18: Line 18:
   * Konverze z wx do původních indických písem a do jejich vědecké transliterace kvůli příkladům v článku.   * Konverze z wx do původních indických písem a do jejich vědecké transliterace kvůli příkladům v článku.
   * Průzkum dat: jak dlouhé jsou věty? Indové v dokumentaci nějaká čísla uvádějí, ale tam se slova počítají včetně záložek a možná i včetně interpunkce, takže neodpovídají počtu uzlů, které vidím v treebanku.   * Průzkum dat: jak dlouhé jsou věty? Indové v dokumentaci nějaká čísla uvádějí, ale tam se slova počítají včetně záložek a možná i včetně interpunkce, takže neodpovídají počtu uzlů, které vidím v treebanku.
 +
  
 ===== Průzkum dat ===== ===== Průzkum dat =====
Line 29: Line 30:
 | bengálština | 6449 | 2997 | 2336 | 14 | 30 | 398 | 367 | | bengálština | 6449 | 2997 | 2336 | 14 | 30 | 398 | 367 |
 | telugština | 5494 | 2462 | 1403 | 12 | 31 | 409 | 453 | | telugština | 5494 | 2462 | 1403 | 12 | 31 | 409 | 453 |
 +
 +Statistiky v tabulce byly získány následujícím příkazem:
 +
 +<code bash>$TOOLS/conll_pocet_hodnot_sloupec.pl 4 < hi/dtrain.mconll</code>
  
 Takhle se z morfologických indických dat vyrobí soubor pro Tred, který obsahuje indické písmo místo WX: Takhle se z morfologických indických dat vyrobí soubor pro Tred, který obsahuje indické písmo místo WX:

[ Back to the navigation ] [ Back to the content ]