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:icon [2009/11/19 22:24] zeman Změna priorit u Malt parseru. |
user:zeman:dz-parser:icon [2009/12/08 17:33] zeman Bláznivý nápad: hi+bn. |
||
|---|---|---|---|
| Line 2: | Line 2: | ||
| Soutěž v závislostní syntaktické analýze hindštiny, bengálštiny a telugštiny. Něco jako CoNLL-X a 2007 shared task, ale pro indické jazyky. Tentokrát nezkouším jen DZ Parser, ale hlasující kombinaci tří parserů: Malt parseru, MST parseru a DZ parseru. | Soutěž v závislostní syntaktické analýze hindštiny, bengálštiny a telugštiny. Něco jako CoNLL-X a 2007 shared task, ale pro indické jazyky. Tentokrát nezkouším jen DZ Parser, ale hlasující kombinaci tří parserů: Malt parseru, MST parseru a DZ parseru. | ||
| - | |||
| ===== Zbývá udělat ===== | ===== Zbývá udělat ===== | ||
| + | * Upravit makefile tak, abych mohl pouštět pokusy současně se starými i novými daty. A aby se váhy hlasování automaticky upravovaly podle aktuální úspěšnosti dílčích parserů. | ||
| + | * Upravit makefile a/nebo skripty pro pouštění Malt parseru tak, aby Malt pro každý jazyk zvolil nejvhodnější algoritmus. | ||
| * Více si pohrát s rysy. Naučit se parserům předhazovat rysy. U Malt parseru je to dobře zdokumentováno, | * Více si pohrát s rysy. Naučit se parserům předhazovat rysy. U Malt parseru je to dobře zdokumentováno, | ||
| * Přidat jako rys chunk label, a to i pro DZ Parser. | * Přidat jako rys chunk label, a to i pro DZ Parser. | ||
| Line 17: | Line 18: | ||
| * Frekvenční slovníky, abych si trochu udělal představu o častých slovech, případně o jejich syntaktických zvláštnostech. | * Frekvenční slovníky, abych si trochu udělal představu o častých slovech, případně o jejich syntaktických zvláštnostech. | ||
| * Průzkum dat: jak dlouhé jsou věty? Indové v dokumentaci nějaká čísla uvádějí, ale tam se slova počítají včetně záložek a možná i včetně interpunkce, | * Průzkum dat: jak dlouhé jsou věty? Indové v dokumentaci nějaká čísla uvádějí, ale tam se slova počítají včetně záložek a možná i včetně interpunkce, | ||
| + | * Neučit se na hindštině a bengálštině dohromady? Jsou to přece podobné jazyky a data by se významně zvětšila! | ||
| ===== Průzkum dat ===== | ===== Průzkum dat ===== | ||
| Line 41: | Line 43: | ||
| | bn | 39.52 | 44.14 | | | bn | 39.52 | 44.14 | | ||
| | te | 73.75 | 76.89 | | | te | 73.75 | 76.89 | | ||
| + | |||
| + | ==== Nová data pro druhé kolo ==== | ||
| + | |||
| + | Pro druhé vyhodnocení pořadatelé připravili upravená data "with courser tags". Ukázalo se, že nejde o lepší informaci na morfologické rovině, která by případně mohla parsing usnadnit. Jde o syntaktické značky, které má parser produkovat spolu se závislostní strukturou. Otázka je, jestli jsou nové značky jednodušší, | ||
| ===== Analýza chyb ===== | ===== Analýza chyb ===== | ||