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 [2009/11/21 15:28] zeman Nová data s novými značkami. |
user:zeman:dz-parser:icon [2012/12/07 13:57] zeman Udělat. |
||
|---|---|---|---|
| Line 1: | Line 1: | ||
| + | ====== Hindi Parsing Shared Task at COLING 2012 Mumbaī ====== | ||
| + | |||
| + | http:// | ||
| + | |||
| + | ===== Udělat ===== | ||
| + | |||
| + | * Natrénovat McDonaldův MST parser. Pokud možno s pořádnými rysy, neprojektivně a druhý řád. Ale na druhou stranu, aby to taky někdy doběhlo. | ||
| + | * Ambati et al. použili 2. řád a training-k = 5. | ||
| + | * Zkontrolovat normalizaci UTF-8 (dévanágarí). | ||
| + | * Natrénovat Malt parser a mezi rysy mu přidat hypotézu od MST (parser MST-Malt podle Joakimova a Ryanova článku). | ||
| + | * Natrénovat samostatný značkovač syntaktických značek. Ambati et al.: MST labeler je blbej, použili maxent (http...lzhang, | ||
| + | * Potřebuju nějaké vyhledávadlo a zvýrazňovadlo chyb. | ||
| + | * Opravit normalizaci pro HamleDT. Normalizace hindštiny prý dělá na nových datech mnohem více chyb (uzel pod Coord nemá is_member apod.) Mohly by mi pomoct Martinovy transformace koordinací? | ||
| + | |||
| + | HTB verze 0,51: train 12041 sent, 268093 tok? (words), dev 1233 / 26416 | ||
| + | |||
| + | Vyhodnotit samostatně | ||
| + | * LAS vs. UAS | ||
| + | * uvnitř chunku vs. mezi chunky | ||
| + | * pro jednotlivé s-značky | ||
| + | |||
| ====== ICON 2009 NLP Tools Contest ====== | ====== ICON 2009 NLP Tools Contest ====== | ||
| Line 5: | Line 26: | ||
| ===== Zbývá udělat ===== | ===== Zbývá udělat ===== | ||
| - | * Upravit makefile tak, abych mohl pouštět pokusy současně se starými i novými daty. | + | * 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 39: | ||
| * 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 ===== | ||