[ Skip to the content ]

Institute of Formal and Applied Linguistics Wiki

[ Back to the navigation ]

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

Differences

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

Link to this comparison view

Next revision 		Previous revision
Next revision Both sides next revision
user:zeman:dz-parser [2007/02/28 11:25]
zeman 		user:zeman:dz-parser [2007/03/28 12:34]
zeman Přeuspořádání.
Line 23: Line 23:
 ===== Výsledky ===== ===== Výsledky =====
  
-==== Arabština CoNLL 2006 ====+==== Čeština PDT 2.0 ====
  
-<code> +<code>train.pl -i parser-pdt.ini 
-train.pl < /net/data/CoNLL/2006/arabic/padt/artrain.02.csts +parse.pl -i parser-pdt.ini</code> 
-parse.pl < /net/data/CoNLL/2006/arabic/padt/artest.02.csts + 
-</code>+A 158962 - G 118894 - B 40068 - P <html><span style='background:yellow'>0.74793975918773</span></html>. Tato úspěšnost je nižší než dříve. Podle záznamů na stránce o českém parsingu jsem už dříve na d-testu PDT 2.0 dosáhl 75 %. SVN revize 3 ale dává stejné výsledky jako teď (P 74,8, G 118894). Uvidíme, co udělá revize 1, která ale není zvyklá pracovat s daty zakódovanými v UTF-8. 
 + 
 +===== Výsledky CoNLL 2006 ===== 
 + 
 +==== Arabština ==== 
 + 
 +<code>train.pl < /net/data/CoNLL/2006/arabic/padt/artrain.02.csts 
 +parse.pl < /net/data/CoNLL/2006/arabic/padt/artest.02.csts</code>
  
 G 3086 - B 2287 - P <html><span style='background:yellow'>57,44</span></html> %. Ruční značky (jiné nemáme) převedené z CoNLL do PDT. Slova a hesla obsahují za podtržítkem Buckwalterovu transliteraci tak jako v CoNLL. Ta je ovšem převedena na malá písmena, což můj parser dělá i jinde. G 3086 - B 2287 - P <html><span style='background:yellow'>57,44</span></html> %. Ruční značky (jiné nemáme) převedené z CoNLL do PDT. Slova a hesla obsahují za podtržítkem Buckwalterovu transliteraci tak jako v CoNLL. Ta je ovšem převedena na malá písmena, což můj parser dělá i jinde.
  
-==== Čeština PDT 2.0 ====+===== Výsledky CoNLL 2007 =====
  
-<code> +==== Baskičtina ==== 
-train.pl -i parser-pdt.ini + 
-parse.pl -i parser-pdt.ini +<code>train.pl < /net/data/CoNLL/2007/basque/3lbBasque/eudtrain.csts 
-</code>+parse.pl < /net/data/CoNLL/2007/basque/3lbBasque/eudtest.csts</code> 
 + 
 +A 4334 - G 2630 - B 1704 - P <html><span style='background:yellow'>0.606829718504845</span></html>. 
 + 
 +==== Čeština ==== 
 + 
 +Nastavení: stejné jako pro ostatní jazyky, podle výchozího ''parser.ini''. Zvláštní zpracování koordinací je vypnuté. Značky se sice upravují, ale z tvaru CoNLL, v důsledku čehož parser nemá k dispozici informaci o pádu. 
 + 
 +<code>train.pl < /net/data/CoNLL/2007/czech/pdt/csdtrain.csts 
 +parse.pl < /net/data/CoNLL/2007/czech/pdt/csdtest.csts</code> 
 + 
 +A 5760 - G 3067 - B 2693 - P <html><span style='background:yellow'>0.532465277777778</span></html>. 
 + 
 +==== Čínština ==== 
 + 
 +<code>train.pl < /net/data/CoNLL/2007/chinese/sinica/zhdtrain.csts 
 +parse.pl < /net/data/CoNLL/2007/chinese/sinica/zhdtest.csts</code> 
 + 
 +A 2277 - G 1513 - B 764 - P <html><span style='background:yellow'>0.664470794905577</span></html>. 
 + 
 +==== Italština ==== 
 + 
 +<code>train.pl < /net/data/CoNLL/2007/italian/isst/itdtrain.csts 
 +parse.pl < /net/data/CoNLL/2007/italian/isst/itdtest.csts</code> 
 + 
 +A 7643 - G 4866 - B 2777 - P <html><span style='background:yellow'>0.63666099699071</span></html>. 
 + 
 +==== Katalánština ==== 
 + 
 +<code>train.pl < /net/data/CoNLL/2007/catalan/cess-cat/cadtrain.csts 
 +parse.pl < /net/data/CoNLL/2007/catalan/cess-cat/cadtest.csts</code> 
 + 
 +A 10971 - G 6768 - B 4203 - P <html><span style='background:yellow'>0.616899097621001</span></html>. 
 + 
 +==== Maďarština ==== 
 + 
 +<code>train.pl < /net/data/CoNLL/2007/hungarian/szeged/hudtrain.csts 
 +parse.pl < /net/data/CoNLL/2007/hungarian/szeged/hudtest.csts</code> 
 + 
 +A 5995 - G 3164 - B 2831 - P <html><span style='background:yellow'>0.527773144286906</span></html>. 
 + 
 +==== Řečtina ==== 
 + 
 +<code>train.pl < /net/data/CoNLL/2007/greek/gdt/eldtrain.csts 
 +parse.pl < /net/data/CoNLL/2007/greek/gdt/eldtest.csts</code> 
 + 
 +A 4874 - G 3122 - B 1752 - P <html><span style='background:yellow'>0.640541649569142</span></html>. 
 + 
 +==== Turečtina ==== 
 + 
 +<code>train.pl < /net/data/CoNLL/2007/turkish/metu/trdtrain.csts 
 +parse.pl < /net/data/CoNLL/2007/turkish/metu/trdtest.csts</code> 
 + 
 +A 6210 - G 4037 - B 2173 - P <html><span style='background:yellow'>0.650080515297907</span></html>.
  
-A 158962 - G 118894 - B 40068 - P <html><span style='background:yellow'>0.74793975918773</span></html>. Tato úspěšnost je nižší než dříve. Podle záznamů na stránce o českém parsingu jsem už dříve na d-testu PDT 2.0 dosáhl 75 %. SVN revize 3 ale dává stejné výsledky jako teď (P 74,8, G 118894). Uvidíme, co udělá revize 1, která ale není zvyklá pracovat s daty zakódovanými v UTF-8. 

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