Differences

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

--- user:zeman:dz-parser [2007/02/28 11:25]
zeman
+++ user:zeman:dz-parser [2007/03/28 12:38]
zeman Arabština.
@@ Line 3: / Line 3: @@
 DZ Parser má svoji stránku na adrese http://ufal.mff.cuni.cz/~zeman/projekty/parser/index.html. To, co je zde, jsou pracovní poznámky.
-<code>
+<code>svn checkout file:///net/work/public/SVN/dzparser/trunk dzparser</code>
-svn checkout file:///net/work/public/SVN/dzparser/trunk dzparser
-</code>
 ===== To do =====
@@ Line 23: / Line 21: @@
 ===== 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.
-==== Čeština PDT 2.0 ====
+===== Výsledky CoNLL 2007 =====
-<code>
+Viz též [[internal:data-conll|Data CoNLL]].
-train.pl -i parser-pdt.ini
-parse.pl -i parser-pdt.ini
+==== Arabština ====
-</code>
+<code>train.pl < /net/data/conll/2007/arabic/padt/ardtrain.csts
+parse.pl < /net/data/conll/2007/arabic/padt/ardtest.csts</code>
+G 3591 - P = <html><span style='background:yellow'>61,1</span></html> %
+==== Baskičtina ====
+<code>train.pl < /net/data/CoNLL/2007/basque/3lbBasque/eudtrain.csts
+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 ]

Institute of Formal and Applied Linguistics Wiki

Differences