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 [2007/03/27 11:53] zeman Čeština CoNLL. |
user:zeman:dz-parser [2007/05/15 23:24] zeman Vstupy a výstupy přestěhovány na samostatnou stránku. |
||
---|---|---|---|
Line 3: | Line 3: | ||
DZ Parser má svoji stránku na adrese http:// | DZ Parser má svoji stránku na adrese http:// | ||
- | < | + | < |
- | svn checkout file:/// | + | |
- | </ | + | * [[user: |
+ | * [[user: | ||
+ | * [[user: | ||
+ | * [[user: | ||
+ | * [[user: | ||
+ | * [[user: | ||
===== To do ===== | ===== To do ===== | ||
- | * Vyřešit situaci, kdy svislítko ve vstupních datech (značkách, | + | * CoNLL 2007 |
+ | * Otestovat mé výstupy oficiálním skriptem eval.pl, nebo jak se jmenuje. | ||
+ | * Zkusit ještě jednou pustit parser na všechny jazyky s vypnutým rozepisováním alternativ. | ||
+ | * Totéž, ale vypnout úpravy morfologických značek, na ne-PDT značkách to nemůže fungovat. | ||
+ | * Totéž, ale učit se pouze na podrobných slovních druzích, hodnoty rysů zahodit. | ||
+ | * Totéž, ale navíc rys pád. | ||
+ | * Učit se na morfologických značkách překódovaných do sady PDT. | ||
+ | * Kombinace parserů ([[: | ||
+ | * Angličtina (větev adaptace na novou doménu)? | ||
+ | * Vše přetrénovat na celých trénovacích datech, rozebrat slepá testovací data a do soboty odeslat výsledky. | ||
+ | * Následující už je asi vyřešeno, ale je třeba to zdokumentovat: | ||
* Půjde zřejmě o rozsáhlejší přestavbu funkce ud(), kterou bude potřeba pečlivě otestovat na parsingu PDT. Součástí přestavby by mělo být i to, že parametrem funkce už nebude jeden řetězec, ale pole, kde prvním prvkem bude typ události a další prvky budou její parametry. Pak bude jasné, že na alternativy se dělí každý parametr zvlášť a že je potřeba nakombinovat všechny alternativy všech parametrů. | * Půjde zřejmě o rozsáhlejší přestavbu funkce ud(), kterou bude potřeba pečlivě otestovat na parsingu PDT. Součástí přestavby by mělo být i to, že parametrem funkce už nebude jeden řetězec, ale pole, kde prvním prvkem bude typ události a další prvky budou její parametry. Pak bude jasné, že na alternativy se dělí každý parametr zvlášť a že je potřeba nakombinovat všechny alternativy všech parametrů. | ||
* Odstranit závislost parseru na konfiguračním souboru '' | * Odstranit závislost parseru na konfiguračním souboru '' | ||
Line 20: | Line 35: | ||
* koordinace = 0. Zvláštní zpracování koordinací předpokládá určité konkrétní syntaktické značky (Coord, _Co). Pokud tam nejsou, koordinace se nepoznají. Horší ale je, když tam jsou, ale nesplňují tatáž pravidla jako v PDT (např. v PADT). | * koordinace = 0. Zvláštní zpracování koordinací předpokládá určité konkrétní syntaktické značky (Coord, _Co). Pokud tam nejsou, koordinace se nepoznají. Horší ale je, když tam jsou, ale nesplňují tatáž pravidla jako v PDT (např. v PADT). | ||
- | |||
- | ===== Výsledky ===== | ||
- | |||
- | ==== Arabština CoNLL 2006 ==== | ||
- | |||
- | < | ||
- | train.pl < / | ||
- | parse.pl < / | ||
- | </ | ||
- | |||
- | G 3086 - B 2287 - P < | ||
- | |||
- | ==== Čeština PDT 2.0 ==== | ||
- | |||
- | < | ||
- | train.pl -i parser-pdt.ini | ||
- | parse.pl -i parser-pdt.ini | ||
- | </ | ||
- | |||
- | A 158962 - G 118894 - B 40068 - P < | ||
- | |||
- | ==== Čeština CoNLL 2007 ==== | ||
- | |||
- | Nastavení: stejné jako pro ostatní jazyky, podle výchozího '' | ||
- | |||
- | < | ||
- | train.pl < / | ||
- | parse.pl < / | ||
- | </ | ||
- | |||
- | A 5760 - G 3067 - B 2693 - P < | ||
- |