[ Skip to the content ]

Institute of Formal and Applied Linguistics Wiki

• ÚFAL Wiki Home
• ÚFAL Home
• Sitemap
• RSS
• ÚFAL calendar
• Recent changes
• Login
• Hledat:

[ Back to the navigation ]

Differences

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

View differences: Side by SideInline Go

Link to this comparison view

Both sides previous revision Previous revision 2007/05/18 16:24 zeman To do: neztrácet atributy slova ze vstupu.2007/05/16 10:24 zeman Programátorská dokumentace.2007/05/15 23:24 zeman Vstupy a výstupy přestěhovány na samostatnou stránku.2007/05/15 15:13 zeman To do - co je hotovo a co je potřeba.2007/05/15 13:00 zeman 2007/05/15 11:25 zeman Vstupy a výstupy.2007/05/15 10:42 zeman Odkazy na cizí parsery z To Do Listu.2007/03/30 08:04 zeman Hotovo.2007/03/29 23:12 zeman CoNLL 2007.2007/03/29 22:22 zeman csts.pm2007/03/29 13:12 zeman atrain a aclass2007/03/28 16:38 zeman Odkazy na podstránky.2007/03/28 15:14 zeman Úspěšnost na testovacích datech.2007/03/28 15:13 zeman Úspěšnost na trénovacích datech.2007/03/28 14:59 zeman Model syntaktických značek.2007/03/28 13:30 zeman 2007/03/28 12:52 zeman Udělat - technické programy.2007/03/28 12:48 zeman Kombinace parserů.2007/03/28 12:47 zeman Udělat - CoNLL 2007.2007/03/28 12:38 zeman Arabština.2007/03/28 12:34 zeman Přeuspořádání.2007/03/28 12:01 zeman Řečtina.2007/03/27 22:39 zeman Čínština.2007/03/27 17:53 zeman Baskičtina.2007/03/27 17:14 zeman Turečtina.2007/03/27 17:00 zeman 2007/03/27 16:58 zeman 2007/03/27 14:46 zeman Maďarština.2007/03/27 14:25 zeman Katalánština.2007/03/27 11:53 zeman Čeština CoNLL.2007/02/28 11:25 zeman Go Next revision		Previous revision 2007/05/18 16:24 zeman To do: neztrácet atributy slova ze vstupu.2007/05/16 10:24 zeman Programátorská dokumentace.2007/05/15 23:24 zeman Vstupy a výstupy přestěhovány na samostatnou stránku.2007/05/15 15:13 zeman To do - co je hotovo a co je potřeba.2007/05/15 13:00 zeman 2007/05/15 11:25 zeman Vstupy a výstupy.2007/05/15 10:42 zeman Odkazy na cizí parsery z To Do Listu.2007/03/30 08:04 zeman Hotovo.2007/03/29 23:12 zeman CoNLL 2007.2007/03/29 22:22 zeman csts.pm2007/03/29 13:12 zeman atrain a aclass2007/03/28 16:38 zeman Odkazy na podstránky.2007/03/28 15:14 zeman Úspěšnost na testovacích datech.2007/03/28 15:13 zeman Úspěšnost na trénovacích datech.2007/03/28 14:59 zeman Model syntaktických značek.2007/03/28 13:30 zeman 2007/03/28 12:52 zeman Udělat - technické programy.2007/03/28 12:48 zeman Kombinace parserů.2007/03/28 12:47 zeman Udělat - CoNLL 2007.2007/03/28 12:38 zeman Arabština.2007/03/28 12:34 zeman Přeuspořádání.2007/03/28 12:01 zeman Řečtina.2007/03/27 22:39 zeman Čínština.2007/03/27 17:53 zeman Baskičtina.2007/03/27 17:14 zeman Turečtina.2007/03/27 17:00 zeman 2007/03/27 16:58 zeman 2007/03/27 14:46 zeman Maďarština.2007/03/27 14:25 zeman Katalánština.2007/03/27 11:53 zeman Čeština CoNLL.2007/02/28 11:25 zeman Go Next revision Both sides next revision
user:zeman:dz-parser [2007/03/28 16:38] zeman Odkazy na podstránky.		user:zeman:dz-parser [2007/05/15 13:00] zeman
Line 5:		Line 5:
	<code>svn checkout file:///net/work/public/SVN/dzparser/trunk dzparser</code>		<code>svn checkout file:///net/work/public/SVN/dzparser/trunk dzparser</code>
		+	* [[user:zeman:dz-parser:atrain-a-aclass|atrain a aclass]]
		+	* [[user:zeman:dz-parser:csts.pm|csts.pm]]
	* [[user:zeman:dz-parser:vystupy.pm|vystupy.pm]]		* [[user:zeman:dz-parser:vystupy.pm|vystupy.pm]]
	* [[user:zeman:dz-parser:vysledky|Výsledky]]		* [[user:zeman:dz-parser:vysledky|Výsledky]]
		+	* [[user:zeman:dz-parser:conll|CoNLL]]
		+
		+	===== Chování vstupu a výstupu =====
		+
		+	V posledním roce jsem vnesl zmatek do chování vstupu a výstupu DZ Parseru. Jak by se tedy měl chovat a jak se momentálně chová?
		+
		+	==== Vstup ====
		+
		+	Vstupem train.pl jsou trénovací data a případně konfigurační soubor.
		+	Vstupem parse.pl je natrénovaná statistika, testovací data a případně konfigurační soubor.
		+
		+	Malou část konfigurace lze provést přepínači na příkazovém řádku. V budoucnosti by měla být možnost provést tady veškerou konfiguraci, pokud uživatel chce. Z příkazového řádku lze také říci, odkud se má načíst konfigurační soubor. Pokud nic neřekneme, neměl by se defaultně číst žádný konfigurační soubor. (A ty nejdefaultnější defaulty by měly být obsaženy přímo ve zdrojácích parseru.) Nevím, jak je to teď, ale po dlouhá léta se standardně načítal soubor parser.ini ve složce s parserem. Komplikovalo to pouštění parseru z jiných složek.
		+
		+	Pokud konfigurace obsahuje cestu ke vstupním datům (trénovací korpus, testovací korpus, natrénovaná statistika), použijí tato data. Pokud je tato cesta "-", čte se standardní vstup. Pouze v případě natrénované statistiky se "-" interpretuje jinak: vleze se do pracovní složky (cesta k ní by měla být opět v konfiguraci), najde se soubor s nejvyšším číslem N, že jméno souboru je N.stat, a ten se načte.
		+
		+	Pokud konfigurace (ani ta z příkazového řádku) neobsahuje cestu ke vstupním datům, ale na příkazovém řádku zbývají nevyužité argumenty, tyto argumenty se interpretují jako cesty ke vstupním souborům a ty se načtou. Pokud nezbývají ani argumenty, čte se standardní vstup. (To neplatí o natrénované statistice na vstupu parse.pl, ta se čte vždy ze souboru. Pokud chybí určení cesty, postupuje se jako kdyby určení bylo "-", tj. čte se z pracovní složky.)
		+
		+	Pokud konfigurace neobsahuje cestu k pracovní složce, považuje se za pracovní složka, ze které byl program spuštěn (".").
		+
		+	==== Výstup ====
		+
		+	Hlavním výstupem train.pl je natrénovaná statistika. Hlavním výstupem parse.pl jsou rozebraná testovací data ve formátu CSTS. Hlavní výstupy se posílají na standardní výstup.
		+
		+	V ladícím režimu (lze ho zapnout v konfiguraci) se totéž loguje i do souboru. Případně lze vypnout standardní výstup a pouze logovat do souboru.
		+
		+	Každý program může navíc generovat různé vedlejší výstupy, které lze regulovat pomocí konfigurace. Tyto výstupy standardně směřují na standardní chybový výstup (STDERR), ale v konfiguraci lze zapnout jejich logování do souboru v pracovní složce.
	===== To do =====		===== To do =====
	* CoNLL 2007		* CoNLL 2007
-	* Napsat program, který na základě závislostí (ručních nebo naučených), morfologických značek (dítěte, rodiče, prarodiče, sourozenců, sousedů), popř. koncovek (téhož) přiřadí syntaktickou značku (druh závislosti).
-	* Napsat program pro převod stromů z CSTS zpět do formátu CoNLL.
	* Otestovat mé výstupy oficiálním skriptem eval.pl, nebo jak se jmenuje.		* Otestovat mé výstupy oficiálním skriptem eval.pl, nebo jak se jmenuje.
	* Zkusit ještě jednou pustit parser na všechny jazyky s vypnutým rozepisováním alternativ.		* Zkusit ještě jednou pustit parser na všechny jazyky s vypnutým rozepisováním alternativ.
Line 19:		Line 45:
	* Totéž, ale navíc rys pád.		* Totéž, ale navíc rys pád.
	* Učit se na morfologických značkách překódovaných do sady PDT.		* Učit se na morfologických značkách překódovaných do sady PDT.
-	* Kombinace parserů (Brown, McDonald, Stanford).	+	* Kombinace parserů ([[:Parsery|Brown]], [[:MST|McDonald]], [[:Parsery|Stanford]]).
	* Angličtina (větev adaptace na novou doménu)?		* Angličtina (větev adaptace na novou doménu)?
	* Vše přetrénovat na celých trénovacích datech, rozebrat slepá testovací data a do soboty odeslat výsledky.		* Vše přetrénovat na celých trénovacích datech, rozebrat slepá testovací data a do soboty odeslat výsledky.
Line 34:		Line 60:
	* 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).
-

---

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