Differences

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

--- user:zeman:interset:drivers [2008/03/06 15:47]
zeman vytvořeno
+++ user:zeman:interset:drivers [2008/03/06 15:51]
zeman Time requirements moved to Drivers.
@@ Line 16: / Line 16: @@
 Most of the time was dedicated to extracting, transcribing and translating examples in an effort to understand the tag classes.
+===== Time needed for tag set conversion =====
+Poznamenávám si, kolik času mi zabral který ovladač, abych to mohl publikovat. Srovnání potřebného času s časem potřebným na obyčejný převod je zajímavé, i když vím, že ve skutečnosti ušetřím až při opakovaném využití ovladače.
+Ruský treebank (nejen značky, ale vůbec převod formátu):
+:36
+Arabské značky (Otovy i Buckwalterovy, ještě bez Intersetu, 22.3.2006):
+:45+1+1:40 = 7:25
+České značky PDT (přes 4000 značek; jádro Intersetu vzniklo jako vedlejší produkt, když jsem dělal tohle)
+asi 2 dny, tedy dejme tomu 18 hodin
+Dánské značky DDT/Parole (144 značek s košatým popisem)
+asi 7 hodin
+Švédské značky Mamba (48 značek)
+asi 3 hodiny
+Penn Treebank (36 značek)
+asi 3 hodiny, ale tady jsem to ještě neměřil, takže to je jen hrubý zpětný odhad
+Hajičovy švédské značky
+:32 - tady zjevně chybí úplná statistika
+Arabské značky CoNLL
+:33+5:19+3:16 = 13:08
+České značky PDT (CoNLL verze? Nebo to jsou jen opravy, když jsem začal ovladače testovat?)
+:44+3:20+6:05 = 11:09
+Bulharské značky CoNLL
+:20+1:00+0:26+5:44+2:00+6:15+1:20+0:46+1:26+2:30+0:48+12:44 = 35:19
+(ale u bulharštiny jsem se dost natrápil s jevy, které do té doby nebyly v intersetu podchycené)
+Anglické značky CoNLL
+:48 - možná tady chybí statistika, ale možná taky ne, protože stačilo upravit existující ovladač Penn Treebanku, ne?
+Žádné z výše uvedených převodů (tedy vše napsané před říjnem 2007) ještě neměly k dispozici chytré funkce pro nahrazování nepovolených hodnot.

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

Institute of Formal and Applied Linguistics Wiki

Differences