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:interset:to-do [2008/03/14 11:07] zeman Done: strict encoding. |
user:zeman:interset:to-do [2014/06/11 11:02] zeman Změna priorit. |
||
---|---|---|---|
Line 1: | Line 1: | ||
====== To do ====== | ====== To do ====== | ||
- | ===== Infrastructure | + | ===== Interset 2.0 ===== |
- | ==== Service functions ==== | + | Interset is being completely rewritten using Moose, the object-oriented extension to Perl 5. In the end it will be published on CPAN as '' |
- | * Unset features: | + | * Zkontrolovat, |
- | * Return list of unset features. | + | * Testy ovladačů. |
- | * Fill one or all unset features with default values. | + | * Obecné funkce pro přístup k ovladačům, |
- | * Fill one or all unset features with arrays | + | * Částečně už jsou zprovozněné, |
+ | * Bude možné tyto funkce vyexportovat do hlavního jmenného prostoru? | ||
+ | * Projít ''### | ||
+ | * Přejmenovat prep na adp? | ||
+ | * Úplně rozpustit subpos? | ||
+ | * Dokumentace nových rysů: nountype, adjtype, verbtype, conjtype. | ||
+ | * Nemohli bychom zrušit rys synpos? | ||
+ | * Nová hodnota prn v prontype. | ||
+ | * Sloučeny rysy tense a subtense. | ||
+ | * Co s číslovkami? | ||
+ | * Přenést všechny ovladače, které vznikly v Treexu a do SVN Intersetu se zatím nedostaly. | ||
+ | * Přenést celý projekt Interset i s historií ze serveru '' | ||
+ | * Uspořádat seminář a brainstorming pro zájemce o Interset. | ||
+ | * Do té doby prozkoumat Martinovy návrhy a udělat si na ně názor. | ||
+ | * Sepsat manuál pro nové autory ovladačů. | ||
+ | * Vlastní zveřejnění na CPANu: | ||
+ | * Zdeněk doporučuje Distzillu, která hodně usnadní výrobu balíčku k publikaci. | ||
+ | * Zdeněk má v Treexu nějaký skript, který promítne číslo revize SVN do čísla verze na CPAN. | ||
+ | * Jak prezentovat Interset neperlovému světu? Např. tabulky pro decode(). Jde o to, aby lidé mohli Interset snadno použít i v Pythonu, Javě, C a jinde. | ||
+ | * Sem patří i Tagzplorer! | ||
+ | * Interset by si zasloužil nějaké logo. | ||
+ | |||
+ | ===== Infrastructure ===== | ||
+ | |||
+ | * Clean up '' | ||
* Query feature value: a shared function detects array and if it is array, searches it for a given value. | * Query feature value: a shared function detects array and if it is array, searches it for a given value. | ||
- | * Společná funkce: před encode(): máme-li list(), pravděpodobně umíme doplnit povinné neznámé vlastnosti na základě známých. (To nám výrazně usnadní strict encoding.) | ||
* New test in driver-test.pl: | * New test in driver-test.pl: | ||
+ | * New test in driver-test.pl: | ||
+ | * A workaround. Simulate decoding from foreign tagsets. 1. Decode all tags of tagset A. 2. Clear the features '' | ||
+ | * Extend the '' | ||
+ | * Enable checking out the latest development version directly from the Subversion repository. | ||
+ | * Create a web interface to DZ Interset. The user will be able to enter a tag from an arbitrary set (the interface will be able to recognize the set or sets) and get a detailed description in English or Czech of the feature values. Features and values could link to Wikipedia explanations. Conversions to other tagsets (including round-trip conversions) will be provided and all tags will link to similar descriptions of their own. Example words will be provided for every tag. The interface will also be able to read whole files in common corpus formats (CoNLL, PML, CSTS, RDT, TEI, Penn, Brill...), highlight word forms / lemmas / tags and link to tag descriptions. Conversion of tags in whole files will be provided. | ||
+ | * The package to download and the Subversion repository should contain a copy of this wiki pages, both in DokuWiki syntax and in HTML. | ||
===== Features and values ===== | ===== Features and values ===== | ||
- | * Přejmenovat compdeg = norm na pos (pozitiv). | + | * Normalize processing of pronouns, determiners, |
- | * Přejmenovat number=plu na plur? | + | * Remove '' |
- | * Sloučit vlastnosti verbform | + | * Remove '' |
- | * Udělat z poss opět jenom subpos? | + | * Move '' |
- | * Přece jen přidat kategorie zájmen? Dánové mají: demonstrative, | + | * Create new value '' |
- | * Ze subpos=clit | + | * Create a new feature or some other means of marking that a Czech pronoun contains an encliticised form of the 2nd person of the auxiliary verb "být", as in "ses", |
- | * Udělat tu dotazovací funkci | + | * Find more fine-grained classification of punctuation and symbols. Danish has punctuation proper, symbols |
- | * Obdobně pro funkci decode() udělat servisní funkci, která nabídne hodnoty pro nevyplněné vlastnosti na základě jiných vyplněných (např. ukazovací zájmeno implikuje určitost | + | |
- | * Udělat přehled častých prvků, které nemají vlastní slovní druh. Např. jak se řeší částice označující infinitiv. | + | |
- | * Jemněji roztřídit interpunkci. Dánové mají vlastní interpunkci, potom symboly | + | |
- | * Předělat binární vlastnosti na hodnoty " | + | |
- | * Přejmenovat compdeg na degree. | + | |
- | * Příčestí by mělo mít vlastní slovní druh. S tím, že některé sady ho řadí pod sloveso a jiné pod přídavné jméno, jsou jenom problémy. | + | |
- | * Subjektform a objektform u švédských zájmen asi není samostatná vlastnost! Mělo by se to prohlásit za pády (nominativ a akuzativ)! | + | |
- | * Členy a zájmena by se možná vůbec měly rozlišit jinak. Na nejvyšší úrovni by se rozlišovala substantivnost/ | + | |
* Classification of coordinative conjunctions: | * Classification of coordinative conjunctions: | ||
+ | * Create overview of common elements that do not have their own part of speech. E.g. infinitive particles. Specifically, | ||
+ | * Create an overview of verb forms, moods and tenses in various languages, and their representation in DZ Interset. | ||
+ | * Design methodology for contracted word forms where two different parts of speech have merged in one word. Currently this is solved at different places in different ways. Examples: Czech " | ||
+ | |||
+ | ==== Things to think about (not sure that these changes should really be made): ==== | ||
+ | |||
+ | * Sloučit vlastnosti '' | ||
+ | * Příčestí by mělo mít vlastní slovní druh. S tím, že některé sady ho řadí pod sloveso a jiné pod přídavné jméno, jsou jenom problémy. | ||
+ | * Pokud se osvědčí nové třídění zájmen, posvítit si i na číslovky. Některé přesunout k zájmenům (" | ||
+ | * Předělat binární vlastnosti na hodnoty " | ||
+ | * Přejmenovat number = plu na plur? | ||
+ | * Zrušit '' | ||
+ | * Define new value //pluralia tantum// ('' | ||
+ | |||
===== Specific drivers ===== | ===== Specific drivers ===== | ||
* cs::pdt - reimplement "type L" pronouns as collective pronouns (introduced due to Bulgarian) | * cs::pdt - reimplement "type L" pronouns as collective pronouns (introduced due to Bulgarian) | ||
- | |||
- | ===== Paper notes ===== | ||