Differences

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

--- user:zeman:malt-parser [2010/04/01 22:44]
zeman 20000
+++ user:zeman:malt-parser [2010/04/14 08:31]
zeman Doběhla java 45000.
@@ Line 105: / Line 105: @@
 Joakim navrhuje, abychom zkusili dělení zjemnit, např. místo CPOSTAGu dělit modely podle slovního poddruhu (druhá pozice české značky). Pak by dílčí modely byly menší a libsvm by třeba nespadlo. Ve skutečnosti budu asi muset zjemňovat jiným způsobem, protože právě u podstatných jmen žádné zvláštní dělení na poddruhy neexistuje. Mohly by ale pomoct pády.
 ==== Javová implementace libsvm ====
-Předpokládá se, že vyžaduje více času a paměti. Podle dokumentace může dojít i k&nbsp;drobným odchylkám v&nbsp;úspěšnosti způsobeným odlišným zpracováním racionálních čísel. Mně se zatím zdá, že odchylky budou spíše značné, a to v&nbsp;neprospěch javové implementace.
+Předpokládá se, že vyžaduje více času a paměti. Podle dokumentace může dojít i k&nbsp;drobným odchylkám v&nbsp;úspěšnosti způsobeným odlišným zpracováním racionálních čísel.
 | N | Úloha | Délka trénování | Délka parsingu | Rychlost parsingu | Úspěšnost | Poznámka |
-| 1000 | 1011450 | 37 s | | | | Spadlo, kód -1 není v&nbsp;tabulce symbolů. |
+| 1000 | 1032117 | 2:38 min | 1252 s = 20:52 min | 1 věta / 0,14 s | 74,63 % | 6.4.2010 |
-| 2000 | 1011451 | 2:46 min | 661 s = 11 min | 1 věta / 0,07 s | 74,10 % | |
+| 2000 | 1032118 | 8:44 min | 2344 s = 39:03 min | 1 věta / 0,25 s | 77,73 % | 6.4.2010 |
-| 5000 | 1011452 | 17:45 min | 1527 s = 25 min | 1 věta / 0,16 s | 76,65 % | |
+| 5000 | 1040063 | 48:07 min | 3956 s = 1:06 h | 1 věta / 0,43 s | 80,18 % | 12.4.2010 |
-| 10000 | 1011453 | | | | | Nerozeběhlo se. |
+| 10000 | 1032120 | 3:57 h | 7235 s = 2:01 h | 1 věta / 0,78 s | 82,11 % | 6.4.2010 |
-| 20000 | 1011454 | 6:23 h | 5602 s = 1:33 h | 1 věta / 0,60 s | 79,90 % | |
+| 20000 | 1032121 | 16:45 h | 12979 s = 3:36 h | 1 věta / 1,40 s | 83,65 % | 6.-7.4.2010 |
-| 25000 | 1011455 | | | | | |
+| 25000 | 1032122 | 27:43 h | 16500 s = 4:35 h | 1 věta / 1,78 s | 84,24 % | 6.-8.4.2010 |
-| 30000 | 1011456 | | | | | Nerozeběhlo se. |
+| 30000 | 1032123 | 47:21 h | 24255 s = 6:44 h | 1 věta / 2,62 s | 84,54 % | 6.-8.4.2010 |
-| 35000 | 1011457 | | | | | |
+| 35000 | 1035249 | 2 dny 11:08 h | 21468 s = 5:58 h | 1 věta / 2,32 s | 84,89 % | 9.-12.4.2010 |
-| 40000 | 1011458 | | | | | |
+| 40000 | 1035250 | 3 dny 10 min | 24582 s = 6:50 h | 1 věta / 2,65 s | 85,08 % | 9.-12.4.2010 |
-| 45000 | 1011459 | | | | | |
+| 45000 | 1035251 | 4 dny 10:53 h | 33744 s = 9:22 h | 1 věta / 3,64 s | 85,35 % | 9.-14.4.2010 |
-| 50000 | 1011460 | | | | | |
+| 50000 | 1035252 | | | | | 9.4.2010 |
-| 55000 | 1011461 | | | | | |
+| 55000 | 1035258 | | | | | 9.4.2010 |
-| 60000 | 1011462 | | | | | |
+| 60000 | 1035254 | | | | | 9.4.2010 |
-| 65000 | 1011463 | | | | | |
+| 65000 | 1035255 | | | | | 9.4.2010 |
+==== Trénovací data rozsekaná na pětitisícové úseky ====
+| N | Úloha | Délka trénování | Délka parsingu | Rychlost parsingu | Úspěšnost | Poznámka |
+| 00000-04999 | 1021425 | | | | 76,65 % | |
+| 05000-09999 | 1021426 | | | | 76,99 % | |
+| 10000-14999 | 1021427 | | | | 76,47 % | |
+| 15000-19999 | 1021428 | | | | 76,72 % | |
+| 20000-24999 | 1021429 | | | | 76,72 % | |
+| 25000-29999 | 1021430 | | | | 76,80 % | |
+| 30000-34999 | 1021431 | | | | 76,87 % | |
+| 35000-39999 | 1021432 | | | | 76,94 % | |
+| 40000-44999 | 1021433 | | | | 76,72 % | |
+| 45000-49999 | 1021434 | | | | 76,98 % | |
+| 50000-54999 | 1021435 | | | | 76,69 % | |
+| 55000-59999 | 1021436 | | | | 76,96 % | |
+| 60000-64999 | 1021437 | | | | 76,81 % | |
+| 65000-68562 | 1021438 | | | | 75,86 % | |
+Všechny díly se nakonec podařilo použít, čímž jsme definitivně vyvrátili, že by v&nbsp;trénovacích datech byla jedna nebo více vět, na kterých parser padá. Padání bylo asi opravdu způsobeno velikostí dílčích modelů v&nbsp;konkrétních případech.
+Zarážející je ale úspěšnost. Přinejmenším pro první pětitisícový úsek měla být s&nbsp;céčkovým libsvm 80&nbsp;%, tak jaktože jsme teď vždy naměřili pod 77&nbsp;%?
+=== Oprava 6.4.2010 ===
+Předcházející pokusy s&nbsp;javovou implementací byly omylem spuštěny s&nbsp;výchozí, nikoli s&nbsp;Marcovou definicí rysů, což by mohlo vysvětlovat tu nižší úspěšnost. Nyní tedy druhý pokus:
+| N | Úloha | Délka trénování | Délka parsingu | Rychlost parsingu | Úspěšnost | Poznámka |
+| 00000-04999 | 1032102 | | | | | Nevysvětlitelná náhlá smrt během trénování. |
+| 05000-09999 | 1032103 | 24:24 min | | | 80,59 % | |
+| 10000-14999 | 1032104 | 31:56 min | | | 80,23 % | |
+| 15000-19999 | 1032116 | 30:27 min | | | 80,52 % | |
+| 20000-24999 | 1032106 | 21:35 min | | | 80,45 % | |
+| 25000-29999 | 1032107 | | | | | Nevysvětlitelná náhlá smrt během trénování. |
+| 30000-34999 | 1032108 | 28:30 min | | | 80,48 % | |
+| 35000-39999 | 1032109 | | | | | Nevysvětlitelná náhlá smrt během trénování. |
+| 40000-44999 | 1032110 | 19:17 min | | | 80,51 % | |
+| 45000-49999 | 1032111 | 22:54 min | | | 80,62 % | |
+| 50000-54999 | 1032112 | 22:31 min | | | 80,58 % | |
+| 55000-59999 | 1032113 | | | | | Nevysvětlitelná náhlá smrt během trénování. |
+| 60000-64999 | 1032114 | | | | | Nevysvětlitelná náhlá smrt během trénování. |
+| 65000-68562 | 1032115 | 12:43 min | | | 79,69 % | |
 ==== Co dál? ====

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

Institute of Formal and Applied Linguistics Wiki

Differences