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:malt-parser [2010/04/12 17:20] zeman Doběhla java 35000 test. |
user:zeman:malt-parser [2010/04/27 12:34] zeman Odstartovalo jlibsvm i clibsvm, ale některé úlohy clibsvm jsem musel pouštět znova. |
||
---|---|---|---|
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. | 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 ==== | ==== Javová implementace libsvm ==== | ||
Line 120: | Line 110: | ||
Předpokládá se, že vyžaduje více času a paměti. Podle dokumentace může dojít i k& | Předpokládá se, že vyžaduje více času a paměti. Podle dokumentace může dojít i k& | ||
- | | N | Úloha | Délka trénování | Délka parsingu | Rychlost parsingu | Úspěšnost | Poznámka | + | | N | Úloha | Délka trénování | Délka parsingu | Rychlost parsingu | Úspěšnost | Datum | |
| 1000 | 1032117 | 2:38 min | 1252 s = 20:52 min | 1 věta / 0,14 s | 74,63 % | 6.4.2010 | | | 1000 | 1032117 | 2:38 min | 1252 s = 20:52 min | 1 věta / 0,14 s | 74,63 % | 6.4.2010 | | ||
| 2000 | 1032118 | 8:44 min | 2344 s = 39:03 min | 1 věta / 0,25 s | 77,73 % | 6.4.2010 | | | 2000 | 1032118 | 8:44 min | 2344 s = 39:03 min | 1 věta / 0,25 s | 77,73 % | 6.4.2010 | | ||
Line 129: | Line 119: | ||
| 30000 | 1032123 | 47:21 h | 24255 s = 6:44 h | 1 věta / 2,62 s | 84,54 % | 6.-8.4.2010 | | | 30000 | 1032123 | 47:21 h | 24255 s = 6:44 h | 1 věta / 2,62 s | 84,54 % | 6.-8.4.2010 | | ||
| 35000 | 1035249 | 2 dny 11:08 h | 21468 s = 5:58 h | 1 věta / 2,32 s | 84,89 % | 9.-12.4.2010 | | | 35000 | 1035249 | 2 dny 11:08 h | 21468 s = 5:58 h | 1 věta / 2,32 s | 84,89 % | 9.-12.4.2010 | | ||
- | | 40000 | 1035250 | | | | | 9.4.2010 | | + | | 40000 | 1035250 | 3 dny 10 min | 24582 s = 6:50 h | 1 věta / 2,65 s | 85,08 % | 9.-12.4.2010 | |
- | | 45000 | 1035251 | | | | | 9.4.2010 | | + | | 45000 | 1035251 | 4 dny 10:53 h | 33744 s = 9:22 h | 1 věta / 3,64 s | 85,35 % | 9.-14.4.2010 | |
- | | 50000 | 1035252 | | | | | 9.4.2010 | | + | | 50000 | 1035252 | 5 dní 19:32 h | 37140 s = 10:19 h | 1 věta / 4,01 s | 85,47 % | 9.-15.4.2010 | |
- | | 55000 | 1035258 | | | | | 9.4.2010 | | + | | 55000 | 1035258 | 7 dní 8:37 h | 40518 s = 11:15 h | 1 věta / 4,37 s | 85,65 % | 9.-17.4.2010 | |
- | | 60000 | 1035254 | | | | | 9.4.2010 | | + | | 60000 | 1035254 | 7 dní 4:55 h | 34374 s = 9:33 h | 1 věta / 3,71 s | 85,80 % | 9.-17.4.2010 | |
- | | 65000 | 1035255 | | | | | 9.4.2010 | | + | | 65000 | 1035255 | 5 dní 21:01 h | 31378 s = 8:43 h | 1 věta / 3,38 s | 85,96 % | 9.-15.4.2010 | |
+ | | full | 1177802 | | | | | 26.4.2010 | | ||
==== Trénovací data rozsekaná na pětitisícové úseky ==== | ==== Trénovací data rozsekaná na pětitisícové úseky ==== | ||
Line 177: | Line 168: | ||
| 60000-64999 | 1032114 | | | | | Nevysvětlitelná náhlá smrt během trénování. | | | 60000-64999 | 1032114 | | | | | Nevysvětlitelná náhlá smrt během trénování. | | ||
| 65000-68562 | 1032115 | 12:43 min | | | 79,69 % | | | | 65000-68562 | 1032115 | 12:43 min | | | 79,69 % | | | ||
+ | |||
+ | ==== Splitting trick podle slovního poddruhu, jlibsvm ==== | ||
+ | |||
+ | | N | Úloha | Délka trénování | Délka parsingu | Rychlost parsingu | Úspěšnost | Datum | | ||
+ | | 1000 | 1177862 | 3:00 min | 1304 s = 21:43 min | 1 věta / 0,14 s | 73,81 % | 27.4.2010 | | ||
+ | | 2000 | 1177863 | 7:32 min | 1715 s = 28:35 min | 1 věta / 0,19 s | 76,98 % | 27.4.2010 | | ||
+ | | 5000 | 1177864 | 42:28 min | 3282 s = 54:42 min | 1 věta / 0,35 s | 79,86 % | 27.4.2010 | | ||
+ | | 10000 | 1177866 | | | | | 27.4.2010 | | ||
+ | | 20000 | 1177867 | | | | | 27.4.2010 | | ||
+ | | 25000 | 1177868 | | | | | 27.4.2010 | | ||
+ | | 30000 | 1177870 | | | | | 27.4.2010 | | ||
+ | | 35000 | 1177871 | | | | | 27.4.2010 | | ||
+ | | 40000 | 1177872 | | | | | 27.4.2010 | | ||
+ | | 45000 | 1177873 | | | | | 27.4.2010 | | ||
+ | | 50000 | 1177875 | | | | | 27.4.2010 | | ||
+ | | 55000 | 1177876 | | | | | 27.4.2010 | | ||
+ | | 60000 | 1177877 | | | | | 27.4.2010 | | ||
+ | | 65000 | 1177878 | | | | | 27.4.2010 | | ||
+ | | full | 1177879 | | | | | 27.4.2010 | | ||
+ | |||
+ | ==== Splitting trick podle slovního poddruhu, clibsvm ==== | ||
+ | |||
+ | | N | Úloha | Délka trénování | Délka parsingu | Rychlost parsingu | Úspěšnost | Datum | | ||
+ | | 1000 | 1177881 | 42 s | 939 s = 15:38 min | 1 věta / 0,10 s | 73,81 % | 27.4.2010 | | ||
+ | | 2000 | 1177882 | 2:31 min | 1659 s = 27:39 min | 1 věta / 0,18 s | 76,98 % | 27.4.2010 | | ||
+ | | 5000 | 1177883 | | | | | 27.4.2010 | | ||
+ | | 10000 | 1177884 | | | | | 27.4.2010 | | ||
+ | | 20000 | 1177885 | náhlá smrt 1177885 | | | | 27.4.2010 | | ||
+ | | 25000 | 1177886 | | | | | 27.4.2010 | | ||
+ | | 30000 | 1177887 | | | | | 27.4.2010 | | ||
+ | | 35000 | 1177888 | | | | | 27.4.2010 | | ||
+ | | 40000 | 1177889 | náhlá smrt 1177889 | | | | 27.4.2010 | | ||
+ | | 45000 | 1177890 | | | | | 27.4.2010 | | ||
+ | | 50000 | 1177891 | náhlá smrt 1177891 | | | | 27.4.2010 | | ||
+ | | 55000 | 1177892 | | | | | 27.4.2010 | | ||
+ | | 60000 | 1177893 | | | | | 27.4.2010 | | ||
+ | | 65000 | 1177894 | | | | | 27.4.2010 | | ||
+ | | full | 1177895 | | | | | 27.4.2010 | | ||
==== Co dál? ==== | ==== Co dál? ==== | ||
- | * Pokusy, na kterých céčková verze '' | + | * Ještě pustit javovské |
* Navrhnout jemnější dělení modelů '' | * Navrhnout jemnější dělení modelů '' | ||
* Rozsekat trénovací data na 14 pětitisícových kusů a s& | * Rozsekat trénovací data na 14 pětitisícových kusů a s& |