Differences

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

--- user:zeman:morpho-challenge-2007 [2007/05/29 18:15]
zeman vytvořeno
+++ user:zeman:morpho-challenge-2007 [2007/05/29 19:00] (current)
zeman Na vstupu byl neplatný znak UTF-8.
@@ Line 18: / Line 18: @@
 kmkon2vzor.pl < en.kmkon > en.vzor
 vzorfiltr.pl < en.vzor > en1.vzor</code>
+Skript ''vzorfiltr.pl'' jako vedlejší účinek vedle standardního výstupu tiše vyrobí soubory ''kmeny.txt'' a ''koncovky.txt''.
 Rozklad slov na základě již vybudovaného seznamu vzorů se provede takto:
-<code>mchallenge.pl cestakmen cestakonc < wordlist.eng > en.dz.txt</code>
+<code>mchallenge.pl kmeny.txt koncovky.txt < wordlist.eng > en.dz.txt</code>
+Turečtinu je pak ještě nutné prohnat skriptem ''tr2mctr.pl'', aby se obnovilo exotické kódování, které organizátoři vyžadují.
+===== Nové seznamy slov pro soutěž v získávání informací =====
+Organizátoři dodatečně poskytli seznamy nových slov, která se neobjevila v původních trénovacích datech, ale vyskytují se v datech, nad kterými se vyhodnocuje získávání informací (information retrieval). Spojuji nový seznam slov se starým. Nad spojeným seznamem natrénuji nový seznam vzorů. Těmito vzory pak rozeberu nový seznam slov a pošlu ho zpátky organizátorům.
+<code>cat wordlist.eng new-wordlist.eng > combined.eng
+iconv -f iso-8859-1 -t utf8 < combined.eng | mctr2csts.pl > entrain1.csts
+csts2kmkon.pl < entrain1.csts > en1.kmkon
+kmkon2vzor.pl < en1.kmkon > en1.vzor
+vzorfiltr.pl < en1.vzor > en1.filtr.vzor
+mv kmeny.txt en1kmeny.txt
+mv koncovky.txt en1koncovky.txt
+mchallenge.pl en1kmeny.txt en1koncovky.txt < new-wordlist.eng > en1.dz.txt</code>

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

Institute of Formal and Applied Linguistics Wiki

Differences