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:treebanks [2014/04/23 11:43] zeman Hindská data jsou také nová oproti HamleDT 1.0. |
user:zeman:treebanks [2014/05/22 15:45] zeman Parsing. |
||
|---|---|---|---|
| Line 6: | Line 6: | ||
| * Nahradit arabská data novými (Zdeněk je slíbil do začátku května) | * Nahradit arabská data novými (Zdeněk je slíbil do začátku května) | ||
| + | * Aktualizace 19. května: Zdeněk to nestihne. Znamená to, že v 99 % vět je alespoň jeden uzel, který nemá vyplněné lemma nebo značku nebo obojí. Nemám spočítané přímo procento všech uzlů, ale bude taky velmi vysoké. Rozhodně to není tak, že by v každé větě byl jen jeden uzel vadný. | ||
| + | * Bohužel teď nemáme moc možností, co s tím. Stará data z CoNLL 2007 byla mizerná, protože tam chyběly hodnoty is_member. K nim se vracet nechci. S novými daty nedokážu ve zbývajícím čase nic pořádného udělat, to bude urgentní TODO po vydání HamleDTa 2.0. Vynechat arabštinu taky nechci, je to jeden z těch volných jazyků a v článku jsme ho slíbili. Takže to prostě vydáme v tom stavu, ve kterém to je, nedá se nic dělat. | ||
| * Přegenerovat Stanfordí část HamleDTa, případně ji nějak otestovat (Ruda a Honza?) | * Přegenerovat Stanfordí část HamleDTa, případně ji nějak otestovat (Ruda a Honza?) | ||
| * Vymyslet lepší hierarchii složek na disku? | * Vymyslet lepší hierarchii složek na disku? | ||
| - | * Do jazyků s cizími písmy doplnit transliteraci – budeme se o to snažit už v této verzi? | ||
| - | * Pro některou z příštích verzí zvažujeme přidat automatický a zarovnaný překlad od Googlu, tak bychom transliteraci mohli odložit na stejný okamžik. | ||
| * Přegenerovat HamleDT 2.0 free: | * Přegenerovat HamleDT 2.0 free: | ||
| * Původní, pražská i stanfordská anotace | * Původní, pražská i stanfordská anotace | ||
| Line 15: | Line 15: | ||
| * Vyrobit patche pro non-Free treebanky, tj. CoNLL soubory s vyplněnými zadními sloupci plus jednoduchý skript, který to slepí s původními daty a cestou zkontroluje, | * Vyrobit patche pro non-Free treebanky, tj. CoNLL soubory s vyplněnými zadními sloupci plus jednoduchý skript, který to slepí s původními daty a cestou zkontroluje, | ||
| * Po všech testech zmrazit verzi 2.0 (archiv na disku) a vydat ji v Lindatu (buď všechny jazyky, přičemž pro non-free tam budou pouze patche, nebo free a non-free zvlášť). Prolinkovat web Lindatu s webem HamleDTa | * Po všech testech zmrazit verzi 2.0 (archiv na disku) a vydat ji v Lindatu (buď všechny jazyky, přičemž pro non-free tam budou pouze patche, nebo free a non-free zvlášť). Prolinkovat web Lindatu s webem HamleDTa | ||
| - | * Aktualizovat web HamleDT | + | * Aktualizovat |
| - | * Podrobně popsat, jaké korpusy a jazyky současná verze obsahuje | + | * <del>Podrobně popsat, jaké korpusy a jazyky současná verze obsahuje</ |
| * Podrobně popsat, "How to Get It" | * Podrobně popsat, "How to Get It" | ||
| - | * Skupina treebanků " | + | * <del>Skupina treebanků " |
| - | * Skupina treebanků " | + | * <del>Skupina treebanků " |
| - | * Skupina treebanků " | + | * <del>Skupina treebanků " |
| * Návod k použití patchů | * Návod k použití patchů | ||
| - | * Odkaz na návod na instalaci Treexu | + | * <del>Odkaz na návod na instalaci Treexu</ |
| * Přidat reference na naše články a jasně říct, "How to cite HamleDT" | * Přidat reference na naše články a jasně říct, "How to cite HamleDT" | ||
| * Hodila by se i podrobnější dokumentace obsahu treebanků a harmonizačního procesu. Pokud to nestihneme, tak alespoň tabulka afunů s vysvětlivky (v podstatě už ji máme v islandském článku) | * Hodila by se i podrobnější dokumentace obsahu treebanků a harmonizačního procesu. Pokud to nestihneme, tak alespoň tabulka afunů s vysvětlivky (v podstatě už ji máme v islandském článku) | ||
| * Dan musí dodělat v Bibliu značkování publikací, aby bylo možné na stránky HamleDTa vygenerovat seznam všech publikací, které se HamleDTa týkají | * Dan musí dodělat v Bibliu značkování publikací, aby bylo možné na stránky HamleDTa vygenerovat seznam všech publikací, které se HamleDTa týkají | ||
| - | * Výrazná sekce What's New: HamleDT 2.0 / Stanford nebo tak něco | + | * <del>Výrazná sekce What's New: HamleDT 2.0 / Stanford nebo tak něco</ |
| - | * Nový jazyk (slovenština) | + | * <del>Nový jazyk (slovenština); kromě toho estonština byla přeřazena do skupiny Free.</ |
| - | * Nová data (čeština, hindština, doufejme arabština, pak taky asi angličtina (původně jsme psali o 2009?), ještě něco? katalánština? | + | * <del>Nová data (čeština, hindština, doufejme arabština, pak taky asi angličtina (původně jsme psali o 2009?). Porovnat s prvním článkem!)</ |
| - | * Stanfordské transformace | + | * <del>Stanfordské transformace</ |
| - | * Numerous bugfixes | + | * <del>Numerous bugfixes</ |
| * Ve spolupráci s Honzou Ptáčkem vyrobit i grafickou upoutávku na titulní stranu | * Ve spolupráci s Honzou Ptáčkem vyrobit i grafickou upoutávku na titulní stranu | ||
| - | * Vymyslet způsob, jak by se obsah webu zrcadlil v SVN, kde máme treexový kód pro HamleDTa | ||
| * Nezapomenout inzerovat HamleDT 2.0 v corpora@uib.no! | * Nezapomenout inzerovat HamleDT 2.0 v corpora@uib.no! | ||
| * Přidat odkazy na HamleDT na všechna relevantní místa (zejména ke všem jazykům) do ACL Wiki | * Přidat odkazy na HamleDT na všechna relevantní místa (zejména ke všem jazykům) do ACL Wiki | ||
| + | |||
| + | Odloženo na dobu po vydání HamleDTa 2.0: | ||
| + | |||
| + | * Dotáhnout parsing HamleDTa 2.0 a popsat jeho výsledky na webu. | ||
| + | * Vymyslet způsob, jak by se obsah webu zrcadlil v SVN, kde máme treexový kód pro HamleDTa | ||
| + | * Do jazyků s cizími písmy doplnit transliteraci. | ||
| + | * Pro některou z příštích verzí zvažujeme přidat automatický a zarovnaný překlad od Googlu, tak bychom transliteraci mohli odložit na stejný okamžik. | ||
| * Přidat HamleDT do (aktualizovat v) PML-TQ. Dořešit přístup pro nepřihlášené vs. přihlášené uživatele. Odkázat na to ze stránek HamleDTa. | * Přidat HamleDT do (aktualizovat v) PML-TQ. Dořešit přístup pro nepřihlášené vs. přihlášené uživatele. Odkázat na to ze stránek HamleDTa. | ||
| * Zavést verzování dat, dotáhnout pravidelné automatické regresní testování (cron-diff, Dan má zatím první nástřel) | * Zavést verzování dat, dotáhnout pravidelné automatické regresní testování (cron-diff, Dan má zatím první nástřel) | ||