Differences

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

--- user:zeman:tsd2010 [2010/03/23 08:01]
zeman Předcházející pokusy zopakujeme s Joshuou 1.1.
+++ user:zeman:tsd2010 [2010/06/01 11:59]
zeman encs-verbparticle do tabulky.
@@ Line 17: / Line 17: @@
 | **Pokus** | **Dev WMT08** | **Test WMT09** | **Poznámka** | **Datum** |
 | encs-clean | 0.0913 | 0.0897 | | 21.3.2010 |
-| encs-articles | | | Z anglické strany vypuštěny určité i neurčité členy. | |
+| encs-articles | 0.0921 | 0.0898 | Z anglické strany vypuštěny určité i neurčité členy. | 23.3.2010 |
-| encs-subject1 | | | Ke kořenovému slovu anglického podmětu připojeno (do jednoho tokenu) ''/Sb''. | |
+| encs-subject1 | 0.0891 | 0.0880 | Ke kořenovému slovu anglického podmětu připojeno (do jednoho tokenu) ''/Sb''. | |
-| encs-adjective | | | K anglickým přídavným jménům se připojuje ''/JJ''. Mohli bychom zkusit ještě třetí věc, značkovat atributy, ale pouze ty, které leží před podstatným jménem a samy nemají žádné děti. | |
+| encs-adjective | 0.0913 | 0.0893 | K anglickým přídavným jménům se připojuje ''/JJ''. Mohli bychom zkusit ještě třetí věc, značkovat atributy, ale pouze ty, které leží před podstatným jménem a samy nemají žádné děti. | |
+.5.2010 pouštím další pokus ''verbparticle'', kde se slovesná částice přisunuje ke slovesu, např. "wake him up" -> "wake up him". Kvůli odlišné tokenizaci ale parser dělá chyby, když později ve větě vidí slovo, které by mohlo fungovat jako slovesná částice, bezhlavě ho připojí ke slovesu, i když by mohl poznat, že je to předložka nebo částice od něčeho jiného (třeba je tam rozdělený výraz "spin - off", on vezme to "off" a zavěsí ho na sloveso, které se nachází nalevo od spin-offu). Zachování odlišné tokenizace skrz parsing je skoro námět na článek :-). Zatím běží strojový překlad s přisunutými částicemi. Mohl bych ještě zkusit úplně slepit částici se slovesem (např. pomocí podtržítka).
+.5.2010: verbparticle, Joshua 1.1: devbleu = 0.0880, testbleu = 0.0864.
+Nové pokusy před odesláním konečné verze článku. Joshua verze 1.1, ale čištění od dlouhých vět už probíhá jako u verze 1.3.
+| **Pokus** | **Dev WMT08** | **Test WMT09** | **Poznámka** | **Datum** |
+| encs | 0.0916 | 0.0891 | | 31.5.2010 |
+| encs-articles | 0.0921 | 0.0898 | Z anglické strany vypuštěny určité i neurčité členy. Statisticky nevýznamné zlepšení. | 31.5.2010 |
+| encs-subject | 0.0891 | 0.0864 | Ke kořenovému slovu anglického podmětu připojeno (do jednoho tokenu) ''/Sb''. U starších experimentů jsem tohle označoval jako ''subject1'', ale tehdejší ''subject'' bez indexu už je stejně zapomenut. | 31.5.2010 |
+| encs-articles-subject | 0.0859 | 0.0851 | Kombinace transformací ''articles'' a ''subject''. | 31.5.2010 |
+| encs-verbparticle | 0.0880 | 0.0864 | Viz výše. | 30.5.2010 |
+| enhi | 0.1116 | 0.1230 | | 31.5.2010 |
+| enhi-articles | 0.1141 | 0.1230 | Zatím se členy odstraňují úplně stejně jako u ''encs''. Ve skutečnosti bychom ale pro hindštinu měli asi odstraňovat pouze určité členy. | 31.5.2010 |
+| enhi-reord2008 | 0.1074 | 0.1172 | Stará pravidla pro úpravu slovosledu z roku 2008: sloveso na konec věty a z předložek záložky. Možná se ale nepodařilo pravidla přenést úplně správně, bude to potřeba ještě prozkoumat po částech. | 31.5.2010 |

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

Institute of Formal and Applied Linguistics Wiki

Differences