[ Skip to the content ]

Institute of Formal and Applied Linguistics Wiki

• ÚFAL Wiki Home
• ÚFAL Home
• Sitemap
• RSS
• ÚFAL calendar
• Recent changes
• Login
• Hledat:

[ Back to the navigation ]

Differences

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

View differences: Side by SideInline Go

Link to this comparison view

2013/10/08 08:14 zeman quest2009/10/11 20:58 zeman NPFL007.2009/10/01 14:49 zeman Open source.2009/10/01 14:48 zeman tagger -> parser2007/10/28 12:52 zeman Další informace.2007/10/26 23:31 zeman Oprava odkazu.2007/10/26 23:30 zeman Data CoNLL.2007/10/26 17:17 zeman vytvořeno Go Next revision		Previous revision 2013/10/08 08:14 zeman quest2009/10/11 20:58 zeman NPFL007.2009/10/01 14:49 zeman Open source.2009/10/01 14:48 zeman tagger -> parser2007/10/28 12:52 zeman Další informace.2007/10/26 23:31 zeman Oprava odkazu.2007/10/26 23:30 zeman Data CoNLL.2007/10/26 17:17 zeman vytvořeno Go
user:zeman:ukoly:malt-parser [2007/10/26 17:17] zeman vytvořeno		user:zeman:ukoly:malt-parser [2013/10/08 08:14] (current) zeman quest
Line 3:		Line 3:
	Stáhněte z internetu (např. z http://w3.msi.vxu.se/~nivre/research/MaltParser.html) Malt parser Joakima Nivreho, nainstalujte ho a rozchoďte ho. Dostanete k dispozici anotovaný korpus, který si rozdělíte na trénovací a testovací data. Natrénujte parser na trénovacích datech, rozeberte jím testovací data a zjistěte, jaké úspěšnosti parser dosahuje.		Stáhněte z internetu (např. z http://w3.msi.vxu.se/~nivre/research/MaltParser.html) Malt parser Joakima Nivreho, nainstalujte ho a rozchoďte ho. Dostanete k dispozici anotovaný korpus, který si rozdělíte na trénovací a testovací data. Natrénujte parser na trénovacích datech, rozeberte jím testovací data a zjistěte, jaké úspěšnosti parser dosahuje.
-	Výsledky své práce budete prezentovat ostatním na některé prosincové přednášce. Níže najdete otázky, na které byste při experimentech měli hledat odpověď; do prezentace však zahrňte i další zajímavosti, na které při pokusech narazíte, ať už se týkají technických aspektů práce s taggerem, zajímavostí v datech, se kterými jste pracovali, nebo námětů, jak zlepšit úspěšnost taggeru.	+	Výsledky své práce budete prezentovat ostatním na některé prosincové přednášce. Níže najdete otázky, na které byste při experimentech měli hledat odpověď; do prezentace však zahrňte i další zajímavosti, na které při pokusech narazíte, ať už se týkají technických aspektů práce s parserem, zajímavostí v datech, se kterými jste pracovali, nebo námětů, jak zlepšit úspěšnost parseru.
		+
		+	Odevzdávat budete kromě prezentace také podpůrné skripty, které při experimentech potřebujete. Měly by být spíše v Perlu než v shellu a spíše platformově nezávislé - to se týká zejména těch, které přímo nevolají Nivreho software. V případě potřeby ale můžete využít externí programy běžně dostupné v Linuxu, které nelze snadno nahradit příkazy Perlu (např. gzip). Skripty by neměly záviset na konkrétním rozmístění souborů na vašem disku. Samozřejmě budou muset vědět, kde máte vybalený parser s příslušenstvím, k tomu použijte proměnnou prostředí ''MALT''. (V Perlu dostupná jako ''$ENV{MALT}''.) Dokumentace ke skriptům stačí uživatelská, tj. seznam skriptů, ke každému způsob volání a jednou dvěma větami popsáno, k čemu slouží.
-	Odevzdávat budete kromě prezentace také podpůrné skripty, které při experimentech potřebujete. Měly by být spíše v Perlu než v shellu a spíše platformově nezávislé - to se týká zejména těch, které přímo nevolají Nivreho software. V případě potřeby ale můžete využít externí programy běžně dostupné v Linuxu, které nelze snadno nahradit příkazy Perlu (např. gzip). Skripty by neměly záviset na konkrétním rozmístění souborů na vašem disku. Samozřejmě budou muset vědět, kde máte vybalený tagger s příslušenstvím, k tomu použijte proměnnou prostředí ''MALT''. (V Perlu dostupná jako ''$ENV{MALT}''.) Dokumentace ke skriptům stačí uživatelská, tj. seznam skriptů, ke každému způsob volání a jednou dvěma větami popsáno, k čemu slouží.
	===== Poznámky k architektuře =====		===== Poznámky k architektuře =====
Line 14:		Line 15:
	* Windows / Cygwin / Intel		* Windows / Cygwin / Intel
	* MacOS X / MacIntosh		* MacOS X / MacIntosh
		+
		+	**Poznámka:** Nová verze už je open source v Javě!
	===== Otázky =====		===== Otázky =====
Line 43:		Line 46:
	* Naivní parser, který se volá stejně jako výše popsané rozhraní na Malt parser, ale chová se zcela naivně (levý soused je rodič, viz výše).		* Naivní parser, který se volá stejně jako výše popsané rozhraní na Malt parser, ale chová se zcela naivně (levý soused je rodič, viz výše).
	* Skript, kterému se předá ručně rozebraný text (tzv. gold standard) a tentýž text rozebraný parserem. Skript vypíše úspěšnost parseru (tj. procento slov, jimž byl správně přiřazen rodič) a případný další rozbor chyb.		* Skript, kterému se předá ručně rozebraný text (tzv. gold standard) a tentýž text rozebraný parserem. Skript vypíše úspěšnost parseru (tj. procento slov, jimž byl správně přiřazen rodič) a případný další rozbor chyb.
		+
	===== Data =====		===== Data =====
-	Označkovaná data ve [[Formát CoNLL|formátu CoNLL]]. Každé slovo leží na samostatném řádku, jsou tam k němu různé údaje (např. lemma, značka) oddělené tabulátory. Věty jsou oddělené prázdným řádkem.	+	Označkovaná data ve [[:Formát CoNLL|formátu CoNLL]]. Každé slovo leží na samostatném řádku, jsou tam k němu různé údaje (např. lemma, značka) oddělené tabulátory. Věty jsou oddělené prázdným řádkem.
	==== Čeština ====		==== Čeština ====
-	Pro přístup k datům je potřeba souhlasit s licenční smlouvou a odeslat registraci na http://ufal.mff.cuni.cz/corp-lic/pdt20-reg.html; do kolonky //Optional information// vyplňte "PFL007". O registraci bych se měl dozvědět a poslat vám odkaz na data.	+	Pro přístup k datům je potřeba souhlasit s licenční smlouvou a odeslat registraci na http://ufal.mff.cuni.cz/corp-lic/pdt20-reg.html; do kolonky //Optional information// vyplňte "NPFL007". O registraci bych se měl dozvědět a poslat vám odkaz na data.
	==== Švédština ====		==== Švédština ====
	Data pocházejí ze švédského korpusu Talbanken05, který je volně dostupný na webu.		Data pocházejí ze švédského korpusu Talbanken05, který je volně dostupný na webu.
-	{{user:zeman:ukoly:sv.tag.zip|stáhnout}}	+	{{user:zeman:ukoly:sv.conll.zip|stáhnout}}
	==== Dánština ====		==== Dánština ====
	Data pocházejí z korpusu DDT (Danish Dependency Treebank), který je volně dostupný na webu.		Data pocházejí z korpusu DDT (Danish Dependency Treebank), který je volně dostupný na webu.
-	{{user:zeman:ukoly:da.tag.zip|stáhnout}}	+	{{user:zeman:ukoly:da.conll.zip|stáhnout}}
		+
		+	===== Další informace =====
		+
		+	Tento úkol (včetně zadání konkrétního jazyka) si můžete zarezervovat vyplněním formuláře na http://quest.ms.mff.cuni.cz/cgi-bin/zeman/zapoctaky/rezervace_ukolu.pl (pokud ještě není rozebrán).
		+
		+	Termín odevzdání e-mailem je konec listopadu, prezentace programu proběhne v prosinci.

---

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